python-数据可视化（大数据、数据分析、可视化图像、HTML页面）

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 datetime

import 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 df
    except Exception as e:
        print(f"读取 Excel 文件出错: {e}")
        return None


def 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 datetime

import 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 plt

matplotlib.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, values


def 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()