基于python的图表生成系统,python导入数据生成图表

【AI黑话日日新】Day 010|System Prompt(系统提示词) 系统提示词不是给模型加能力的咒语,而是开发者写下的“行为宪法”——它定身份、划红线、约格式,但终究要配护栏才站得住。 阅读详情

本篇文章给大家谈谈基于python的图表生成系统,以及python导入数据生成图表,希望对各位有所帮助,不要忘了收藏本站喔。

一、安装pyecharts,xlrd

直接采用pip install pyecharts,会安装最新版本,应该是1.2.1,很多接口已经变化了,这里还是安装老版本,且不需要ssl和https认证,命令如下

pip install -i http://mirrors.aliyun.com/pypi/simple/ pyecharts==0.1.9.4 --trusted-host mirrors.aliyun.com  

项目网站:http://pyecharts.herokuapp.com/

二、读取excel

import xlrd
import xlwt
class excel():
    def read(xlsfile):
        book = xlrd.open_workbook(xlsfile)  # 得到Excel文件的book对象,实例化对象
        sheet0 = book.sheet_by_index(0)  # 通过sheet索引获得sheet对象
        sheet_name = book.sheet_names()[0]  # 获得指定索引的sheet表名字
        sheet1 = book.sheet_by_name(sheet_name)  # 通过sheet名字来获取,当然如果知道sheet名字就可以直接指定
        nrows = sheet0.nrows  # 获取行总数
        ncols = sheet0.ncols  # 获取列总数
        list = []
        for i in range(nrows):
            list.append([])
            for j in range(ncols):
                # print(sheet0.cell_value(i, j))
                list[i].append(str(sheet0.cell_value(i, j)))
        print(list)
        return sheet_name,list

三、生成图表

def excel_to_bar():
    sheet_name,list =excel.read(file_path)
    name_list = []
    data_list= []
    for i in range(1,6):
        name_list.append(list[i][1])
        data_list.append(list[i][2])
    print(name_list)
    # 文件名和sheet名
    mybar = Bar(get_fileName(file_path), sheet_name)
    mybar.add(list[0][2], name_list, data_list)
    mybar.show_config()
    mybar.render(path="bar.html")

会生成bar.html,直接在浏览器中打开,如下:

四、插入ppt

插入内置浏览器控件和按钮,进入VBA编码界面

Private Sub ToggleButton1_Click()
    WebBrowser1.Navigate ("file:///D:/Users/PycharmProjects/Cmd/cmd/excel_pyecharts/render.html")
End Sub

参考 :如何在ppt中插入html动态图表_html动图放在ppt-CSDN博客

安装glibc出现../sysdeps/nptl/pthread.h:744:47:error:argument 1 of type ‘struct __jmp_buf_tag *‘ 解决方案 本文主要介绍了安装glibc出现…/sysdeps/nptl/pthread.h:744:47:error:argument 1 of type ‘struct __jmp_buf_tag *’ 解决方案,希望能对使用Linux的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案 阅读详情

相关推荐

手把手教你学Simulink--基础微电网场景实例:基于Simulink的混合交直流微电网架构仿真

本文基于Simulink构建混合交直流微电网仿真模型,通过交流子网(风电+交流负荷)和直流子网(光伏+储能+直流负荷)的协同控制,实现系统效率提升8.5%。重点介绍了混合架构原理、下垂控制策略及Simulink建模方法,包括核心模块实现、协调控制器代码和仿真参数设置。通过三种工况测试验证了系统性能:功率转移响应时间<0.5s,电压波动<5%,显著优于传统独立子网架构。文章还提供了进阶优化方向和完整代码清单,为微电网仿真研究提供实用参考。

MHD0815的博客 105

读取Excel生成分析图-pyecharts实例

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者:nanyc 导入数据 #导入所需的库文件 import numpy as np import pandas as pd from pyecharts import Bar #导入excel数据 data=pd.DataFrame(pd.read_excel('data.xlsx',header=0, encoding='utf-8')) 查看数据维度,28.

