import pandas as pd from pyecharts.render import NotebookRender from pyecharts.charts import Line from pyecharts import options as opts # 读取数据 dates_year = df['上映年份'].str[:4] dates_ratings = df['电影评分'] # 统计每年的平均评分 data = pd.concat([dates_year, dates_ratings], axis=1) data.columns = ['year', 'rating'] data = data.groupby('year').mean().reset_index() # 绘制折线图 line = ( Line() .add_xaxis(data['year'].tolist()) .add_yaxis("电影评分", data['rating'].tolist()) .set_global_opts( title_opts=opts.TitleOpts(title="电影评分趋势图"), tooltip_opts=opts.TooltipOpts(trigger="axis"), xaxis_opts=opts.AxisOpts(type_="category"), yaxis_opts=opts.AxisOpts(type_="value"), ) ) bar.render_notebook() 优化代码

可以将代码进行如下优化：

1. 将数据读取和统计放在一起，避免不必要的变量声明。

2. 直接使用DataFrame的plot方法绘制折线图，无需使用pyecharts库。

3. 由于数据已经按年份进行了分组统计，因此不需要再次使用pyecharts库中的Line类进行绘图。

优化后的代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据并按年份统计平均评分
data = df.groupby(df['上映年份'].str[:4])['电影评分'].mean()

# 绘制折线图
data.plot(title='电影评分趋势图', xlabel='年份', ylabel='平均评分')
plt.show()

以上代码使用matplotlib库绘制折线图，并直接使用DataFrame的plot方法绘图，代码更为简洁。

相关问题

dates_year = df['上映年份'].str[:4] dates_ratings = df['电影评分'] print(dates_year.head(60)) 根据趋势用pyechart画出折线图

好的，你需要先安装pyecharts库，可以使用以下命令进行安装：

pip install pyecharts

然后你可以使用以下代码进行绘制折线图：

import pandas as pd
from pyecharts.charts import Line
from pyecharts import options as opts

# 读取数据
df = pd.read_csv('movie_data.csv')
dates_year = df['上映年份'].str[:4]
dates_ratings = df['电影评分']

# 统计每年的平均评分
data = pd.concat([dates_year, dates_ratings], axis=1)
data.columns = ['year', 'rating']
data = data.groupby('year').mean().reset_index()

# 绘制折线图
line = (
    Line()
    .add_xaxis(data['year'].tolist())
    .add_yaxis("电影评分", data['rating'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="电影评分趋势图"),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value"),
    )
    .render("rating_trend.html")
)

这段代码会生成一个HTML文件，里面包含了绘制出来的折线图。你可以用任何浏览器打开这个HTML文件来查看折线图。

pyecharts可视化分析项目

Pyecharts是一个基于Python的可视化库，可以帮助我们通过代码生成各种各样的图表，如折线图、柱状图、饼图、地图等等。下面是一个简单的Pyecharts可视化分析项目的示例：

1. 数据准备

首先，我们需要准备一些数据，用于生成图表。这里我们以某个公司2019年每月的销售额为例，假设数据保存在一个名为“sales.csv”的文件中，格式如下：

month,sales
2019-01,10000
2019-02,15000
2019-03,20000
2019-04,25000
2019-05,30000
2019-06,35000
2019-07,40000
2019-08,45000
2019-09,50000
2019-10,55000
2019-11,60000
2019-12,65000

2. 导入库

我们需要导入以下库：

import pandas as pd
from pyecharts.charts import Line, Bar
from pyecharts import options as opts

3. 数据读取

读取“sales.csv”文件中的数据，并转换成Pandas的DataFrame格式：

df = pd.read_csv("sales.csv", parse_dates=['month'])

4. 折线图

生成月销售额的折线图：

line_chart = Line()
line_chart.add_xaxis(df['month'].dt.strftime('%Y-%m').tolist())
line_chart.add_yaxis("月销售额", df['sales'].tolist())
line_chart.set_global_opts(title_opts=opts.TitleOpts(title="2019年每月销售额折线图"))
line_chart.render("line_chart.html")

5. 柱状图

生成月销售额的柱状图：

bar_chart = Bar()
bar_chart.add_xaxis(df['month'].dt.strftime('%Y-%m').tolist())
bar_chart.add_yaxis("月销售额", df['sales'].tolist())
bar_chart.set_global_opts(title_opts=opts.TitleOpts(title="2019年每月销售额柱状图"))
bar_chart.render("bar_chart.html")

6. 结果展示

最后，我们可以在浏览器中打开生成的“line_chart.html”和“bar_chart.html”文件，查看生成的折线图和柱状图。

这只是一个简单的示例，实际上Pyecharts支持的图表类型非常丰富，可以根据需求自由组合，生成各种形式的可视化图表。