生活中有很多需要用到关联图的地方，至少我认为的是这样的图：https://www.echartsjs.com/examples/zh/editor.html?c=graph-npm 我是在使用Word2Vec计算关联词的余弦距离之后，想要更好的展示出来的时候，遇到的这种情况，就做了下拓展。 画图的步骤主要分为： 1. 将距离数据（或者相关数据）读入； 2. 按照一定的格式和参数将数据保存为json字符串； 3. 根据json串，绘制关联图。 具体而言，主要是： . 首先有一批数据，如图所示： . 导入所需要的包 import json import pandas as pd

DFT的matlab源代码 drawk drawk是为在notebook等实验环境下方便观察股票数据的基于pyecharts的封装，方便根据pd.Dataframe数据绘制k线(OHLC)，交易量，macd或自定义数据。 该模块不建议用于web展示，如用于网站项目，建议使用其它功能更完整的产品。 基于pyecharts画k线分析图 df中必须包含['open', 'close', 'low', 'high'] 如果需要绘制交易量，df中需要[‘volume’] 如果需要绘制macd，df中需要 ['macd','dif','dea'] 自定义显示区值，如cci，如果df中有_cci_flag(_name_flag)列，会在相应显示数据位置显示标记 自定义显示区值，如需显示多条数据线，用列表指出，如['MTM','MAMTM'] ,MTM和MAMTM必须在df中存在 chart=data.plot(area=['V',['MTM','MAMTM']]) 样例 from drawk import KChartData data=KChartData(code,df,precision=2)

使用pyecharts绘制世界地图中，需要用到世界人口算比例，于是整理了一份2018年的世界人口数量表格，可以和之前发的世界各国中英文对照一起使用，毕竟pyecharts要用英文版的各国名称。

这个资源有一些pyecharts绘图，适合初学者

python+pyecharts+百度指数爬虫实现手游热度可视化

pyecharts.html

《数据可视化学习系列笔记》博客中用到的完整代码，希望使用的人善待此代码，毕竟编写不易。

MOOC_Scrapy 基于Scrapy的小爬虫，主要包括： 各个学科频道下的所有科目的基本信息(包括课程二级界面的评分信息) 指定关键词的搜索页面课程信息 爬取数据的存储和两种可视化库的小试水( & ) 主要目的是写一个走Ajax接口的爬虫练手（和交作业:sad_but_relieved_face:，初期的测试都是从零开始查看XHR信息，再fiddler抓包和模拟POST，测试完成再开写。 可视化试了 和 ，都各有各的优缺点，dash的页面写的真的很戳 （当时还没学完web基础！）数据分析意义其实感觉不是很大，尽量多花了几张图熟悉库操作而已。 ps ：cookie文件内容如失效请自行替换

因为之前写的接口改了，更新了下 一：数据准备阶段 此次数据所有来源均从这两个地方得到 1.腾讯各省份市的疫情接口 2.腾讯疫情历史每日数据接口和国外疫情数据接口 二：工具和环境 IDE：Pycharm 第三方模块 1.json 主要功能：处理接口数据 2.requests 主要功能：获取接口数据 3.pandas 主要功能：将数据保存为csv 4.datetime 主要功能：文件保存时间 5.pyecahrts 主要功能：数据可视化制作地图等 版本1.7.0 6.flask 主要功能：web展示 环境 python3.7 浏览器：Chrome浏览器 三 绘制地图 获取数据方法 返回的是数据需

LIANJIA-data-analysis 链家广州二手房爬虫-数据分析-可视化 使用requests + pandas进行数据获取 分析各区房价情况（平均值-最大值） 分析房价总价分布情况 分析房间类型受关注情况 分析朝向单价影响程度 分析标签词云 分析二手房频次地理热力图