Python案例分享,B站视频教程:https://space.bilibili.com/523606542 5012

【10层】3427平米十层钢结构住宅楼(计算书、建筑、结构图).zip毕业设计参考建筑结构CAD计算书土木工程设计图纸资料库下载

【10层】3427平米十层钢结构住宅楼(计算书、建筑、结构图).zip毕业设计参考建筑结构CAD计算书土木工程设计图纸资料库下载【10层】3427平米十层钢结构住宅楼(计算书、建筑、结构图).zip毕业设计参考建筑结构CAD计算书土木工程设计图纸资料库下载【10层】3427平米十层钢结构住宅楼(计算书、建筑、结构图).zip毕业设计参考建筑结构CAD计算书土木工程设计图纸资料库下载【10层】3427平米十层钢结构住宅楼(计算书、建筑、结构图).zip毕业设计参考建筑结构CAD计算书土木工程设计图纸资料库下载1.合个人学习技术做项目参考合个人学习技术做项目参考2.适合学生做毕业设计项目参考适合学生做毕业设计项目技术参考 3.适合小团队开发项目技术参考适合小团队开发项目技术参考

(论文速读)EDiT:用线性压缩注意力加速扩散 Transformer

本文提出了一种高效扩散Transformer架构EDiT,通过创新的线性压缩注意力机制解决传统DiT在生成高分辨率图像时的计算瓶颈。EDiT采用卷积增强的线性注意力(ConvFusion+SpatialCompressor)处理图像自注意力,同时为多模态场景设计混合注意力方案,仅对图像-图像交互进行线性化处理,保留文本相关交互的标准注意力。实验表明,EDiT在PixArt-Σ和Stable Diffusion3.5-Medium上实现高达2.2倍的加速,同时保持接近原始模型的生成质量。该方法的核心创新在于针

LJ1147517021的博客 265

83.85% vs 17.91%:FormStruct-Bench 揭开表单解析的错觉

文章摘要 FormStruct-Bench论文提出了一个针对表单类文档结构识别的新型分层评测基准,解决了传统方法在结构化评估上的不足。研究团队通过"导演-美术-质检"的合成流程构建了7,000个带精确标注的表单实例,并设计了分层评估指标,包括内容读取(Value-nED)、结构重建(Schema-nED)和路径正确率(TSR-path)等。实验结果显示,当前最佳系统在内容读取上达到83.85%,但结构路径正确率仅17.91%,区域检测和关系识别指标更低。研究表明,视觉退化主要影响结构绑定而非内容识别,且合成

liferecords的博客 684

如何借助 AI 实现自动化测试:让 Agent 帮你写测试、跑测试、修测试

上下文工程优先:维护(页面结构、账号、业务规则),AI 输出质量立竿见影;AI 生成 + 人审 + 入库:测试代码是资产,必须 code review,禁止「AI 跑完就当真」;定位器纪律:全程getByRolegetByLabel,从源头减少失效;分层使用:单元/接口测试用传统框架,UI 探索性测试用 Agent,回归用固化脚本;成本控制:批量生成用便宜模型(DeepSeek / 本地 Ollama),关键修复用强模型;安全红线:测试 Agent 只能连测试环境;

篮球界最会写bug的人;程序猿中打球最菜的人。 673

WAIC论坛现场|网易智企分享企业AI“上岗之路“

在世界人工智能大会(WAIC)2026上,网易智企举办了"用可信AI构建企业新智生产力"专题论坛。会上,网易智企副总经理段毓铮带来了题为《从能聊、到能干、到越干越好:企业AI的上岗之路》的演讲,抛出了一个核心观点:不把AI当工具,而是当作"AI员工"来看待。

weixin_43099039的博客 205

Alexa Fluor568标记豌豆凝集素,适配多色荧光成像体系的橙红通道标记需求

AF 568 PSA是将Alexa Fluor568橙红荧光基团与豌豆凝集素(Pisum sativum agglutinin,PSA)定向偶联制备的糖链靶向特异性荧光探针,完整保留豌豆凝集素对α-甘露糖、α-葡萄糖的高亲和力识别特性,依托Alexa Fluor568染料优异的光学性能,在578nm处呈现明亮的橙红特征发射荧光,荧光亮度高、抗光漂白性能优异,是多色荧光标记体系中橙红通道靶向标记α-甘露糖/α-葡萄糖糖链的经典科研工具。(上述信息均由陕西新研博美生物科技小编木木所整理)性能参数与核心优势‌。

