python-數據可視化（大數據、數據分析、可視化圖像、HTML頁面）

通過 Python 讀取 XLS 、CSV文件中的數據，對數據進行處理，然后生成包含柱狀圖、扇形圖和折線圖的 HTML 報告。這個方案使用了?pandas?處理數據，matplotlib?生成圖表，并將圖表嵌入到 HTML 頁面中。

?1.XSL文件生成可視化圖像、生成html頁面

此代碼根據DATA1.xls文件將數據經過panda庫處理后，由matplotlib生成柱形圖、折線圖、扇形圖，并且將圖片嵌入HTML頁面，讓數據更加清晰。

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# 設置中文字體
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams['axes.unicode_minus'] = False  # 解決負號顯示問題def read_excel_data(file_path):"""讀取 Excel 文件數據"""try:df = pd.read_excel(file_path)print(f"成功讀取文件: {file_path}")print(f"數據包含 {df.shape[0]} 行，{df.shape[1]} 列")print(f"列名: {', '.join(df.columns.tolist())}")return dfexcept Exception as e:print(f"讀取 Excel 文件出錯: {e}")return Nonedef generate_bar_chart(data, x_col, y_col, output_path):"""生成柱狀圖"""plt.figure(figsize=(10, 6))plt.bar(data[x_col], data[y_col])plt.title(f"{y_col} 分布柱狀圖")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):"""生成扇形圖"""plt.figure(figsize=(8, 8))plt.pie(data[value_col], labels=data[category_col], autopct='%1.1f%%', startangle=90)plt.title(f"{value_col} 分布扇形圖")plt.tight_layout()plt.savefig(output_path)plt.close()def generate_line_chart(data, x_col, y_col, output_path):"""生成折線圖"""plt.figure(figsize=(10, 6))plt.plot(data[x_col], data[y_col], marker='o')plt.title(f"{y_col} 趨勢折線圖")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 報告"""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>數據可視化報告</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>數據可視化報告</h1><p class="timestamp">生成時間: {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 數據可視化工具</p></footer></body></html>"""with open(output_path, 'w', encoding='utf-8') as f:f.write(html_content)def main():# 文件路徑設置xls_file = 'C:/Users/IT14/Desktop/DATA1.xls'  # 請替換為實際的 XLS 文件路徑output_html = 'data_visualization_report.html'# 讀取數據df = read_excel_data(xls_file)if df is None or df.empty:print("無法讀取數據或數據為空，程序退出。")return# 生成圖表（根據實際數據結構調整列名）chart_data = {}# 示例：假設 XLS 文件包含以下列# - 產品名稱# - 銷售額# - 銷量# - 日期# 檢查列是否存在required_columns = ['產品名稱', '銷售額', '銷量', '日期']missing_columns = [col for col in required_columns if col not in df.columns]if missing_columns:print(f"錯誤：數據中缺少以下列: {', '.join(missing_columns)}")print(f"可用列: {', '.join(df.columns.tolist())}")print("請根據實際數據結構修改代碼中的列名。")return# 生成柱狀圖（銷售額分布）chart_data['產品銷售額分布柱狀圖'] = generate_bar_chart(df, '產品名稱', '銷售額', '產品銷售額分布柱狀圖')# 生成扇形圖（銷量占比）chart_data['產品銷量占比扇形圖'] = generate_pie_chart(df, '產品名稱', '銷量', '產品銷量占比扇形圖')# 生成折線圖（銷售額趨勢）chart_data['銷售額趨勢折線圖'] = generate_line_chart(df, '日期', '銷售額', '銷售額趨勢折線圖')# 生成 HTML 報告generate_html_report(chart_data, output_html)print("報告生成完成，請在瀏覽器中打開 HTML 文件查看。")if __name__ == "__main__":main()

2. CSV文件生成可視化圖像

2.1?matplotblib-折線圖

此代碼根據sitka_weather_2018_simple.csv文件廣州氣溫數據和日期生成一個折線圖

matplotlib-折線圖.py

import csv
from datetime import datetimeimport matplotlib
import matplotlib.pyplot as plt# 設置中文字體
matplotlib.rc("font",family='MicroSoft YaHei',weight="bold")# 1.讀取scv文件
filename = 'C:/Users/IT14/Desktop/sitka_weather_2018_simple.csv'# 1.1.創建閱讀器
with open(filename) as filename_list:# 1.2.創建閱讀器csv.reader()reader = csv.reader(filename_list);# 1.3.獲取表頭header_name = next(reader)# 2.打印數據for index,column_value in enumerate(header_name):print(index,column_value)# 3.獲取數據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.繪圖-折線圖
fig = plt.figure(dpi=128,figsize=(8,6))
plt1=plt.plot(TDATE,TMAX,c='red',label='最高氣溫')
plt2=plt.plot(TDATE,TMIN,c='blue',label='最低氣溫')
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.設置格式
plt.title("2018年廣州氣溫數據",fontsize=24)
plt.xlabel('年-月-日',fontsize=16)
plt.ylabel('氣溫（度）',fontsize=16)
plt.tick_params(axis='both',labelsize=16)
plt.legend()
plt.savefig('氣溫折線圖.png')
plt.show()

