当前位置：首页 > news >正文

python-数据可视化（大数据、数据分析、可视化图像、HTML页面）

news 来源：原创 2025/5/21 9:07:19

通过 Python 读取 XLS 、CSV文件中的数据，对数据进行处理，然后生成包含柱状图、扇形图和折线图的 HTML 报告。这个方案使用了 pandas 处理数据，matplotlib 生成图表，并将图表嵌入到 HTML 页面中。

1.XSL文件生成可视化图像、生成html页面

此代码根据DATA1.xls文件将数据经过panda库处理后，由matplotlib生成柱形图、折线图、扇形图，并且将图片嵌入HTML页面，让数据更加清晰。

matplotlib1.py

# coding=utf-8
import pandas as pd
import matplotlib.pyplot as plt
import os
from datetime import datetimeimport xlrd
import xlwt
from openpyxl import load_workbook# 设置中文字体
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题def read_excel_data(file_path):"""读取 Excel 文件数据"""try:df = pd.read_excel(file_path)print(f"成功读取文件: {file_path}")print(f"数据包含 {df.shape[0]} 行，{df.shape[1]} 列")print(f"列名: {', '.join(df.columns.tolist())}")return dfexcept Exception as e:print(f"读取 Excel 文件出错: {e}")return Nonedef generate_bar_chart(data, x_col, y_col, output_path):"""生成柱状图"""plt.figure(figsize=(10, 6))plt.bar(data[x_col], data[y_col])plt.title(f"{y_col} 分布柱状图")plt.xlabel(x_col)plt.ylabel(y_col)plt.xticks(rotation=45)plt.tight_layout()plt.savefig(output_path)plt.close()def generate_pie_chart(data, category_col, value_col, output_path):"""生成扇形图"""plt.figure(figsize=(8, 8))plt.pie(data[value_col], labels=data[category_col], autopct='%1.1f%%', startangle=90)plt.title(f"{value_col} 分布扇形图")plt.tight_layout()plt.savefig(output_path)plt.close()def generate_line_chart(data, x_col, y_col, output_path):"""生成折线图"""plt.figure(figsize=(10, 6))plt.plot(data[x_col], data[y_col], marker='o')plt.title(f"{y_col} 趋势折线图")plt.xlabel(x_col)plt.ylabel(y_col)plt.xticks(rotation=45)plt.grid(True)plt.tight_layout()plt.savefig(output_path)plt.close()def generate_html_report(chart_paths, output_path):"""生成 HTML 报告"""timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")html_content = f"""<!DOCTYPE html><html lang="zh-CN"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>数据可视化报告</title><style>body {{ font-family: Arial, sans-serif; margin: 20px; }}h1, h2 {{ color: #333; }}.chart-container {{ margin-bottom: 40px; }}img {{ max-width: 100%; height: auto; box-shadow: 0 4px 8px rgba(0,0,0,0.1); }}.timestamp {{ color: #666; font-size: 0.9em; }}</style></head><body><h1>数据可视化报告</h1><p class="timestamp">生成时间: {timestamp}</p>{''.join([f'<div class="chart-container"><h2>{title}</h2><img src="{title}.png" alt="{title}"></div>'for title, path in chart_paths.items()])}<footer><p>© 2023 数据可视化工具</p></footer></body></html>"""with open(output_path, 'w', encoding='utf-8') as f:f.write(html_content)def main():# 文件路径设置xls_file = 'C:/Users/IT14/Desktop/DATA1.xls'  # 请替换为实际的 XLS 文件路径output_html = 'data_visualization_report.html'# 读取数据df = read_excel_data(xls_file)if df is None or df.empty:print("无法读取数据或数据为空，程序退出。")return# 生成图表（根据实际数据结构调整列名）chart_data = {}# 示例：假设 XLS 文件包含以下列# - 产品名称# - 销售额# - 销量# - 日期# 检查列是否存在required_columns = ['产品名称', '销售额', '销量', '日期']missing_columns = [col for col in required_columns if col not in df.columns]if missing_columns:print(f"错误：数据中缺少以下列: {', '.join(missing_columns)}")print(f"可用列: {', '.join(df.columns.tolist())}")print("请根据实际数据结构修改代码中的列名。")return# 生成柱状图（销售额分布）chart_data['产品销售额分布柱状图'] = generate_bar_chart(df, '产品名称', '销售额', '产品销售额分布柱状图')# 生成扇形图（销量占比）chart_data['产品销量占比扇形图'] = generate_pie_chart(df, '产品名称', '销量', '产品销量占比扇形图')# 生成折线图（销售额趋势）chart_data['销售额趋势折线图'] = generate_line_chart(df, '日期', '销售额', '销售额趋势折线图')# 生成 HTML 报告generate_html_report(chart_data, output_html)print("报告生成完成，请在浏览器中打开 HTML 文件查看。")if __name__ == "__main__":main()

