openpyxl绘制图表

这篇具有很好参考价值的文章主要介绍了openpyxl绘制图表。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

嘿,你是不是在处理Excel文件时感到束手无策?是不是想要一个简单而又强大的工具来处理数据分析和图表制作?别担心,我们有解决方案!

让我向你介绍openpyxl,这是一个Python库,专门用于处理Excel文件。无论是读取、编辑还是创建Excel文件,openpyxl都能轻松应对。无需手动操作Excel,使用openpyxl,您可以自动化处理任意数量的数据。

令人惊叹的是,openpyxl不仅仅是一个普通的Excel库。它提供了丰富而强大的功能,包括创建和修改图表,设置数据标签,导入和导出不同格式的数据等等。您可以根据自己的需求灵活调整代码,实现各种复杂的操作。

在我们的最新博客文章中,我们将深入介绍openpyxl的各种功能和用法。您将学习如何轻松读取和写入Excel文件、如何创建和定制图表以及如何进行数据处理和分析。无论您是初学者还是有经验的开发者,这篇博客都将为您提供宝贵的知识和技巧。

不仅如此,通过openpyxl,您将获得高效而且可靠的处理Excel文件的解决方案。您可以节省大量的时间和精力,提高工作效率,从而专注于更重要的任务和项目。

感兴趣了吗?赶快来阅读我们的博客文章,了解openpyxl如何成为您数据分析的得力助手!不仅仅是学习,还可以将这些技能应用于实际工作中,展现您在数据处理方面的专业能力。

别再被Excel困扰,跟随我们的指南,掌握openpyxl,成为Excel大师!点击链接阅读完整文章:[博客链接]。

我们期待您的阅读和探索!让openpyxl成为您的数据分析利器!

折线图

openpyxl绘制图表,Python,信息可视化

from openpyxl import Workbook
from datetime import date
from openpyxl.chart import LineChart, Reference

wb = Workbook()
sh = wb.active
# 设置数据
rows = [
    ['时间', '冥门', '月木', '天上'],
    [date(2024, 1, 16), 19, 18, 19],
    [date(2024, 1, 17), 20, 19, 18],
    [date(2024, 1, 18), 21, 20, 20],
    [date(2024, 1, 19), 20, 21, 21],
    [date(2024, 1, 20), 22, 22, 22],
]
# 把数据增加到工作薄里
for r in rows:
    sh.append(r)
# 创建图表
chart = LineChart()
# 给图表选择数据
data = Reference(sh, min_col=2, min_row=1, max_col=4, max_row=6)
# 给图表增加数据
chart.add_data(data)
# 设置图表的名称
chart.title = '月木俱乐部人数流动趋势'
# 设置图表的x轴名
chart.x_axis.title = '时间'
# 设置图表的y轴名
chart.y_axis.title = '人数'

# 把图表增加到工作簿
sh.add_chart(chart, 'A9')
# 保存excel文件
wb.save('./折线图.xlsx')          

柱状图

openpyxl绘制图表,Python,信息可视化

from openpyxl import Workbook
from openpyxl.chart import BarChart, Reference

wb = Workbook()
sh = wb.active
# 设置数据
rows = [
    ('月份', '冥门', '月木', '天上'),
    (7, 20, 10, 30),
    (8, 40, 40, 60),
    (9, 10, 60, 70),
    (10, 30, 20, 30),
    (11, 50, 50, 40),
    (12, 70, 10, 50),
]
# 把数据增加到工作薄里
for r in rows:
    sh.append(r)
# 创建图表
chart = BarChart()
# 给图表选择数据
data = Reference(sh, min_col=2, max_col=4, min_row=2, max_row=7)
cats = Reference(sh, min_col=1, max_col=1, min_row=2, max_row=7)
# 给图表增加数据
chart.add_data(data)
chart.set_categories(cats)
# 设置图表的名称
chart.title = '俱乐部人员变动统计'
# 设置图表的x轴名
chart.x_axis.title = '月'
# 设置图表的y轴名
chart.y_axis.title = '人数'
# 把图表增加到工作簿
sh.add_chart(chart)
# 保存excel文件
wb.save('./柱状图.xlsx')            

饼状图

openpyxl绘制图表,Python,信息可视化文章来源地址https://www.toymoban.com/news/detail-792966.html

from cProfile import label
from openpyxl import Workbook
from openpyxl.chart import PieChart, Reference

wb = Workbook()
sh = wb.active
# 设置数据
rows = [
    ('俱乐部', '人数'),
    ('冥门', 22),
    ('月木', 23),
    ('天上', 24),
    ('怜容', 20),
]
# 把数据增加到工作薄里
for r in rows:
    sh.append(r)
# 创建图表
chart = PieChart()
# 给图表选择数据
data = Reference(sh, min_col=2, max_col=2, min_row=2, max_row=5)
cate = Reference(sh, min_col=1, min_row=2, max_row=5)
# 给图表增加数据
chart.add_data(data)
chart.set_categories(cate)
# 设置图表的名称
chart.title = '各俱乐部人数占比'
# 把图表增加到工作簿
sh.add_chart(chart)
# 保存excel文件
wb.save('./饼状图.xlsx')

