以大热剧《觉醒年代》为例用Python绘制可视化仪表盘

2024-08-02 21:43:35

前言

《觉醒年代》被称为是继《走向共和》后的又一部历史神剧。自开播以来，豆瓣上的评分也是从最初的8.3分飙升到9.2分，并且在最近的上海电视节白玉兰奖中获得多项提名。

数据的可视化

Pyecharts中的页面组件Page能够很好地将许多绘制出来的页面组合到一个页面当中去，首先我们先导入需要用到的模块，

import pandas as pd
from pyecharts.charts import Bar, Page
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from collections import Counter
from pyecharts.charts import Pie

‍首先我们来可视化一下观众的评分分布，从中可以看书，5颗星的评分占到了75%，可见观众们对该剧的评价都是非常的高了，几乎都给出了满分的好评

p = (
      Pie(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
          .add("", [list(z) for z in zip(stars_keys_list, stars_values_list)],
               radiu=["40%%", "65%"],
               center=["55%", "50%"])
          .set_global_opts(title_opts=opts.TitleOpts(title="电影评分分布(%)", pos_left="center", subtitle="觉醒年代"),
                           legend_opts=opts.LegendOpts(orient="vertical",
                                                       pos_top="15%",
                                                       pos_left="25%"))
          .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
p.render("movie_stars.html")

下面我们来绘制一下剧中的主角被提及的次数，当然可能有一些读者朋友不是特别熟悉该部剧，该剧的历史背景是1915年到1921年这段期间，由李大钊、陈独秀以及胡适领导的新文化运动开始讲起，从可视化出来的结果可以发现于和伟(皇叔)被提及的次数是最多的，哈哈哈

bar = (
  Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC))
      .add_xaxis(actor_mention_keys_list)
      .add_yaxis("", actor_mention_values_list)
      .set_global_opts(title_opts=opts.TitleOpts(title="主角被提及的次数", subtitle="觉醒年代", pos_left="center"),
                       yaxis_opts=opts.AxisOpts(min_= 0, max_=1800))
)
bar.render("actors_mentions_times.html")

与此同时，小编也统计了一下参与了评论的观众朋友们的地域分布情况，发现的是北京和上海的观众最多，对于历史题材的，党政类型的剧情比较感兴趣，

bar = (
      Bar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
          .add_xaxis(location_keys_list)
          .add_yaxis("", location_values_list)
          .set_global_opts(title_opts=opts.TitleOpts(title="影迷的分布地点", subtitle="觉醒年代", pos_left="center"),
                           yaxis_opts=opts.AxisOpts(min_=0, max_=65)
                           )
)
bar.render("fans_location.html")

而这些观众粉丝们大多也是近几年才刚加入的新用户，大多都集中在2018年至2020年这些时间段，可见为了用户增长，该社区也是花了不少的功夫

最后我们来制作可视化仪表盘，在实例化Page对象之后，就将我们绘制好的作品往里添加即可，

page = Page(layout=Page.SimplePageLayout)
page.add(visualiza_stars(0.8, 0.9, 3.7, 19.3, 75.3),
         visualize_actors_mentions_times(),
         visualize_user_location(),
         visualize_fans_year(),
         review_sentiment_analysis(),
         review_sentiment_score_analysis())
page.render("page_sample1.html")

最后出来的结果如下图所示：

到此这篇关于以大热剧《觉醒年代》为例用Python绘制可视化仪表盘的文章就介绍到这了,更多相关Python绘制可视化仪表盘内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

Python编写可视化界面的全过程（Python+PyCharm+PyQt）

最近开始学习Python,但只限于看理论,编几行代码,觉得没有意思,就想能不能用Python编写可视化的界面.遂查找了相关资料,发现了PyQt,由于前一段时间刚看过Qt,而且对Qt的印象很好,于是觉得用PyQt应该是一个比较愉快的选择. 1.前言 PyQt的版本需要与Python的版本保持一致,在这里我用的PyQT的版本是 PyQt5-5.6-gpl-Py3.5-Qt5.6.0-x64.exe,具体下载方式,请直接搜索.由于该版本需要v3.5版本的Python,所以首先需要安装Python3.5
python实现棋盘覆盖问题及可视化

问题介绍棋盘覆盖问题,是一种编程问题. 如何应用分治法求解棋盘覆盖问题呢?分治的技巧在于如何划分棋盘,使划分后的子棋盘的大小相同,并且每个子棋盘均包含一个特殊方格,从而将原问题分解为规模较小的棋盘覆盖问题.k>0时,可将2k×2k的棋盘划分为4个2(k-1)×2(k-1)的子棋盘.这样划分后,由于原棋盘只有一个特殊方格,所以,这4个子棋盘中只有一个子棋盘包含该特殊方格,其余3个子棋盘中没有特殊方格.为了将这3个没有特殊方格的子棋盘转化为特殊棋盘,以便采用递归方法求解,可以用一个L型骨牌覆盖这3
python可视化hdf5文件的操作