2. CSV文件生成可视化图像

2.1 matplotblib-折线图

此代码根据sitka_weather_2018_simple.csv文件广州气温数据和日期生成一个折线图

matplotlib-折线图.py

import csv
from datetime import datetimeimport matplotlib
import matplotlib.pyplot as plt# 设置中文字体
matplotlib.rc("font",family='MicroSoft YaHei',weight="bold")# 1.读取scv文件
filename = 'C:/Users/IT14/Desktop/sitka_weather_2018_simple.csv'# 1.1.创建阅读器
with open(filename) as filename_list:# 1.2.创建阅读器csv.reader()reader = csv.reader(filename_list);# 1.3.获取表头header_name = next(reader)# 2.打印数据for index,column_value in enumerate(header_name):print(index,column_value)# 3.获取数据TMAX ,TDATE,TMIN= [],[],[]for max in reader:TMAX.append(int(max[5]))TDATE.append(datetime.strptime(max[2],'%Y-%m-%d'))TMIN.append(int(max[6]))print(TMAX)# 4.绘图-折线图
fig = plt.figure(dpi=128,figsize=(8,6))
plt1=plt.plot(TDATE,TMAX,c='red',label='最高气温')
plt2=plt.plot(TDATE,TMIN,c='blue',label='最低气温')
for a,b in zip(TDATE,TMAX):plt.text(a,b+1,b)
for a,b in zip(TDATE,TMIN):plt.text(a,b-2,b)
plt.fill_between(TDATE,TMAX,TMIN,facecolor='blue',alpha=0.1)
fig.autofmt_xdate()
# 5.设置格式
plt.title("2018年广州气温数据",fontsize=24)
plt.xlabel('年-月-日',fontsize=16)
plt.ylabel('气温（度）',fontsize=16)
plt.tick_params(axis='both',labelsize=16)
plt.legend()
plt.savefig('气温折线图.png')
plt.show()

