前言本文主要是关于Pandas中.iloc和.loc的用法示例。Pandas版本：V1.1.1运行环境：Jupyter notebook模块导入 & 数据读取import pandas as pddf = pd.read_csv('/home/kesci/work/Pandas教程/lakers_shots.csv')df.head()通过位置定位df.iloc行筛选传入整型数字，此时返回的是pandas.series;# 此时返回的seriesdf.iloc[0

前言本文主要是关于Pandas中.iloc和.loc的用法示例。Pandas版本：V1.1.1运行环境：Jupyter notebook模块导入 & 数据读取import pandas as pddf = pd.read_csv('/home/kesci/work/Pandas教程/lakers_shots.csv')df.head()通过位置定位df.iloc行筛选传入整型数字，此时返回的是pandas.series;# 此时返回的seriesdf.iloc[0

前言在Pyecharts的visualmap中，颜色过度默认是渐变形式的，如下：除此之外可以分段设置，对于特定的数据区间指定颜色（或者图形大小），如下：完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : AwesomeTang# @File : line_with_visualmap_piecewise.py# @Version : Python 3.7# @Time : 2021-04-03

前言Pandas中关于数据帧的拼接有concat，merge，append，join四种方法，本项目简单来对比总结一下~运行环境：Jupyter notebook概述相对来说，concat和merge能做的事更多些，append和join相当于只是他们的子功能，不过如果只是简单粗暴的连接多个DataFrame，append和join可能用起来更方便一些。方式特点用法示例concat通过行/列索引进行连接pd.concat([df1, df2])merge通过

前言本项目整理了目前pyecharts支持的所有图表以及基础配置项～所有代码均基于Pyecharts v1.7.1版本，均已全部运行通过；文中代码是基于jupyter notebook中写的，如需在其他IDE中运行，请将最后一句代码改成chart.render();文章篇幅较长，建议收藏或者添加书签~欢迎各位订阅我的付费专栏，目前持续更新中！「Pyecharts50例」：50个完整的Pyecharts基础实例，简单易上手，文中均包含完整代码~「Pyecharts

前言在使用GEO图表中，如果传入了不存在的坐标位置，会返回类似如下的报错：pyecharts.exceptions.NonexistentCoordinatesException: 当前地点: (‘不存在的位置’, 80) 坐标不存在, 错误原因: cannot unpack non-iterable NoneType object遇到这种情况，可以通过geo.add_coordinate()将此位置的经纬度信息添加到实例中去，便可以在图表中使用不会再报错，我在之前文章【pyecharts50例】

前言???? 本项目想法以及实现逻辑均参考至Echarts社区内大佬分享可视化作品「https://www.makeapie.com/editor.html?c=xr-uRS4-sG」；???? 整个代码量比较大，也有点点复杂，有疑问欢迎留言讨论；✅ 项目代码基于Pyecharts V1.7.1，如遇代码报错请优先考虑版本问题；数据部分数据以及特朗普的ICON太长了，影响阅读体验，如果需要的话可以去我的notebook中获取「https://www.heywhale.com/m

前言在Pyecharts中有个图形组件，可以添加图片到图表中。class GraphicImage( # 图形的配置项，参考 GraphicItem graphic_item: Union[GraphicItem, dict, None] = None, # 图形图片样式的配置项 graphic_imagestyle_opts: Union[GraphicImageStyleOpts, dict, None] = None,)class GraphicImageS

前言Pandas中关于空值的处理方式，简单来对比总结一下~运行环境：Jupyter notebook空值比较通过.isna()和.isnull来判断是否为空值，可以用于DataFrame和Series；新建一个DataFramedf = pd.DataFrame(dict(age=[5, 6, np.NaN], born=[pd.NaT, pd.Timestamp('1939-05-27'),