2.2?matplotblib-柱形圖

此代碼根據sitka_weather_2018_simple.csv文件最大銷售量、最低銷售量和日期生成一個柱形圖。

matplotlib-柱形圖.py


import pandas as pd# 讀取數據,填寫文件路徑，配置
data = pd.read_csv('C:/Users/IT14/Desktop/sitka_weather_2018_simple.csv',encoding="ANSI",usecols=['DATE','TMAX','TMIN'])# 取消最大顯示行數和列數限制
pd.options.display.max_columns=None
pd.options.display.max_rows=None# 選擇行
data_1 = data.head(2)
print(data_1)# 查看數據尺寸
print(data.shape)
# 查看數據數量
print(data.size)
# 查看字段類型
print(data.dtypes)
# 查看數據信息
# print(data.info)
# 數據描述:只統計數值型數據
print(data.describe())
# 獲取單個字段取值數目,normalize=True表示顯示占比
# print(data['TMAX'].value_counts())# cut函數
# 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)# 正常函數
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)# 繪制柱形圖
import matplotlib
import matplotlib.pyplot as pltmatplotlib.rc('font',family='MicroSoft YaHei',weight='bold')
# 設置畫布大小
pl = plt.figure(figsize=(15,8))
#設置x,y軸
plt.ylabel('2018年銷售量',fontsize=22)
plt.xlabel('月份',fontsize=22)
# 柱形圖bar
plt.xticks(range(0,len(sss)),sss)
#設置兩個柱形
plt1=plt.bar(range(0,len(sss)),TMAX,label='最高銷售額',width=0.4)
plt2=plt.bar([i+0.4 for i in range(0,len(sss))],TMIN,label='最低銷售額',width=0.4)
# 設置坐標
# 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()
#保存文件為圖片
plt.savefig('銷售額.png')
#在python編輯器打開圖片
plt.show()
plt.close()

2.3 matplotblib-扇形圖

此代碼根據sales_data.csv文件最大銷售量、最低銷售量和日期生成一個扇形圖圖。

matplotlib-扇形圖.py


import csv
import matplotlib.pyplot as plt# 設置中文字體，確保中文正常顯示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
plt.rcParams['axes.unicode_minus'] = False  # 解決負號顯示問題def read_csv_data(file_path, category_col, value_col):"""從 CSV 文件讀取數據參數:file_path (str): CSV 文件路徑category_col (int): 分類列的索引（從0開始）value_col (int): 數值列的索引（從0開始）返回:tuple: 包含分類列表和對應數值列表的元組"""categories = []values = []with open(file_path, 'r', encoding='gb18030') as file:reader = csv.reader(file)next(reader)  # 跳過表頭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):"""生成扇形圖參數:categories (list): 分類列表values (list): 對應數值列表title (str): 圖表標題output_path (str, optional): 保存圖片的路徑，若為None則顯示圖表"""# 創建畫布plt.figure(figsize=(10, 8))# 計算百分比總和，確保總和為100%total = sum(values)percentages = [v / total * 100 for v in values]# 找出最大占比的項，用于突出顯示explode = [0.1 if p == max(percentages) else 0 for p in percentages]# 自定義顏色colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0', '#ffb3e6']# 繪制扇形圖plt.pie(values,explode=explode,labels=categories,colors=colors[:len(categories)],autopct='%1.1f%%',  # 顯示百分比，保留一位小數shadow=True,  # 添加陰影startangle=90  # 起始角度)# 設置為正圓形plt.axis('equal')# 添加標題plt.title(title, fontsize=16)# 添加圖例plt.legend(categories, loc="best")# 如果指定了輸出路徑，則保存圖片；否則顯示圖片if output_path:plt.savefig(output_path, dpi=300, bbox_inches='tight')print(f"圖表已保存至: {output_path}")else:plt.show()def main():# CSV 文件路徑（請替換為實際文件路徑）csv_file = 'C:/Users/IT14/Desktop/sales_data.csv'# 配置參數category_column = 0  # 分類列索引（假設第一列是分類）value_column = 1  # 數值列索引（假設第二列是數值）chart_title = '銷售數據分布扇形圖'# 讀取數據categories, values = read_csv_data(csv_file, category_column, value_column)if not categories or not values:print("沒有足夠的數據來生成圖表")return# 生成并顯示/保存圖表generate_pie_chart(categories, values, chart_title, output_path='sales_pie_chart.png')if __name__ == "__main__":main()