都快下班准备回家过年了,老板让我做一个可视化报表,还好学会Python,3分钟就完成

python对本地的表格进行数据可视化 随着python的不断完善,python得到了广泛的应用,很多人都开启了对python的学习,本人通过对python的学习,初步学会python的基础用法,本文就介绍了python对表格数据进行可视化的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考通过箱线图我们可以看出女生的平均年龄在40岁到50岁之间,男生的平均年龄在35岁到45岁之间,可以看出用图形的方式来展现数据,可以更加清晰有效地观察和传递信息,更好的对数据进行对比分析,更好的制定计划。 阅读详情

刚下班准备赶车回家过年,老板就踩点过来了,发给我一堆东西,让我做完可视化报表再下班,我特么心态崩了呀!
在这里插入图片描述

在数据展示中使用图表来分享自己的见解,是个非常常见的方法。这也是Tableau、Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图形解释。

当然了,这些工具也有着不少缺点,比如不够灵活,无法让你自己创建设计。 当你对图表展示要求定制化时,编程也许就比较适合你,比如Echarts、D3.js。

今天给大家介绍一个用 Python 制作可视化报表的案例,主要是使用到Dash+Tailwindcss。喜欢本文记得收藏、点赞、关注。

Dash 是基于 Plotly 搭建的 Dashbord 框架,支持Python、R和Julia。使用Dash,你可以创建自定义响应式仪表板。

相关文档

说明:https://dash.plotly.com/introduction

案例:https://dash.gallery/Portal/

源码:https://github.com/plotly/dash-sample-apps/

Tailwindcss则是一个实用程序优先的CSS框架,用于快速构建自定义界面。“这种框架只适用于那种只会实现页面布局美化元素而不关心实现业务逻辑的前端”。看看别人对它的评价,对于无交互的图表,完全足够了。

相关文档

说明:https://www.tailwindcss.cn/docs

GitHub:https://github.com/tailwindlabs/tailwindcss

下面就给大家讲解下如何通过Dash+Tailwindcss搭建可视化报表~

首先安装相关的Python库,然后导入。

import dash
import pandas as pd
import plotly.express as px
from dash import dcc, html

使用到了Pandas、Plotly、dash这三个Python库。

我们需要把Tailwindcss的CDN作为external_script,并将其传递给我们的应用程序实例,这样我们才可以成功使用Tailwindcss。

# 导入tailwindcss的CDN
external_script = ["https://tailwindcss.com/", {"src": "https://cdn.tailwindcss.com"}]

# 创建Dash实例
app = dash.Dash(
    __name__,
    external_scripts=external_script,
)
app.scripts.config.serve_locally = True

使用Pandas创建水果销售数据,随便虚构了一个。

# 创建数据
df = pd.DataFrame(
    {
        "Fruit": ["苹果", "橙子", "香蕉", "苹果", "橙子", "香蕉"],
        "Amount": [4.2, 1.0, 2.1, 2.32, 4.20, 5.0],
        "City": ["北京", "北京", "北京", "上海", "上海", "上海"],
    }
)

print(df)