到了这里,关于openpyxl绘制图表的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数据可视化:图表绘制详解

    数据可视化是一种将抽象的数字和数据转化为直观图形的技术,使数据的模式、趋势和关系一目了然。本文将详细介绍如何绘制各种类型的图表,包括柱状图、折线图、饼图、散点图和热力图等。 第一部分:图表类型和选择 1. 柱状图 柱状图是用于比较类别数据的常见图表。

    2024年02月12日
    浏览(52)
  • 数据可视化(七)常用图表的绘制

    1. 2.   3.   4.              

    2024年02月14日
    浏览(39)
  • Matplotlib可视化数据分析图表下(常用图表的绘制、折线图、柱形图、直方图、饼形图、散点图、面积图、热力图、箱形图、3D图表、绘制多个图表、双y轴可视化图表、颜色渐变图)

    本文来自《Python数据分析从入门到精通》_明日科技编著 本节介绍常用图表的绘制,主要包括绘制折线图、绘制柱形图、绘制直方图、绘制饼形图、绘制散点图、绘制面积图、绘制热力图、绘制箱型图、绘制3D图表、绘制多个子图表以及图表的保存。对于常用的图表类型以绘制

    2023年04月23日
    浏览(37)
  • 第五章. 可视化数据分析图表—常用图表的绘制4—箱形图,3D图表

    第五章. 可视化数据分析图 本节主要介绍常用图表的绘制,主要包括箱形图,3D柱形图,3D曲面图。 ·箱形图又称箱线图、盒须图或盒式图 ·用于显示一组数据分散情况的统计图 ·优点:不受异常值的影响,可以以一种相对稳定的方式描述数据的离散分布情况,也常用于异常值

    2024年02月03日
    浏览(45)
  • pyecharts绘制各种数据可视化图表案例(效果+代码)

    1、pyecharts绘制饼图(显示百分比) 2、pyecharts绘制柱状图 3、pyecharts绘制折线图 4、pyecharts绘制柱形折线组合图 5、pyecharts绘制散点图 6、pyecharts绘制玫瑰图 7、pyecharts绘制词云图 8、pyecharts绘制雷达图 9、pyecharts绘制散点图 10、pyecharts绘制嵌套饼图 11、pyecharts绘制中国地图 12、

    2024年02月09日
    浏览(33)
  • Streamlit 讲解专栏(十一):数据可视化-图表绘制详解(中)

    在上一篇博文《 Streamlit 讲解专栏(十):数据可视化-图表绘制详解(上)》中,我们学习了一些关于数据可视化的基础知识,探索了Streamlit库中的几个常见图表绘制函数,包括st.line_chart、st.area_chart、st.bar_chart和st.pyplot。通过这些函数,我们可以轻松地绘制不同类型的图表

    2024年02月10日
    浏览(36)
  • Streamlit 讲解专栏(十二):数据可视化-图表绘制详解(下)

    数据可视化在数据分析和数据科学领域中扮演着至关重要的角色。通过可视化数据,我们能够更好地理解其背后的模式和趋势,从而作出准确的决策和预测。然而,要将原始数据转化为有意义的图表并不容易。这就是为什么我们需要强大而灵活的工具来帮助我们实现这一目标

    2024年02月09日
    浏览(29)
  • Streamlit 讲解专栏(十):数据可视化-图表绘制详解(上)

    在数据可视化的世界中,绘制清晰、易于理解的图表是非常关键的。Streamlit 是一个流行的 Python 库,它提供了简单的界面和强大的功能,帮助用户轻松创建交互式应用程序和数据可视化。而其中的 Chart elements(图表元素)部分则为我们提供了多种图表类型来展示数据。 本文将

    2024年02月12日
    浏览(26)
  • 几个实用数据可视化图表Python代码!

    可视化是一种方便的观察数据的方式,可以一目了然地了解数据块。我们经常使用柱状图、直方图、饼图、箱图、热图、散点图、线状图等。这些典型的图对于数据可视化是必不可少的。除了这些被广泛使用的图表外,还有许多很好的却很少被使用的可视化方法,这些图有助

    2024年02月09日
    浏览(58)
  • python数学建模--绘图动态可视化图表

    本博客的灵感来源自笔者最近研究的最优化问题 在使用 模拟退火算法、遗传算法 求二元函数最值的过程中,虽然笔者已经能够通过算法得到不错的结果,但是笔者还是比较好奇算法的执行过程中,变量是怎样更新的,显然可视化是一种很好的方法 在上一篇博客【python数学建

    2024年02月06日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包