pie中间显示总数 图例显示数量

该段代码使用Echarts库创建了一个饼图,展示了不同产业类型的数量分布,如高端化工、新一代信息技术、生物医药等。数据来源于JSON请求,其中包含各产业类型的名称和值。饼图具有详细的提示信息、标签样式和丰富的自定义配置。

在这里插入图片描述
在这里插入图片描述

var myChart1 = echarts.init(document.getElementById('demo1'));
$.getJSON("cylx", function(data) {
   
   
	if(data.code == 0) {
   
   
		var option1 = {
   
   title: {
   
   
				zlevel: 0,
				text: ['{name|产业企业}', '{value|' + data.data.sum + '}'].join('\n'),
				top: '42%',
				left: '29%',
				textAlign: 'center',
				textStyle: {
   
   
					rich: {
   
   
						value: {
   
   
							color: '#303133',
							fontSize: fontSize(24),
							lineHeight: fontSize(24),
						},
						name: {
   
   
							color: '#909399',
							fontSize: fontSize(16),
							lineHeight: fontSize(35),
						},
					},
				},
			},
			color:["#5470c6","#91cc75","#fac858","#ee6666","#73c0de","#3ba272","#fc8452","#9a60b4","#ea7ccc"],
			
大作业将结合Python数据分析三大核心库:NumPy、Pandas和Matplotlib要求完成一个完整的数据分析,数据领域不限(可选电商数据、电影评分、社交数据、教育等领域),可从Kaggle下载,核心分析包括涵盖数据读取与预处理、探索性数据分析、可视化的基本实现三个方面。以下以电影评分数据为例展示具体任务要求: 任务1:数据读取与预处理 读取数据:a).从CSV文件中读取评分数据(包括用户ID、电影ID、评分和时间戳) b).若有其他数据(如电影信息、用户画像等),一并读取。 数据清洗:a).检查是否有缺失值,若有缺失值则处理缺失值(删除、填充或标记) b).将时间戳转换为可读的日期格式。 c).合并多张数据表(如:用电影ID关联评分数据与电影信息),以便后续分析。 任务2:数据探索性分析 统计总览:a).统计用户数量、电影数量和评分数量。 b).计算每个用户的平均评分,每部电影的平均评分、评分次数。 分布分析:a).绘制评分分布直方图。 b).分析用户评分行为:每个用户的评分数量分布。 c).分析电影评分行为:每部电影的评分数量分布。 d).使用 NumPy/Pandas 提取最大值、最小值、平均值、中位数等。 时间分析:a).分析评分随时间的变化趋势。 b).绘制每年、每月的评分数量变化趋势图。 c).分析是否存在评分高峰时间段(如节假日、年份分布)。 任务4:总结与报告 结果总结:总结每个任务的结果,解释发现和结论。 报告撰写:撰写一份实验报告,包括数据处理过程、分析方法、结果展示等内容。以pdf格式提交。
06-14
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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