A. 如何用python將數據寫入excel表格
簡單的介紹一下這兩個庫，先說xlrd，這個庫讀Excel比較方便，各種方法使用起來也挺方便：
bk = xlrd.open_workbook('your.xls')
sh = bk.sheets()[-1]
上面兩句就可以打開Excel表格中的一個sheet，sheets得到的是一個list，存放所有的sheet。
sh.nrows是該sheet中的行數，知道這個後就可以使用for循環來讀所有的單元格了：
sh.row(i)[3]這個就代表第i行的第4列。
再看看pyExcelerator，這個用起來有點別扭：
sheets = parse_xls('result.xls')
先打開一個表格，sheets是一個list，包含了所有表格的內容，每一項就是一個sheet，而每個sheet是二元tuple，第一個是該sheet的名字，第二個是一個dict，dict的key是一個二元組，表示單元格的坐標，如(0,0)，第一行第一列。
從上面的分析中可以得出要訪問Excel中第一個sheet的第一行第一列元素需要：
sheets[0][1][(0,0)]
pyExcelerator也不能得到行列數。
寫文件也比較簡單：
wb = Workbook()
ws = wb.add_sheet('result')
ws.write(0,0,「hello」)
wb.save('result.xls')
就不解釋了:-)
寫文件時需要注意直接寫Unicode內容進去，而不要寫編碼過的內容。
本文來源於可可熊的窩 http://cocobear.info/blog , 原文地址：
B. python怎麼用echarts
echarts如何使雀沒汪用,和後端語言沒什麼關系。
就是把echarts的JS包頃仔導入項目，在JS中直接使察歷用就可以了。
echarts是依賴於jquery的
C. 如何用Python製作優美且功能強大的數據可視
主要方法，用於添加圖表的數據和設置各種配置項
print_echarts_options()
列印輸出圖表的所有配置項
render()
默認將會在根目錄下生成一個render.html的文件，支持path參數，設置文件保存位置，如render(r」e:my_first_chart.html」)，文件用瀏覽器打開。
Note：可以按右邊的下載按鈕將圖片下載到本地，如果想要提供更多實用工具按鈕，請在add()中設置is_more_utils為True
frompyechartsimportBar
bar=Bar("我的第一個圖表","這里是副標題")
bar.add("服裝",
["襯衫","羊毛衫","雪紡衫","褲子","高跟鞋","襪子"],[5,20,36,10,75,90],
is_more_utils=True)
bar.render()
D. python可視化神器——pyecharts庫
無意中從今日頭條中看到的一篇文章，可以生成簡單的圖表。據說一些大數據開發們也是經常用類似的圖表庫，畢竟有現成的，改造下就行，誰會去自己造輪子呢。
pyecharts是什麼？
pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts 是網路開源的一個數據可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒， pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖 。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。
安裝很簡單：pip install pyecharts
如需使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。所有圖表均可正常顯示，與瀏覽器一致的交互體驗，簡直不要太強大。
參考自pyecharts官方文檔: http://pyecharts.org
首先開始來繪制你的第一個圖表
使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可
add() 主要方法，用於添加圖表的數據和設置各種配置項
render() 默認將會在根目錄下生成一個 render.html 的文件，文件用瀏覽器打開。
使用主題
自 0.5.2+ 起，pyecharts 支持更換主體色系