朴素贝叶斯（Naive Bayes）简单理解我们可以先通过一个简单的例子来了解什么是朴素贝叶斯算法。我们现在有如下数据：颜色水果红水果A黄水果B红水果A黄水果B黄水果B红水果B那么我现在手上有一个黄色的水果，我需要去预测它是哪种水果。根据上面的样本数据，我们分别计算出颜色为黄色情况下，是水果A和水果B的概率：P(水果A∣黄色)=33=1P(水果A|黄色) = \frac{3}{3} = 1P(水果A∣黄色)=33​=1P(水果

前言在Pyecharts中Tab形式的组合图表效果如下：但如果想在一个Tab中添加多个图表，就需要先通过Grid将图表组合起来，然后再将Grid添加到Tab中来。完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : AwesomeTang# @File : tab_with_multiple_chart.py# @Version : Python 3.7# @Time : 2020-11-15 03

前言在Pyecharts中Tab形式的组合图表效果如下：但如果想在一个Tab中添加多个图表，就需要先通过Grid将图表组合起来，然后再将Grid添加到Tab中来。完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : AwesomeTang# @File : tab_with_multiple_chart.py# @Version : Python 3.7# @Time : 2020-11-15 03

准备工作???? 来个好玩的东西，百度开源的人脸识别接口，通过上传人像图片可以返回颜值打分，年龄等信息；在运行代码之前，你需要先在Baidu开发者平台申请权限，步骤如下：登录百度云「https://cloud.baidu.com/?from=console」，没有Baidu账号的注册一个；通过界面右上角进入控制台；找到人脸识别，进入并创建应用，创建时默认全选即可；创建完成后，进入管理应用，你会得到两个key（API Key和Secret Key），会用于后期的接口认

前言自定义图表的背景颜色：除了普通的颜色，也支持渐变色哦，渐变色的配置在之前文章中讲过，有兴趣可以前往【渐变色效果柱状图（直方图）～】完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : AwesomeTang# @File : scatter_with_custom_bgColor.py# @Version : Python 3.7# @Time : 2020-11-15 17:53from

前言有的时候是不是想给自己的图表添加个水印，如下所示：需要两步操作：添加一个文本框；添加文字。完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : AwesomeTang# @File : bar_with_water_print.py# @Version : Python 3.7# @Time : 2021-03-28 21:02from pyecharts.charts impor

前言本系列教程中，Pandas默认版本为V1.1.1，如遇到报错，可以尝试升级Pandas版本。代码是基于notebook环境编写运行的，如果是使用Pycharm等编辑器，df.head()等代码会失效。推荐使用Jupyter notebook，可以通过语句pip install jupyter来进行安装，在终端输入jupyter notebook来使用。导入Pandasimport pandas as pdCSV文件读取csv是在数据处理过程中比较常见的一种文件格式。采用逗号分隔的纯

前言Pyecharts中水球图（liquid）默认样式如下：如果需要自定义图形的话通过liquid.add()方法中的shape参数来设置，shape默认有’ circle’, ‘rect’, ‘roundRect’, ‘triangle’, ‘diamond’, ‘pin’, ‘arrow’ 可选。除此之外可以使用矢量图形，传入方式见下方代码示例。完整示例完整代码#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : Awesom

前言在echarts官方示例中，有一个单轴散点图，样式如下：可惜目前在Pyecharts中，并不能直接支持。翻阅文档后发现当前配置项SingleAxisOpts只是服务于河流图，并不能支持完成如上效果。不过在Pyecharts中是支持通过dict进行配置的，很多在Echarts支持的配置项如果在Pyecharts还未支持的花，我们是可以尝试通过dict传入来实现效果的。关键代码坐标轴配置这部分代码我们可以直接照抄echarts中的配置，echarts中的代码如下：option.single

前言有时候我们想针对某个特殊的数据项进行特定的配置，比如下图将Ban&Pick比率大于70%的数据项显示标签，其他默认不显示：这时候便可借助chartItem进行配置，如果是直方图则使用BarItem,如果是折线图则是Lineitem。下文以BarItem为例，支持的参数如下：class BarItem( # 数据项名称。 name: Optional[str] = None, # 单个数据项的数值。 value: Optional[Numeric] = N