对于一些复杂的hdf5文件,通过可视化的方法可以比较容易的了解文件的内部结构,下面介绍基于python的一个hdf5文件的安装使用方法 1 安装vitables工具包命令 pip install vitables 2 安装完成后在终端中使用命令 vitables 文件名.hdf5 最终实现hdf5文件的可视化,方便直观就像一层层打开文件夹一样补充:python对于HDF5的操作看代码吧~ import h5py #导入工具包 import numpy as np #HDF5的写入: img
Python数据分析之绘图和可视化详解

一.前言 matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面).该项目是由John Hunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.matplotlib和IPython社区进行合作,简化了从IPython shell(包括现在的Jupyter notebook)进行交互式绘图.matplotlib支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF.SVG.JPG
python使用Streamlit库制作Web可视化页面

每当你对Excel文件进行更改保存,Web页面还能够实时进行更新,确实挺不错的. Streamlit的文档和教程地址如下. https://docs.streamlit.io/en/stable/ https://streamlit.io/gallery 相关的API使用可以去文档中查看,都有详细的解释. 项目一共有三个文件,程序.图片.Excel表格数据. 数据情况如下,某公司年底问卷调查(虚构数据),各相关部门对生产部门在工作协作上的打分情况. 有效数据总计约676条,匿名问卷,包含问卷填写
python用pyecharts实现地图数据可视化

有的时候,我们需要对不同国家或地区的某项指标进行比较,可简单通过直方图加以比较.但直方图在视觉上并不能很好突出地区间的差异,因此考虑地理可视化,通过地图上位置(地理位置)和颜色(颜色深浅代表数值差异)两个元素加以体现.在本文案例中,基于第三方库pyecharts,对中国各省2010-2019年的GDP进行绘制. 我们先来看看最终效果: 关于绘图数据基于时间和截面两个维度,可把数据分为截面数据.时间序列及面板数据.在本文案例中,某一年各省的GDP属于截面数据,多年各省的GDP属于面板数据.因此,
使用python实现三维图可视化

这是学习tensorflow框架中遇到的知识,这里定义函数的时候选用的是将x和y封装起来,方便tensorflow求导. 要慢慢习惯这种写法 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D def himmelblau(x): return (x[0]**2 + x[1] - 11)**2 + (x[0] + x[1]**2 - 7)**2 x = np.lins
python开发实时可视化仪表盘的示例

本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介这是我的系列教程「Python+Dash快速web应用开发」的第十五期,在前面的一系列教程中,我们针对Dash中的各种常用基础概念作了比较详细的介绍,如果前面的教程你有认真学习,那么相信到今天你已经有能力开发初具规模的Dash应用了. 而在Dash生态中还有一系列功能比较特殊但又非常实用的部件,今天的文章我们就来学习这些常用的「特殊部件」. 2
Python数据可视化之绘制柱状图和条形图

一.实验目的: 1.掌握Python中柱状图.条形图绘图函数的使用 2.利用上述绘图函数实现数据可视化二.实验内容: 1.练习python中柱状图.条形图绘图函数的用法,掌握相关参数的概念 2.根据步骤一绘图函数要求,处理实验数据 3.根据步骤二得到的实验数据,绘制柱状图.条形图 4.练习如何通过调整参数使图片呈现不同效果,例如颜色.图例位置.背景网格.坐标轴刻度和标记等三.实验过程(附结果截图): 1. 练习python中柱状图.条形图绘图函数的用法,掌握相关参数的概念 (1)练习绘制条形
以大热剧《觉醒年代》为例用Python绘制可视化仪表盘

前言 <觉醒年代>被称为是继<走向共和>后的又一部历史神剧.自开播以来,豆瓣上的评分也是从最初的8.3分飙升到9.2分,并且在最近的上海电视节白玉兰奖中获得多项提名. 数据的可视化 Pyecharts中的页面组件Page能够很好地将许多绘制出来的页面组合到一个页面当中去,首先我们先导入需要用到的模块, import pandas as pd from pyecharts.charts import Bar, Page from pyecharts import options as
Python实现在Excel中绘制可视化大屏的方法详解

目录数据清洗绘制图表生成可视化大屏大家新年好哇,今天小编来给大家分享如何在Excel文档当中来绘制可视化图表,并且制作一个可视化大屏,非常的容易,这里我们会用到openpyxl模块,那么首先第一步便是调用该模块来读取Excel文件,代码如下 # 读取Excel文档并且指定工作表的名称 file_name = 'Bike_Sales_Playground.xlsx' df = pd.read_excel(file_name,sheet_name='bike_buyers') 当然为了保险起
apache+php上传大文件以上传100M为例