使用 pyecharts-snapshot 插件
如果想直接將圖片保存為 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用該插件請確保你的系統上已經安裝了 Nodejs 環境。
安裝 phantomjs $ npm install -g phantomjs-prebuilt
安裝 pyecharts-snapshot $ pip install pyecharts-snapshot
調用 render 方法 bar.render(path='snapshot.png') 文件結尾可以為 svg/jpeg/png/pdf/gif。請注意，svg 文件需要你在初始化 bar 的時候設置 renderer='svg'。
圖形繪制過程
基本上所有的圖表類型都是這樣繪制的：
chart_name = Type() 初始化具體類型圖表。
add() 添加數據及配置項。
render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。
add() 數據一般為兩個列表（長度一致）。如果你的數據是字典或者是帶元組的字典。可利用 cast() 方法轉換。
多次顯示圖表
從 v0.4.0+ 開始，pyecharts 重構了渲染的內部邏輯，改善效率。推薦使用以下方式顯示多個圖表。如果使是 Numpy 或者 Pandas，可以參考這個示例
當然你也可以採用更加酷炫的方式，使用 Jupyter Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的
Note： 從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加 pythonic 的做法。直接調用本身實例就可以了。
比如這樣
還有這樣
如果使用的是自定義類，直接調用自定義類示例即可
圖表配置
圖形初始化
通用配置項
xyAxis：平面直角坐標系中的 x、y 軸。(Line、Bar、Scatter、EffectScatter、Kline)
dataZoom：dataZoom 組件 用於區域縮放，從而能自由關注細節的數據信息，或者概覽數據整體，或者去除離群點的影響。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)
legend：圖例組件。圖例組件展現了不同系列的標記(symbol)，顏色和名字。可以通過點擊圖例控制哪些系列不顯示。
label：圖形上的文本標簽，可用於說明圖形的一些數據信息，比如值，名稱等。
lineStyle：帶線圖形的線的風格選項(Line、Polar、Radar、Graph、Parallel)
grid3D：3D笛卡爾坐標系組配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)
axis3D：3D 笛卡爾坐標系 X，Y，Z 軸配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)
visualMap：是視覺映射組件，用於進行『視覺編碼』，也就是將數據映射到視覺元素（視覺通道）
markLine&markPoint：圖形標記組件，用於標記指定的特殊數據，有標記線和標記點兩種。（Bar、Line、Kline）
tooltip：提示框組件，用於移動或點擊滑鼠時彈出數據內容
toolbox：右側實用工具箱
圖表詳細
Bar（柱狀圖/條形圖）
Bar3D（3D 柱狀圖）
Boxplot（箱形圖）
EffectScatter（帶有漣漪特效動畫的散點圖）
Funnel（漏斗圖）
Gauge（儀表盤）
Geo（地理坐標系）
GeoLines（地理坐標系線圖）
Graph（關系圖）
HeatMap（熱力圖）
Kline/Candlestick（K線圖）
Line（折線/面積圖）
Line3D（3D 折線圖）
Liquid（水球圖）
Map（地圖）
Parallel（平行坐標系）
Pie（餅圖）
Polar（極坐標系）
Radar（雷達圖）
Sankey（桑基圖）
Scatter（散點圖）
Scatter3D（3D 散點圖）
ThemeRiver（主題河流圖）
TreeMap（矩形樹圖）
WordCloud（詞雲圖）
用戶自定義
Grid 類：並行顯示多張圖
Overlap 類：結合不同類型圖表疊加畫在同張圖上