2601_96201972的博客 377

工业级温控机组赋能数据中心与ICT基础设施低碳化运营

阿尔西在全球布局的三大制造基地为工业级温控机组的产能协同提供了坚实保障,各基地在工业冷水机、医疗制冷、3D打印技术、组装、钣金、焊接等环节形成专业化分工与技术互补。阿尔西集团凭借近三十年的技术积累,将工业级温控机组的应用边界从传统制造业拓展至超大规模数据中心、电信基础设施及边缘计算场景,为全球ICT行业提供从芯片级到系统级的全方位温控解决方案。包括针对边缘计算场景的水平式整装空调型工业级温控机组,以及适用于中大型数据中心的远程温控型工业级温控机组,制冷能力覆盖多种规格,在保证可靠性的同时实现高效运行。

Jay150124的博客 348

AI网关和API网关区别在哪?MAI Gateway统一治理方案深度解析

API网关转发请求,不关心内容。AI网关处理消费,不只转发。这是两类网关的根本区别。调用方不需要知道服务在哪,网关负责路由。请求体内容在网关层透传,网关不碰。企业要知道AI调用的内容安不安全、花了多少钱、归谁的部门、模型说了什么。请求体内容在网关层被检查、脱敏、计费、记录。差异的根源在于:大模型调用是按次消费,每次调用花钱;传统API调用是基础设施服务,部署了就能用。

youdiyunan的博客 304

AI编程实战:让 AI 写测试,一次到位

本文介绍如何利用AI生成高质量的Python单元测试(以pytest为例)。关键步骤包括:1)使用结构化Prompt模板指定测试要求;2)通过三类输入(正常、边界、异常)确保覆盖全面;3)采用"改坏代码"法验证测试有效性。文章强调测试需满足:断言具体、行为导向、能捕获错误。文末提供实践作业,并预告下期将探讨AI生成文档的技术。全文150字,完整呈现AI测试生成的核心方法论。

用沸腾的热血,支付我们的人生吧! 288

织信开发日志 17:织信 Skill 的目的,是把平台能力交给 AI Agent

织信 Skill 的核心价值,不是让 AI 说得更像产品经理,也不是让 AI 写出更漂亮的需求文档。 它的价值是把织信的平台能力变成 AI Agent 可调用的工具集。

iori97king的专栏 650

AI Gateway 与直连 LLM API 的应该怎么选,一篇文章说明白

引入 AI Gateway 作为所有 LLM 流量的统一入口。配置提供商凭证、路由规则和 Fallback 链。在这个阶段,ServBay AI Gateway 的一键安装特性降低了不少门槛。相比 LiteLLM 等自托管方案需要 Python、PostgreSQL 和 YAML 配置文件的前置依赖,ServBay 用户只需要在应用内启用 AI Gateway 功能,像安装 PHP 或 MySQL 一样完成部署。网关已配置所有活跃的提供商渠道。只抽象新服务,遗留的老服务继续直连。

Sammyyyyy的博客 436

AI Agent 技术架构深度解析与选型指南

AI Agent代表了企业AI应用从"问答"到"任务执行"的关键跃迁,也为管理软件行业带来了新的产品可能性。用友YonClaw、金蝶灵基等企业级AI Agent产品的推出,标志着国产管理软件在AI Agent方向的正式布局。对于企业而言,理解AI Agent的技术架构与能力边界,是做出正确选型决策的基础。本文面向技术架构人员与IT管理者,供技术评估参考。

likeylau的博客 331

STEPONMOON的人工智能之旅(一)

《AI入门第一课:破除三大误解》 本文从日常生活切入,指出AI已渗透输入法、推荐系统等场景,既非神秘黑箱,也非科幻机器人。针对大众对AI的两种极端认知——"万能神"或"铁疙瘩",作者提出核心观点:AI本质是"从数据中找规律的程序"。全文通过四部分展开:首先建立学习动机,随后逐一拆解"AI=机器人""AI有自我意识""AI超越人类"三大常见误解,最后引导读者建立理性认知框架。文中配有场景插图

qq_36115196的博客 174

BERT预训练原理详解:MLM掩码预测 + NSP句子预测

介绍 BERT 预训练的 MLM 掩码语言模型、NSP 下一句预测两项自监督任务,分析任务实现细节与存在问题,梳理 BERT 预训练流程、下游微调方法以及 RoBERTa、ALBERT 等变体模型的核心改进

weixin_44021329的博客 439
上一篇: 孙兴慜水平怎么样,孙兴慜的技术
下一篇: python的界面文字翻译,python软件菜单翻译
nannannanmu
博客等级 码龄3年 7063粉丝 710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