结果如下,3列6行,包含水果、销售额、城市列。

处理一下相关的数据,水果单数、销售总额、城市单数、变量数。

# 水果单数
fruit_count = df.Fruit.count()
# 销售总额
total_amt = df.Amount.sum()
# 城市单数
city_count = df.City.count()
# 变量数

创建图表实例,一个柱状图、一个箱型图。

# 柱状图1, 不同水果不同城市的销售额
fig = px.bar(df, x="Fruit", y="Amount", color="City", barmode="group")

# 箱型图1, 不同城市的销售额分布情况
fig1 = px.box(df, x="City", y="Amount", color="City")

效果如下。

剩下就是文字模块啦,文字+CSS样式。其中排版布局美化,通过Tailwindcss来实现。

app.layout = html.Div(
    html.Div(
        children=[
            html.Div(
                children=[
                    html.H1(children="水果销售--可视化报表", className=" py-3 text-5xl font-bold text-gray-800"),
                    html.Div(
                        children="""Python with Dash = 💝 .""",
                        className="text-left prose prose-lg text-2xl  py-3 text-gray-600",
                    ),
                ],
                className="w-full mx-14 px-16 shadow-lg bg-white -mt-14 px-6 container my-3 ",
            ),
            html.Div(
                html.Div(
                    children=[
                        html.Div(
                            children=[
                                f"¥{total_amt}",
                                html.Br(),
                                html.Span("总销售额", className="text-lg font-bold ml-4"),
                            ],
                            className=" shadow-xl py-4 px-14 text-5xl bg-[#76c893] text-white  font-bold text-gray-800",
                        ),
                        html.Div(
                            children=[
                                fruit_count,
                                html.Br(),
                                html.Span("水果数量", className="text-lg font-bold ml-4"),
                            ],
                            className=" shadow-xl py-4 px-24 text-5xl bg-[#1d3557] text-white  font-bold text-gray-800",
                        ),
                        html.Div(
                            children=[
                                variables,
                                html.Br(),
                                html.Span("变量", className="inline-flex items-center text-lg font-bold ml-4"),
                            ],
                            className=" shadow-xl py-4 px-24 text-5xl bg-[#646ffa] text-white  font-bold text-gray-800",
                        ),
                        html.Div(
                            children=[
                                city_count,
                                html.Br(),
                                html.Span("城市数量", className="text-lg font-bold ml-4"),
                            ],
                            className="w-full shadow-xl py-4 px-24 text-5xl bg-[#ef553b] text-white  font-bold text-gray-800",
                        ),
                    ],
                    className="my-4 w-full grid grid-flow-rows grid-cols-1 lg:grid-cols-4 gap-y-4 lg:gap-[60px]",
                ),
                className="flex max-w-full justify-between items-center ",
            ),
            html.Div(
                children=[
                    html.Div(
                        children=[
                            dcc.Graph(id="example-graph", figure=fig),
                        ],
                        className="shadow-xl w-full border-3 rounded-sm",
                    ),
                    html.Div(
                        children=[
                            dcc.Graph(id="example-graph1", figure=fig1),
                        ],
                        className="w-full shadow-2xl rounded-sm",
                    ),
                ],
                className="grid grid-cols-1 lg:grid-cols-2 gap-4",
            ),
        ],
        className="bg-[#ebeaee]  flex py-14 flex-col items-center justify-center ",
    ),
    className="bg-[#ebeaee] container mx-auto px-14 py-4",
)

效果如下。

最后启动程序代码。

if __name__ == '__main__':
    # debug模式, 端口7777
    app.run_server(debug=True, threaded=True, port=7777)
    # 正常模式, 网页右下角的调试按钮将不会出现
    # app.run_server(port=7777)

这样就能在本地看到可视化大屏页面,浏览器打开如下地址。

http://127.0.0.1:7777

以后制作的图表不仅能在线展示,还能实时更新,属实不错~

这里给大家分享一份Python全套学习资料,包括学习路线、软件、源码、视频、面试题等等,都是我自己学习时整理的,希望可以对正在学习或者想要学习Python的朋友有帮助!

CSDN大礼包:全网最全《全套Python学习资料》免费分享🎁

😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉CSDN大礼包🎁:全网最全《Python学习资料》免费分享(安全链接,放心点击)👈

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
在这里插入图片描述

② 路线对应学习视频

还有很多适合0基础入门的学习视频,有了这些视频,轻轻松松上手Python~在这里插入图片描述

③练习题

每节视频课后,都有对应的练习题哦,可以检验学习成果哈哈!
在这里插入图片描述
因篇幅有限,仅展示部分资料

2️⃣国内外Python书籍、文档

① 文档和书籍资料

在这里插入图片描述

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了!每个都有详细的安装教程,保证你可以安装成功哦!
在这里插入图片描述

②Python实战案例

光学理论是没用的,要学会跟着一起敲代码,动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。100+实战案例源码等你来拿!
在这里插入图片描述

③Python小游戏源码

如果觉得上面的实战案例有点枯燥,可以试试自己用Python编写小游戏,让你的学习过程中增添一点趣味!
在这里插入图片描述

4️⃣Python面试题

我们学会了Python之后,有了技能就可以出去找工作啦!下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述
在这里插入图片描述

5️⃣Python兼职渠道

而且学会Python以后,还可以在各大兼职平台接单赚钱,各种兼职渠道+兼职注意事项+如何和客户沟通,我都整理成文档了。
在这里插入图片描述
在这里插入图片描述
上述所有资料 ⚡️ ,朋友们如果有需要 📦《全套Python学习资料》的,可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉CSDN大礼包🎁:全网最全《Python学习资料》免费分享(安全链接,放心点击)👈

零代码地图与报表:用GPT-4实现自然语言生成可视化 在数据驱动决策成为常态的今天,地理可视化与结构化报表已不再是技术团队的专属能力,而是业务人员必备的基础表达工具。其核心原理在于将非结构化输入(如城市名列表、微信聊天数据、混乱Excel)通过语义理解与规则映射,自动完成地理编码、维度识别、数值解析和图表渲染。技术价值体现在大幅降低分析门槛——无需SQL、Python或BI工具配置,仅凭自然语言指令即可生成可交付的热力图、交叉报表与时间趋势图。典型应用场景覆盖市场周报、客服工单分析、销售漏斗追踪及教育/政务等一线信息工作流。本文聚焦GPT-4作为智能中间层如何 阅读详情

