import pandas as pd beijing_daname=['朝阳区', '丰台区', '海淀区', '大兴区', '通州区', '昌平区', '东城区', '西城区', '顺义区'] data=pd.read_csv('D:\pbl2\租房价格地图\租房数据加经纬度.csv',encoding='gbk') areas=list(set(list(data['行政区']))) area_sums={} for area in areas: area_sums[area]=list(data['行政区']).count(area) from pyecharts import options as opts from pyecharts.charts import Bar import random hotel_num=[area_sums[i] for i in beijing_daname] bar = ( Bar() .add_xaxis(beijing_daname) .add_yaxis("", hotel_num) .set_global_opts(title_opts=opts.TitleOpts(title="北京各区房源数量")) .set_series_opts( label_opts=opts.LabelOpts(is_show=True), markline_opts=opts.MarkLineOpts( data=[ opts.MarkLineItem(type_="min", name="最小值"), opts.MarkLineItem(type_="max", name="最大值"), opts.MarkLineItem(type_="average", name="平均值"), ] ), ) ) bar.render_notebook()出不了图
时间: 2024-04-01 15:38:11 浏览: 19
在 Jupyter notebook 中使用 pyecharts 绘图时,需要在代码最后添加 `render_notebook()` 来显示图像。您可以将代码最后一行改为 `bar.render_notebook()`,然后再次运行即可。另外,如果您的数据集中有缺失值或异常值,可能会导致绘图出错。建议您先检查一下数据集中是否有问题。
相关问题
解释代码import pandas as pd s_p = pd.Series(p)
这段代码的作用是将一个Python列表p转换为Pandas库中的Series数据类型,并将转换后的Series对象赋值给变量s_p。具体来说,pd.Series(p)的意思是使用Pandas库中的Series()函数将列表p转换为Series对象。Series对象是Pandas库中一种基本的数据结构,类似于一维数组,可以用于存储一列数据,并且可以方便地进行数据分析和处理。
import pandas as pd data_index = pd.to_datetime(['20200907','20201007','20200901']) data_ser = pd.series([11,12,13],index=data_index) print(data_ser)
这段代码中有一些语法错误,正确的代码应该是这样的:
```python
import pandas as pd
data_index = pd.to_datetime(['20200907','20201007','20200901'])
data_ser = pd.Series([11,12,13], index=data_index)
print(data_ser)
```
这段代码的作用是创建一个 Pandas Series 对象,其中包含三个整数值 11、12 和 13,分别对应于三个日期 '20200907'、'20201007' 和 '20200901'。这三个日期先通过 `pd.to_datetime()` 函数转换为 Pandas 中的时间戳对象,然后作为 Series 对象的索引。
最终输出的结果是:
```
2020-09-07 11
2020-10-07 12
2020-09-01 13
dtype: int64
```
表示一个包含三个元素的时间序列,每个元素都是一个整数。