Page 類：同一網頁按順序展示多圖
Timeline 類：提供時間線輪播多張圖
統一風格
註：pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。
地圖文件被分成了三個 Python 包，分別為：
全球國家地圖:
echarts-countries-pypkg
中國省級地圖:
echarts-china-provinces-pypkg
中國市級地圖:
echarts-china-cities-pypkg
直接使用python的pip安裝
但是這里大家一定要注意，安裝完地圖包以後一定要重啟jupyter notebook，不然是無法顯示地圖的。
顯示如下：
總得來說，這是一個非常強大的可視化庫，既可以集成在flask、Django開發中，也可以在做數據分析的時候單獨使用，實在是居家旅行的必備神器啊
E. python讀取mysql數據寫入ES總結
准備工作： mysql庫的安裝。
python中mysql庫用的是mysql-connector，安裝執行如下命令：
第一步： 連接mysql，讀取數據。
通過執行sql語句，讀取mysql數據。
至此渣陸，獲得mysql的原始數據raw_data 。接下來對數據進行預處理，按日期進行埋梁銷分組聚合，然後重命名行和列名，得到dataFrame格式的數據。
第二步： 連接ES。
這步沒有太多的可解釋的地方，就是配置信息。
第三步： ES主鍵加密。
這步的目的是為了保持主鍵唯一性，防止重復寫入。用的方法是md5加密。
第四步： 寫入ES
至此，一切的准備工作都做好彎遊了，數據也有了，主鍵加密也做了，就開始寫入了。
用main方法執行以上方法：
最後查看一下ES寫的是否成功，用查詢方法
如果返回以下信息，說明ES里成功插入了數據。
另外，ES刪除索引的操作：
F. Python中數據可視化的兩個庫！
1. Matplotlib：是Python中眾多數據可視化庫的鼻祖，其設計風格與20世紀80年代的商業化程序語言MATLAB十分相似，具有很多強大且復雜的可視化功能;還包含了多種類型的API，可以採用多種方式繪制圖標並對圖標進行定製。
2. Seaborn：是基於Matplotlib進行高級封裝的可視化庫，支持互動式界面，使繪制圖表功能變得簡單，且圖表的色彩更具吸引力。
3. ggplot：是基於Matplotlib並旨在以簡單方式提高Matplotlib可視化感染力的庫，採用疊加圖層的形式繪制圖形，比如先繪制坐標軸所在的圖層，再繪制點所在的圖層，最後繪制線所在的圖層，但其並不適用於個性化定製圖形。
4. Boken：是一個互動式的可視化庫，支持使用Web瀏覽器展示，可使用快速簡單的方式將大型數據集轉換成高性能的、可交互的、結構簡單的圖表。
5. Pygal：是一個可縮放矢量圖標庫，用於生成可在瀏覽器中打開的SVG格式的圖表，這種圖表能夠在不同比例的屏幕上自動縮放，方便用戶交互。
6. Pyecharts：是一個生成ECharts的庫，生成的ECharts憑借良好的交互性、精巧的設計得到了眾多開發者的認可。
G. python數據可視化--可視化概述
數據可視化是python最常見的應用領域之一，數據可視化是藉助圖形化的手段將一組數據以圖形的形式表達出來，並利用數據分析和開發工具發現其中未知信息的數據處理過程。
在學術界有一句話廣為流傳，A picture worths thousand words，就是一圖值千言。在課堂上，我經常舉的例子就是大家在刷朋友圈的時候如果看到有人轉發一篇題目很吸引人的文章時，我們都會點擊進去，可能前幾段話會很認真地看，文章很長的時候後面就會一目十行，失去閱讀的興趣。
所以將數據、表格和文字等內容用圖表的形式表達出來，既能提高讀者閱讀的興趣，還能直觀表達想要表達的內容。
python可視化庫有很多，下面列舉幾個最常用的介紹一下。
matplotlib
它是python眾多數據可視化庫的鼻祖，也是最基礎的底層數據可視化第三方庫，語言風格簡單、易懂，特別適合初學者入門學習。
seaborn
Seaborn是在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn能做出很具有吸引力的圖，而使用matplotlib就能製作具有更多特色的圖。應該把Seaborn視為matplotlib的補充，而不是替代物。
pyecharts