相关推荐

5分钟搞定ZabbixWatch监控大屏:VUE3+Python实战部署指南(含Docker避坑)

本文提供了一份基于VUE3Python的ZabbixWatch监控大屏快速部署实战指南。文章详细介绍了从环境准备、Docker Compose一键部署到核心配置的完整流程,并重点分享了连接Zabbix数据源时的关键步骤与常见问题排查方法,特别是针对Docker环境下的端口冲突和配置避坑技巧,帮助运维人员高效搭建现代化运维监控可视化平台。

efc12345678的博客 405

Python数据分析可视化项目电商类-超市销售数据分析报表-约200行(数据透视分析).zip

Python数据分析可视化项目包括项目源码(含详细说明分析)、数据文件、注意不含视频,可作为数据分析练手项目。或用于数据分析报告、毕业设计素材等。

BI平台选型核心:数据接入、准备可视化与预测的四大底层能力

商业智能(BI)平台的本质不是图表生成器,而是企业数据决策流的中枢操作系统。其技术价值在于将原始数据转化为可行动洞察的工程化能力——这依赖于四大基础能力:稳定高效的数据接入(支持多源异构、增量同步与语义理解)、灵活可控的数据准备(处理空值、嵌套结构与业务逻辑)、直观可信的可视化交互(支持动态标记、下钻与跨维度关联),以及可解释的预测建模能力。这些能力共同决定了分析响应速度、业务自助程度与IT运维负担。Tableau、SAP Analytics Cloud、Tibco Spotfire和Qlik Sense在

weixin_30653023的博客 993

python可视化图表

大家好,本文将围绕一个有趣的事情展开说明,一个有趣的事情是一个很多人都想弄明白的事情,想搞清楚一个有趣的事情需要先了解以下几个事情。大家都知道,Matplotlib 是众多 Python 可视化包的鼻祖,也是Python最常用的标准可视化库,其功能非常强大,同时也非常复杂,想要搞明白并非易事。但自从Python进入3.0时代以后,pandas的使用变得更加普及,它的身影经常见于市场分析、爬虫、金融分析以及科学计算中。

wenangou的博客 202

Python把表格成web可视化图表

Python所有方向的技术点的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)

m0_59164304的博客 1606

Python 制作可视化报表,这也太快了

大家好,在数据展示中使用图表来分享自己的见解,是个非常常见的方法。这也是Tableau、Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图形解释。 当然了,这些工具也有着不少缺点,比如不够灵活,无法让你自己创建设计。 当你对图表展示要求定制化时,编程也许就比较适合你,比如Echarts、D3.js。 今天给大家介绍一个Python制作可视化报表的案例,主要是使用到Dash+Tailwindcss。喜欢本文记得收藏、点赞、关注。 【注】完整代码、数据、技术交流文末提供 可视

Python数据挖掘 7168

Python 数据分析实战—用 Pandas+Matplotlib 销售报表老板直接加薪

Python数据分析实战:Pandas+Matplotlib销售报表自动化 本文介绍了利用Python的Pandas和Matplotlib实现销售报表自动化的完整方案。通过数据清洗(处理缺失值、标准化格式)、多维分析(区域-产品矩阵、时间趋势)和动态可视化(堆叠柱状图、热力图),可显著提升分析效率。某企业案例显示,自动化报表系统将周报生成时间从3人天缩短至10分钟,年省15万元人力成本。该技能组合可使分析师薪资提高30-50%,成为76%数据分析岗位的核心要求。进阶建议包括学习统计学、机器学习及部署技术,以

又见江南雨的博客 687

我把 Excel 扔了:用 Python 自动化报表,下班时间从 8 点变 6 点

给所有还在用 “筛选 - 复制 - 粘贴” 加班到深夜的职场人

weixin_42743844的博客 1963

大数据看板python_35岁老板心得:0代码,1分钟可视化,不用可惜的大数据分析工具...

