
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10