import pandas as pd import numpy as np from pyecharts.charts import Bar import pyecharts.options as opts path_marry = r"D:\迅雷下载\新建文件夹\数据集\数据可视化数据集\结婚离婚\结婚数据.csv" path_divorse = r"D:\迅雷下载\新建文件夹\数据集\数据可视化数据集\结婚离婚\离婚数据.csv" marry_data = pd.read_csv(path_marry) divorse_data = pd.read_csv(path_divorse) divorse_data = divorse_data.set_index(divorse_data["地区"]).drop(columns=["地区"]) show_data2 = marry_data["2019年"] show_data3 = divorse_data["2019年"] show_data4=pd.DataFrame() show_data4["结婚登记数"]=show_data2 show_data4["离婚登记数"]=show_data3 show_data4["结婚登记数占比"]=show_data4["结婚登记数"]/show_data4.sum(axis=1) show_data4["离婚登记数占比"]=1-show_data4["结婚登记数占比"] x_axis_data = show_data3.index.tolist() y_axis_data1 = show_data2.values.tolist() y_axis_data2 = show_data3.values.tolist() c = ( Bar(init_opts=opts.InitOpts(width="800px", height="700px")) .add_xaxis(x_axis_data) .add_yaxis( "2019年结婚登记数量(万对)" , y_axis_data1 ,stack="happy" ,itemstyle_opts={"color":"#006400"} ) .add_yaxis( "2019年离婚登记数量(万对)" , y_axis_data2 ,stack="happy" ) .reversal_axis() .set_series_opts(label_opts=opts.LabelOpts(position="right")) .set_global_opts( title_opts=opts.TitleOpts(title="全国各省2019年结婚登记数量(万对)") ,legend_opts=opts.LegendOpts( pos_left="40%" ,orient="vertical" ) ) ) c.render_notebook()请对这段代码修改,转为显示2个y变量的占比(总和为1)

时间: 2024-03-30 15:35:29 浏览: 19
import pandas as pd import numpy as np from pyecharts.charts import Bar import pyecharts.options as opts path_marry = r"D:\迅雷下载\新建文件夹\数据集\数据可视化数据集\结婚离婚\结婚数据.csv" path_divorse = r"D:\迅雷下载\新建文件夹\数据集\数据可视化数据集\结婚离婚\离婚数据.csv" marry_data = pd.read_csv(path_marry) divorse_data = pd.read_csv(path_divorse) divorse_data = divorse_data.set_index(divorse_data["地区"]).drop(columns=["地区"]) show_data2 = marry_data["2019年"] show_data3 = divorse_data["2019年"] total = show_data2 + show_data3 show_data4=pd.DataFrame() show_data4["结婚登记数"]=show_data2/total show_data4["离婚登记数"]=show_data3/total x_axis_data = show_data3.index.tolist() y_axis_data1 = show_data4["结婚登记数"].values.tolist() y_axis_data2 = show_data4["离婚登记数"].values.tolist() c = ( Bar(init_opts=opts.InitOpts(width="800px", height="700px")) .add_xaxis(x_axis_data) .add_yaxis( "结婚登记数占比", y_axis_data1, stack="happy", itemstyle_opts={"color":"#006400"} ) .add_yaxis( "离婚登记数占比", y_axis_data2, stack="happy") .reversal_axis() .set_series_opts(label_opts=opts.LabelOpts(position="right")) .set_global_opts( title_opts=opts.TitleOpts(title="全国各省2019年结婚离婚登记占比"), legend_opts=opts.LegendOpts( pos_left="40%", orient="vertical")) ) c.render_notebook()

相关推荐

from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.commons.utils import JsCode js_code_formatter_01=""" function(param){ return Number(param.value).toFixed(2); } """ show_data1=marry_data.loc["全国合计"] x_axis_data=pd.Series(show_data1.index).apply(lambda x:x[:-1]).values.tolist() #保留2位的方法(1) y_axis_data=show_data1.apply(lambda x:round(x,2)).values.tolist() y_axis_data=show_data1.values.tolist() c = ( Bar( init_opts=opts.InitOpts( width="1000px",height="400px",theme="dark" ) ) #创建柱状图对象,可设置背景,大小等基础属性 .add_xaxis(x_axis_data) #Faker.choose()生成随机的文字标签,Faker.values()则是生成随机的数字,position调整位置,rotate调整文字方向 # .add_yaxis("全国数据分布", y_axis_data ,label_opts=opts.LabelOpts(position="inside",rotate=90,color="yellow",font_size=12,font_weight="blod",formatter=JsCode(js_code_formatter_01))) .set_global_opts(title_opts=opts.TitleOpts(title="全国结婚登记数量", subtitle="万对"),legend_opts=opts.LegendOpts(pos_left="right") ,visualmap_opts=opts.VisualMapOpts(max_=show_data1.max(),min_=show_data1.min(),range_color=['#3867d6','#45aaf2','#0fb9b1','#26de81','#fed330','#fa8231','#eb3b5a']) , markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(name="平均值",type_="average"), opts.MarkLineItem(name="最小值",type_="min")]) ) #visualmap是设置颜色映射,即可调整颜色 #legend_opts=opts.LegendOpts(pos_left="right")可以调整图例的位置,不仅可用left,right等 还可用数字如 20%代表距左边图形20%的位置 #notebook中可用c.render_notebook()方法 用前先要把pyechar中的render删除 c.render_notebook()这段代码报错,请帮我修改

最新推荐

recommend-type

防雷及短路计算软件.zip

防雷及短路计算软件
recommend-type

电线穿管选用小软件.zip

电线穿管选用小软件
recommend-type

【小白python数据分析入门4Pandas可视化-板块8案例 2018幸福大数据】

小白python数据分析入门4Pandas可视化——板块8案例 2018幸福大数据,辅助8.1读取数据
recommend-type

电气照明照度计算软件.zip

电气照明照度计算软件
recommend-type

数据库模拟考试试卷试卷

数据库模拟考试试卷试卷
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。