python基于plotly实现画饼状图代码实例

yipeiwu_com5年前Python基础

这篇文章主要介绍了python基于plotly实现画饼状图代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

代码

import pandas as pd
import numpy as np
import plotly.plotly as py
import plotly.graph_objs as go

path = '/home/v-gazh/PycharmProjects/us_data/limit_code.csv'

df = pd.read_csv(path)
df.set_index(['code'], inplace=True)

# ST 占比
total_count = len(df)
st_count = len(df[df['isST']==1])
print(f'禁投池总数:{total_count}')
print(f'禁投池中ST个数:{st_count}') # f'禁投池中ST个数:{}'

# 成分股占比
sz50_count = len(df[df['isSz50']==1])
print(f'禁投池中上证50个数:{sz50_count}')
hs300_count = len(df[df['isHs300']==1])
print(f'禁投池中沪深300个数:{hs300_count}')
zz500_count = len(df[df['isZz500']==1])
print(f'禁投池中中证500个数:{zz500_count}')

# 退市占比
outdate_count = len(df['outDate'].dropna())
print(f'禁投池中退市股票个数:{outdate_count}')

# 非股票
not_stock = len(df[df['type']!=1])
print(f'禁投池中非股票个数:{not_stock} 【SZ006415 为基金:F006415 | SZ000000 代码错误】')

# 次新股
delta_df = pd.DataFrame((pd.to_datetime(df['date']) - pd.to_datetime(df['ipoDate'])))
new_stock = len(delta_df[delta_df[0] < pd.Timedelta('365 days')]) # 上市不满一年为次新股 
print(f'禁投池中次新股个数:{new_stock}')

# 市值小于30亿的股票
maketValue = len(df[df['maketValue'] < 3000000000])
print(f'市值小于30亿股票个数:{maketValue}')

# 画图
labels = ['股票总数', 'ST股票', '深证50', '沪深300', '中证500', '退市股票', '非股票', '次新股', '小市值']
values = [total_count, st_count, sz50_count, hs300_count, zz500_count, outdate_count, not_stock, new_stock, maketValue]

trace = go.Pie(labels=labels, values=values,textfont=dict(size=15),)
py.iplot([trace], filename='basic_pie_chart')

注:上面代码中,起主要作用的主要是

# 画图
labels = ['股票总数', 'ST股票', '深证50', '沪深300', '中证500', '退市股票', '非股票', '次新股', '小市值']
values = [total_count, st_count, sz50_count, hs300_count, zz500_count, outdate_count, not_stock, new_stock, maketValue]

trace = go.Pie(labels=labels, values=values,textfont=dict(size=15),)
py.iplot([trace], filename='basic_pie_chart')
values = [total_count, st_count, sz50_count, hs300_count, zz500_count, outdate_count, not_stock, new_stock, maketValue]

values 列表里的内容为int数值,对应上面的labels

图示

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

pip命令无法使用的解决方法

今天在学习Python时需要安装Requests    使用命令:pip install requests    &...

python模糊图片过滤的方法

最近在做人脸识别清洗样本的工作,发现经过人脸对齐后存在部分图片十分模糊,所以用opencv滤了一下。 原理就是使用了cv2.Laplacian()这个方法,代码如下。图片越模糊,imag...

python实现自动发送邮件发送多人、群发、多附件的示例

python实现自动发送邮件发送多人、群发、多附件的示例

1、最近公司实现部分数据统计、分析的报表进行每天定时发送到相关人员的邮箱之中的配置代码被人为删除了,需要重新恢复该功能,由于原先是在linux上使用shell配置发送,实在是太繁琐,所以...

Python干货:分享Python绘制六种可视化图表

Python干货:分享Python绘制六种可视化图表

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...

python列表生成器迭代器实例解析

这篇文章主要介绍了python列表生成器迭代器实例解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 列表生成式 例如 有一个列表...