pyecharts是一款將python與echarts結合的強大的數據可視化工具，生成的圖表精巧，交互性良好，可輕松集成至 Flask，Sanic，Django 等主流 Web 框架，得到眾多開發者的認可。
bokeh
bokeh是一個面向web瀏覽器的互動式可視化庫，它提供了多功能圖形的優雅、簡潔的構造，並在大型數據集或流式數據集上提供高性能的交互性。
python這些可視化庫可以便捷、高效地生成豐富多彩的圖表，下面列舉一些常見的圖表。
柱形圖
條形圖
坡度圖
南丁格爾玫瑰圖
雷達圖
詞雲圖
散點圖
等高線圖
瀑布圖
相關系數圖
散點曲線圖
直方圖
箱形圖
核密度估計圖
折線圖
面積圖
日歷圖
餅圖
圓環圖
馬賽克圖
華夫餅圖
還有地理空間型等其它圖表，就不一一列舉了，下節開始我們先學習matplotlib這個最常用的可視化庫。
H. python可視化利器：pyecharts
前面我們提及 ggplot 在 R 和 Python 中都是數據可視化的利器，在機器學習和數據分析領域得到了廣泛的應用。 pyecharts 結合了 Python 和網路開源的 Echarts 工具，基於其交互性皮源褲和便利性得到了眾多開發者的認可。擁有如下的特點燃簡：
首先繪制第一個圖表：
數據分析中常見的微博轉發圖也是通過關系圖轉化來的：
其他的圖形示例可以在官方文檔中查詢： http://gallery.pyecharts.org/ 。
機器學習導論：什麼是機器學習
機器學習必知必會：凸優化
深入淺出機器學習演算法：XGBoost
機器學習必知必會：梯度下降法
Python數據分析：誰是2018當之無愧的「第一」國產電影
如何用python爬裂隱蟲實現簡單PV刷量——以CSDN為例
python腳本從零到一構建自己的免費代理IP池
[R]數據可視化的最佳解決方案：ggplot
秋招面試：零基礎拿到騰訊數據崗offer需要做哪些努力
股票市場中如何用數據思維跑贏九成的投資者
精算師證有多難考，怎麼准備？
[1] http://pyecharts.org/#/zh-cn/intro
[2] http://pyecharts.herokuapp.com/bar
[3] http://gallery.pyecharts.org/
I. python疫情數據分析怎麼和excel連接
爬取國內疫情數據。data_download()，引用包requests、json。1）訪問網站獲取數據；2）保存數據成json文件
將數據轉存到excel。cpdata_toexcel()，引用包openpyxl、json。
1）從json文件中抽取所需數據，欄位需求：省份、地市、總確診人數、總疑似病例、總死亡人數。
2）創建Excel表，數據保存。
讀取文件數據畫疫情地圖。show_data()，引用包pandas、pyecharts。
J. 「Python」使用Pyecharts生成疫情分布地圖
最近受江蘇疫情影響，好多小夥伴都居家辦公咯！為了密切關注疫情動態，最近寫了爬取疫情分布的腳本，參考上篇鏈接。
既然我們已經獲得了相應的江蘇各個地級市的疫情數據，那麼我們如何來使用Python實現將數據可視化在地圖上呢？
Apache Echarts 是一個由網路開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。
簡單來說，pyecharts具有以下特性：
3. Pyecharts 安裝
使用pip進行安裝如下：
因為我們需要使用pycharts繪制地圖，此時我們還需要安裝相應的地圖文件包：
其中：
echarts-countries-pypkg 包為全球國家地圖
echarts-china-provinces-pypkg包為中國省級地圖
echarts-china-cities-pypkg 包為中國市級地圖
安裝完上述繪制地圖相關的python包後，我們接下來開始畫疫情分布地圖。
首先，我們先來查看一段Pyecharts相關實現：
上述代碼解釋如下：
運行後會在當前目錄生成 map_jiangsu_0803.html,用瀏覽器打開後結果如下：
當滑鼠移動到對應區域後，會顯示出對應地級市今日新增人數。
上述腳本雖然可以實現我們的功能，但是顏色灰灰的，太過於單調，接下來我們來想辦法進行美化,實現代碼如下：
代碼解釋如下：
運行後會在當前目錄生成 map_jiangsu_0803_new.html,用瀏覽器打開後結果如下：
同理我們可以得到現有確診人數分布如下：
進而我們可以得到累計確診人數分布如下：