数据库在现在很常见吧,从oracle、mysql到olap数据库,但其实,目前还没有一个系统能够满足各种场景的查询需求。其本质原因是,没有一个系统能同时在数据量、性能、和灵活性三个方面到完美,每个系统在设计时都需要在这三者间出取舍。但是上面说的,仅仅适用于会技术和编程的IT和程序员们,写写sql,这种人并不是多数,更多人数据处理还是只会用Excel。传统上,数据处理离不开 IT,只有某些团队...

weixin_27064845的博客 516

超市销售数据Python实战包:透视分析+自动HTML报表生成(含清洗、多维统计与可视化

直接跑通超市销售分析全流程的轻量级Python工具包,用真实订单CSV文件(order.csv、order-14.1.csv、order-14.3.csv)基础数据源。两个Jupyter Notebook分工明确:第一个负责数据清洗、缺失值处理、字段标准化,并支持按地区、商品品类、销售日期、门店等多维度生成动态透视表,快速算出销售额、订单数、平均客单价等核心指标;第二个专注自动化报表输出,一键运行即可生成带交互式图表(柱状图、折线图、热力图)的HTML报告,已预渲染好2、超市销售数据自动化报表.html,

gg901的博客 192

Data to Viz,让我5分钟锁定正确图表的数据可视化选择神器

晚上十一点半,老板丢过来一份 3 万行的销售明细:"明早汇报用,你今晚搞定。"你盯着屏幕上跳动的数字,脑子里翻过柱状图、折线图、桑基图、箱线图……几十种图表,到底选哪张?这一刻,几乎每个和数据打过交道的人都懂:**Data to Viz 就是为这个时刻而生的图表选择助手**——你只要说清楚数据长什么样,它就用一棵决策树,一步步带你找到最合适的数据可视化方式。 选错图的代价,比想象中大得多。图表是

gitblog_00216的博客 1006

使用Python快速制作可视化报表

我们可以试用可视化包——Pyechart。Echarts是百度开源的一个数据可视化JS库,主要用于数据可视化。pyecharts是一个用于生成Echarts图标的类库。实际就是Echarts与Python的对接。安装pyecharts兼容Python2和Python3。执行代码:pip install pyecharts(快捷键Windows+R——输入cmd)初级图表1.柱状图/条形图from ...

weixin_41774060的博客 3万+

Python制作可视化报表,这也太快了!

大家好,我是小F~在数据展示中使用图表来分享自己的见解,是个非常常见的方法。这也是Tableau、Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图形解释。...

法纳斯特 3237

Python绘制六种可视化图表详解,三维图最炫酷!你觉得呢?

可视化图表,有相当多种,但常见的也就下面几种,其他比较复杂一点,大都也是基于如下几种进行组合,变换出来的。对于初学者来说,很容易被这官网上众多的图表类型给吓着了,由于种类太多,几种图表的绘制方法很有可能会混淆起来。 因此,在这里,我特地总结了六种常见的基本图表类型,你可以通过对比学习,打下坚实的基础。 私信回复【数据分析】可获取数据分析相关书籍 1. 折线图 绘制折线图,如果你数据...

CDA数据分析师 8083

Python制作可视化报表,这也太快了

在数据展示中使用图表来分享自己的见解,是个非常常见的方法。 这也是Tableau、Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图形解释。 当然了,这些工具也有着不少缺点,比如不够灵活,无法让你自己创建设计。 当你对图表展示要求定制化时,编程也许就比较适合你,比如Echarts、D3.js。 今天小F给大家介绍一个Python制作可视化报表的案例,主要是使用到Dash+Tailwindcss。 可视化报表效果如下,水果销售情况一览~ Dash是基于Plot

weixin_56659172的博客 602

Pythonpython3绘制各种可视化图表

最近项目中用到不少有关Python图表的知识,主要用的可视化程序库的泰斗 matplotlib。其实还有很多相关画图表的图形库,大多数可视化图形库是基于 matplotlib 构建的并且确保一些用例更简单。本文主要讲的是 matplotlib ,在文尾将会介绍 11 种其它的数据可视化库。matplotlib 是Python可视化程序库的泰斗。经过十几年它任然是Python使用者最常用的画图库。它的设计和在1980年代被设计的商业化程序语言MATLAB非常接近。

沙师弟专栏 2万+

Python数据分析:手把手教你用Pandas生成可视化图表

大家都知道,Matplotlib 是众多 Python 可视化包的鼻祖,也是Python最常用的标准可视化库,其功能非常强大,同时也非常复杂,想要搞明白并非易事。但自从Python进入3.0时代以后,pandas的使用变得更加普及,它的身影经常见于市场分析、爬虫、金融分析以及科学计算中。 作为数据分析工具的集大成者,pandas作者曾说,pandas中的可视化功能比plt更加简便和功能强大。实际...

everyst的博客 8877
上一篇: Python搜索工具:这款搜索文件比电脑自带的快多了,没有之一 ,一起来感受下......
下一篇: PyCharm安装PyQt5及工具(Qt Designer、PyUIC、PyRcc)详细教程来了
AI大模型学习
博客等级 码龄4年 2354粉丝 620原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值