temp = data.groupby(['position'])['unit_price'].mean().reset_index() data_pair = sorted([(row['position'], round(row['unit_price'] / 10000, 1)) for _, row in temp.iterrows()], key=lambda x: x[1], reverse=True)[:10] bar = (Bar(init_opts=opts.InitOpts(theme='dark')) .add_xaxis([x[0] for x in data_pair]) .add_yaxis('二手房均价', [x[1] for x in data_pair]) .set_series_opts(label_opts=opts.LabelOpts(is_show=True, font_style='italic'), itemstyle_opts=opts.ItemStyleOpts( color=JsCode("""new echarts.graphic.LinearGradient(0, 1, 0, 0, [{ offset: 0, color: 'rgb(0,206,209)' }, { offset: 1, color: 'rgb(218,165,32)' }])""")) ) .set_global_opts( title_opts=opts.TitleOpts(title="深圳二手房均价TOP 10地段"), legend_opts=opts.LegendOpts(is_show=False), tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}万元')) ) bar.render_notebook()

这段代码是用 Python 生成一个条形图，用于显示深圳市二手房均价排名前十的地段信息。具体来说，代码首先对数据进行了分组，计算出每个地段的二手房均价；然后对这些数据进行排序，取出前十个地段的名称和均价；最后用 Pyecharts 库中的 Bar 类生成一个条形图，并将数据加入到图中。生成的条形图通过 render_notebook() 函数在 Jupyter Notebook 中进行渲染，以供用户查看。