打开php.ini, Ctrl+F 找到下面的项并修改之.下面以上传100M为例. file_uploads = on ;是否允许通过HTTP上传文件的开关.默认为ON即是开 upload_tmp_dir ;文件上传至服务器上存储临时文件的地方,如果没指定就会用系统默认的临时文件夹 upload_max_filesize = 100m ;望文生意,即允许上传文件大小的最大值.默认为2M post_max_size = 100M ;指通过表单POST给PHP的所能接收的最大值,包括表单里的所有值.
以911新闻为例演示Python实现数据可视化的教程

本文介绍一个将911袭击及后续影响相关新闻文章的主题可视化的项目.我将介绍我的出发点,实现的技术细节和我对一些结果的思考. 简介近代美国历史上再没有比911袭击影响更深远的事件了,它的影响在未来还会持续.从事件发生到现在,成千上万主题各异的文章付梓.我们怎样能利用数据科学的工具来探索这些主题,并且追踪它们随着时间的变化呢? 灵感首先提出这个问题的是一家叫做Local Projects的公司,有人委任它们为纽约的国家911博物馆设置一个展览.他们的展览,Timescape,将事件的主题和文章可
Python数据可视化常用4大绘图库原理详解

今天我们就用一篇文章,带大家梳理matplotlib.seaborn.plotly.pyecharts的绘图原理,让大家学起来不再那么费劲! 1. matplotlib绘图原理关于matplotlib更详细的绘图说明,大家可以参考下面这篇文章,相信你看了以后一定学得会. matplotlib绘图原理:http://suo.im/678FCo 1)绘图原理说明通过我自己的学习和理解,我将matplotlib绘图原理高度总结为如下几步: 导库;创建figure画布对象;获取对应位置的axes坐标
利用python实现可视化大屏

目录 1.实践之轨迹地图 2.最终制作出来的效果图 3.大屏的由来下文要实现的可视化大屏内容:需要在地图上将我司船舶的轨迹展示出来.听起来很简单,一开始我也是这样想的.通过一些BI工具应该可以轻松实现,比如这样的: 仔细观察可以看到,这种轨迹是两点之前的弧线,适合用来展示航空的航线或者起点终点方向类型轨迹,而加载了插件后发现,其功能是无法支持船舶轨迹的数据的,所以该插件被pass掉了. 百度已经无法找到合适的资源了,于是我又转向了微信公众号搜索,我发现了folium这个地图可视化的库.它的可视
通过抓取淘宝评论为例讲解Python爬取ajax动态生成的数据(经典)

在学习python的时候,一定会遇到网站内容是通过 ajax动态请求.异步刷新生成的json数据的情况,并且通过python使用之前爬取静态网页内容的方式是不可以实现的,所以这篇文章将要讲述如果在python中爬取ajax动态生成的数据. 至于读取静态网页内容的方式,有兴趣的可以查看本文内容. 这里我们以爬取淘宝评论为例子讲解一下如何去做到的. 这里主要分为了四步: 一获取淘宝评论时,ajax请求链接(url) 二获取该ajax请求返回的json数据三使用python解析json数据
以Flask为例讲解Python的框架的使用方法

了解了WSGI框架,我们发现:其实一个Web App,就是写一个WSGI的处理函数,针对每个HTTP请求进行响应. 但是如何处理HTTP请求不是问题,问题是如何处理100个不同的URL. 每一个URL可以对应GET和POST请求,当然还有PUT.DELETE等请求,但是我们通常只考虑最常见的GET和POST请求. 一个最简单的想法是从environ变量里取出HTTP请求的信息,然后逐个判断: def application(environ, start_response): method = e
Java的单例设计模式详解

1.什么是单例模式生成一个独一无二的,保证任何时刻一个类只有一个实例的模式确保一个类只有一个实例,并提供一个全局访问点可以在需要时才创建对象,避免了全局变量在程序启动时就得创建对象的缺点. 2.经典单例模式实现 public class MyInstance{ //第一步:私有化构造器,只有类自身才能调用构造器外部类不能够直接new出这个类的实例对象 private MyInstance(){} //第二步:声明一个全局静态变量来记录自身实例的对象,也是私有的,限制其它外部类访问 priv
如何用python免费看美剧

最早一部<越狱>转变了我对美剧的看法.主人公scofield的聪明才智和坚强的毅力,<绝命毒师>里面主人公的中年逆袭,<纸牌屋>里面老谋深算的政客,等等,这些美剧和里面鲜活的任务,至今令人记忆尤新. 最近,又迷上了美剧,无奈多数视频平台上的美剧都是收费的.对于一个资深Pythoner,我们可以用Python自动获取美剧的网址,下载了慢慢看. 我们以天天看M剧这个网站为例,来展示如何分析和下载这些内容,这里提供一种思路供大家学习.当然,我们还是得支持正版内容,这里是介绍技

以大热剧《觉醒年代》为例用Python绘制可视化仪表盘

前言

数据的可视化

相关推荐

随机推荐