2.2 matplotblib-柱形图

此代码根据sitka_weather_2018_simple.csv文件最大销售量、最低销售量和日期生成一个柱形图。

matplotlib-柱形图.py


import pandas as pd# 读取数据,填写文件路径，配置
data = pd.read_csv('C:/Users/IT14/Desktop/sitka_weather_2018_simple.csv',encoding="ANSI",usecols=['DATE','TMAX','TMIN'])# 取消最大显示行数和列数限制
pd.options.display.max_columns=None
pd.options.display.max_rows=None# 选择行
data_1 = data.head(2)
print(data_1)# 查看数据尺寸
print(data.shape)
# 查看数据数量
print(data.size)
# 查看字段类型
print(data.dtypes)
# 查看数据信息
# print(data.info)
# 数据描述:只统计数值型数据
print(data.describe())
# 获取单个字段取值数目,normalize=True表示显示占比
# print(data['TMAX'].value_counts())# cut函数
# print(pd.cut(range(10),bins=[0,10,20,30,40,50,60,70,80,90,100],right=True))
bins=[10,20,30,40,50,60,70,80,90,100,110]boxes,lables = pd.cut(data['TMAX'],bins=bins,right=True,retbins=True,include_lowest=True)
print(lables)
print(boxes.value_counts().sort_index().values)# 正常函数
data['DATE'] = pd.to_datetime(data['DATE'])
data = data.set_index('DATE')
print(data.head(4))
data = data.resample('ME').sum().to_period('M')
print(data.head(2))
print(data.dtypes)
print(str(data.index[0]))
sss = []
for index,dt in enumerate(data.index):sss.append(dt)
TMAX,TMIN = [],[]
for dt in enumerate(data['TMAX']):TMAX.append(int(dt[1]))
for dt in enumerate(data['TMIN']):TMIN.append(int(dt[1]))
print(sss,TMAX,TMIN)# 绘制柱形图
import matplotlib
import matplotlib.pyplot as pltmatplotlib.rc('font',family='MicroSoft YaHei',weight='bold')
# 设置画布大小
pl = plt.figure(figsize=(15,8))
#设置x,y轴
plt.ylabel('2018年销售量',fontsize=22)
plt.xlabel('月份',fontsize=22)
# 柱形图bar
plt.xticks(range(0,len(sss)),sss)
#设置两个柱形
plt1=plt.bar(range(0,len(sss)),TMAX,label='最高销售额',width=0.4)
plt2=plt.bar([i+0.4 for i in range(0,len(sss))],TMIN,label='最低销售额',width=0.4)
# 设置坐标
# for y in TMAX,TMIN:
#     for a,b in zip(range(0,len(sss)),y):
#         if y == TMIN:
#             a+=0.4
#         plt.text(a,b+2,b,ha='center')
plt.bar_label(plt1,label_type='edge')
plt.bar_label(plt2,label_type='edge')
pl.autofmt_xdate()
plt.legend()
#保存文件为图片
plt.savefig('销售额.png')
#在python编辑器打开图片
plt.show()
plt.close()

2.3 matplotblib-扇形图

此代码根据sales_data.csv文件最大销售量、最低销售量和日期生成一个扇形图图。

matplotlib-扇形图.py


import csv
import matplotlib.pyplot as plt# 设置中文字体，确保中文正常显示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题def read_csv_data(file_path, category_col, value_col):"""从 CSV 文件读取数据参数:file_path (str): CSV 文件路径category_col (int): 分类列的索引（从0开始）value_col (int): 数值列的索引（从0开始）返回:tuple: 包含分类列表和对应数值列表的元组"""categories = []values = []with open(file_path, 'r', encoding='gb18030') as file:reader = csv.reader(file)next(reader)  # 跳过表头for row in reader:if len(row) > max(category_col, value_col):categories.append(row[category_col])values.append(float(row[value_col]))return categories, valuesdef generate_pie_chart(categories, values, title, output_path=None):"""生成扇形图参数:categories (list): 分类列表values (list): 对应数值列表title (str): 图表标题output_path (str, optional): 保存图片的路径，若为None则显示图表"""# 创建画布plt.figure(figsize=(10, 8))# 计算百分比总和，确保总和为100%total = sum(values)percentages = [v / total * 100 for v in values]# 找出最大占比的项，用于突出显示explode = [0.1 if p == max(percentages) else 0 for p in percentages]# 自定义颜色colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0', '#ffb3e6']# 绘制扇形图plt.pie(values,explode=explode,labels=categories,colors=colors[:len(categories)],autopct='%1.1f%%',  # 显示百分比，保留一位小数shadow=True,  # 添加阴影startangle=90  # 起始角度)# 设置为正圆形plt.axis('equal')# 添加标题plt.title(title, fontsize=16)# 添加图例plt.legend(categories, loc="best")# 如果指定了输出路径，则保存图片；否则显示图片if output_path:plt.savefig(output_path, dpi=300, bbox_inches='tight')print(f"图表已保存至: {output_path}")else:plt.show()def main():# CSV 文件路径（请替换为实际文件路径）csv_file = 'C:/Users/IT14/Desktop/sales_data.csv'# 配置参数category_column = 0  # 分类列索引（假设第一列是分类）value_column = 1  # 数值列索引（假设第二列是数值）chart_title = '销售数据分布扇形图'# 读取数据categories, values = read_csv_data(csv_file, category_column, value_column)if not categories or not values:print("没有足够的数据来生成图表")return# 生成并显示/保存图表generate_pie_chart(categories, values, chart_title, output_path='sales_pie_chart.png')if __name__ == "__main__":main()