京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:潮汐
来源:Python 技术
上一篇文章分享了的基本用法,但是在绘制数据的过程中难免需要给数据制作图表,根据各种数据需求绘制出不同的图表,今天的文章主要讲解 python xlsxwriter 画图模块 Chart 类的用法实例分析。
Chart 类是 XlsxWriter 模块中图表组件的基类,支持的图表类型包括面积、条形图、柱形图、折线图、饼图、散点图、股票和雷达等。
一个图表对象是通过 Workbook(工作簿)的 add_chart() 方法创建,通过 {type,'图表类型'}字典参数指定图表的类型,语句如下:
chart = workbook.add_chart({type, 'column'}) #创建一个 column(柱形)图表
然后再通过 Worksheet(工作表)的insert_chart()方法插入到指定位置,语句如下:
worksheet.insert_chart('A5', chart) #在A5单元格插入图表
Chart 类是 XlsxWriter 模块中图表组件的基类,支持的图表类型包括面积、条形图、柱形图、折线图、饼图、散点图、股票和雷达等
使用 XlsxWriter 绘制柱状图详细代码如下:
import xlsxwriter def chart_column(): workbook = xlsxwriter.Workbook('chart.xlsx')
worksheet = workbook.add_worksheet() # Create a new Chart object. chart = workbook.add_chart({'type': 'column'}) # Write some data to add to plot on the chart. data = [
[13, 25, 9, 14, 35],
[12, 14, 16, 18, 20],
[13, 16, 19, 22, 25],
]
worksheet.write_column('A1', data[0]) # 按列插入 worksheet.write_column('B1', data[1])
worksheet.write_column('C1', data[2]) # Configure the chart. In simplest case we add one or more data series. chart.add_series({'values': '=Sheet1!$A$1:$A$5'})
chart.add_series({'values': '=Sheet1!$B$1:$B$5'})
chart.add_series({'values': '=Sheet1!$C$1:$C$5'}) # Insert the chart into the worksheet. worksheet.insert_chart('A7', chart)
workbook.close() if __name__ == '__main__':
chart_column()
绘制图片输出结果如下:
XlsxWriter 绘制柱状图叠图详细方法详见如下代码:
def charts_column1():
workbook = xlsxwriter.Workbook("expense02.xlsx") # 添加一个Sheet页,不添写名字,默认为Sheet1 worksheet = workbook.add_worksheet() # 准备数据 headings = ["姓名", "语文", "数学"]
data = [["张三", 78, 60], ["李四", 98, 89], ["王五", 88, 100]] # 样式 head_style = workbook.add_format({"bold": True, "bg_color": "yellow", "align": "center", "font": 13}) # 写数据 worksheet.write_row("A1", headings, head_style) for i in range(0, len(data)):
worksheet.write_row("A{}".format(i + 2), data[i]) # 添加柱状图叠图子类型 chart2 = workbook.add_chart({"type": "column", "subtype": "stacked"})
chart2.add_series({ "name": "=Sheet1!$B$1", "categories": "=Sheet1!$A$2:$a$4", "values": "=Sheet1!$B$2:$B$4" })
chart2.add_series({ "name": "=Sheet1!$C$1", "categories": "=Sheet1!$A$2:$a$4", "values": "=Sheet1!$C$2:$C$4" })
chart2.set_title({"name": "叠图子类型"})
chart2.set_x_axis({"name": "姓名"})
chart2.set_y_axis({"name": "成绩"})
chart2.set_style(12) # 插入图表 worksheet.insert_chart("B7", chart2) # 关闭EXCEL文件 workbook.close()
绘制结果如下:
XlsxWriter 绘制饼图只需要新建一个工作表后添加饼图样式即可,详细绘制方式如下:
def chart_pie():
workbook = xlsxwriter.Workbook("expense03.xlsx") # 添加一个Sheet页,不添写名字,默认为Sheet1 worksheet = workbook.add_worksheet() # 准备数据 headings = ["姓名", "语文", "数学"]
data = [["张三", 78, 60], ["李四", 98, 89], ["王五", 88, 100]] # 样式 head_style = workbook.add_format({"bold": True, "bg_color": "yellow", "align": "center", "font": 13}) # 写数据 worksheet.write_row("A1", headings, head_style) for i in range(0, len(data)):
worksheet.write_row("A{}".format(i + 2), data[i]) # 添加饼图 chart3 = workbook.add_chart({"type": "pie"})
chart3.add_series({ # "name":"饼形图", "categories": "=Sheet1!$A$2:$A$4", "values": "=Sheet1!$B$2:$B$4", # 定义各饼块的颜色 "points": [
{"fill": {"color": "yellow"}},
{"fill": {"color": "blue"}},
{"fill": {"color": "red"}}
]
})
chart3.set_title({"name": "饼图成绩单"})
chart3.set_style(3) # 插入图表 worksheet.insert_chart("B7", chart3) # 关闭EXCEL文件 workbook.close()
绘制图片结果如下:
今天的文章讲解了神器 xlsxwriter 操作 Excel 绘制柱状图、饼图、柱状图叠图等图形详细过程,当然还有更多关于 xlsxwriter 有趣的知识点还未分享,感兴趣的朋友们可以试试,希望对大家有所帮助。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14