Excel的数据可视化和Python的有什么不同？

  • Z时代
  • 2024-01-10
  • 分类：综合

python

如今 Python 是个大热门，从基础数据处理，到高端人工智能，都有它的身影。而在数据分析领域，尤其是在可视化部分，Python 的各类绘图库也给用户带来了惊喜，比如各种随时间序列的动态可视化，能够比较清晰地呈现多个指标的变化情况。

可 Excel 就只能画基础图表了吗，难道是我 Excel 拿不动刀了？

今天就来看看，E哥是否能老骥伏枥吧！

效果预览比较

（1）Python版

流畅丝滑，仿佛生命的跃动。

 

Python版

（2）Excel版

图样图森破，不落下风，对老表哥而言还带有一种亲切感。

 

Excel版

Excel动态图实现

知识点：offset 函数，开发工具-表单控件，名称管理器，图表数据源关联，VBA 操作单元格。

（1）offset函数

该函数是实现样例动态图的核心要素，让我们看看函数的官方提示，简单来说其 5 个参数就是：OFFSET（起始位置，向下偏移行数，向右偏移列数，向下选取行数，向右选取列数）。

 

以数据用例来说明，=OFFSET(A1,5,2,3,1) 即表示从 A1 单元格开始，下移 5 格，右移 2 格，再向下选取 3 个，注意：最后的 1 表示选择这一列而不是向右多选一列。

 

可以在编辑区选中公式按 F9 查看结果，返回了存放该区域值的数组。

 

据此，可以预想动态图需要用到的数据，就是用 OFFSET 返回的区域作为折线图的系列值。

（2）开发工具-表单控件

但如果想要动态地修改 OFFSET 返回区域，还需要将其偏移、选取相关的参数绑定到单元格，通过修改单元格的值，来修改函数内部参数。故先设置 F2 、G2 两个单元格分别为下移量和下取量，起始位置选择 C1 即可，如此选取日产能值时就无需右移和右取。

 

要手动输入来修改单元格的值也很麻烦，这时就要来到开发工具菜单栏（若没有这项则需要在 Excel 选项中 call 出来），找到表单控件，本次笔者选用的是滑块。

 

右键滑块设置控件格式，即可通过滑块来修改单元格的值。

 

（3）名称管理器

为了便于使用，先在公式菜单栏里找到名称管理器。

 

添加一个名称为“日产能A厂”，其引用位置为 =OFFSET(Sheet1!$C$1,Sheet1!$F$2, ,Sheet1!$G$2, )，省略的两个参数默认值分别为 0 和 1，如此即可通过滑块调整获得日产能值的区域。

 

同理添加“SSS能源”和“XX重工”的引用，注意：后面两个的 OFFSET 起始位参数是不一样的，分别是 C501 和 C125 单元格，如此操作的原因可以通过观察原始数据得知。

 

再添加一个日期段，用作折线图的X轴

 

（4）图表数据源关联

最后设置图表和数据的关联，先插入一个空的折线图。

 

右键选择数据，添加Y轴数据。

 

例如A厂的数据，在系列之处填写之前设置的名称，SSS能源和XX重工同理。

 

在右侧水平轴标签编辑X轴，填写之前设置的名称。

 

此时已经可以通过操作滑块来实现动态修改折线图的效果。

 

如果想以每 7 天为一个周期，查看每个周期的数据，还可以设置起始日滑块的步长为 7，然后修改跨度当前值为 7 。

 

之后操作起始日滑块效果见下图。

 

（5）VBA操作单元格

如果想要像效果预览图中那样自动播放该怎么做呢？答案是使用 VBA 。再从表单控件中选择一个按钮，右键该按钮后选择指定宏，点击新建，开始编辑 VBA 代码。

 

点击按钮运行代码，便可实现 G2 单元格从 1 开始自增，Do While 段的作用是暂停 0.1 秒并执行其他操作（折线图随 G2 值的变动而变动）。

至此，Excel 动态图完成！

 

 

Python动态图实现

P版样例图的实现见以下代码，具体可参考笔者的另一篇《程序员的求生欲：用python给女友一个七夕惊喜二维码吧》，其中以动态条形图为例，详细说明了制图思路和完整的实现过程（以及其他加料技巧）。

import matplotlib.pyplot as plt
import matplotlib.animation as ani
import pandas as pd
import datetime
df = pd.read_excel(r"D:动态折线图数据样例.xlsx")  # 读取原始数据
t = datetime.datetime(2020,7,1) # 起始日期
fig = plt.figure(figsize=(10,6))  # 画布
plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"] # 字体设为微软雅黑
timeSlot = list(range(1,63)) + [62]*20  # 时间轴
items = ["A厂", "SSS能源", "XX重工"]  # 单位列表
colors = ["#6495ED", "#FF8C00", "#B0C4DE"] # 颜色列表
def draw(date):
# 数据处理 ------
    date_list = []  # 需绘制的日期段
for d in range(date):
        date_list.append(t + datetime.timedelta(days=d))
    current_date = t + datetime.timedelta(days=date)  # 最新一天
    _df = df[df["日期"]<current_date ]  # 获取最新一天前所有数据
# 绘制折线图 ------
    fig.clear()  # 每次重绘时清空画布
    plt.title("0701-0831各单位产能变化", fontsize=20)  # 标题
    ax = plt.gca()  # 坐标轴对象
    ax.spines["right"].set_color("none")  # 隐藏右边框
    ax.spines["top"].set_color("none")  # 隐藏上边框
for i,v in enumerate(items):
        data = _df[_df["单位"] == v]["日产能"]  # 获取某单位某日产能值
        plt.plot(date_list, data , color=colors[i])  # 绘制折线
        plt.plot(date_list[-1], list(data)[-1], color=colors[i], marker="o", markersize = 10)  # 设置最后一个节点样式
        plt.text(date_list[-1], list(data)[-1] + 1, v, ha="center", va="bottom", fontsize=12)  # 为最后一个节点添加数据标签
# draw(62)
animator = ani.FuncAnimation(fig, draw, frames=timeSlot ,interval = 50)
plt.show()
# animator.save("test.gif",fps=20)

结果：

 

小结

通过本次比较可见，两者均能实现相同的需求。Python 在生成结果的细节调整上会更加便利，并且可以直接输出 Gif 图保存，但图像文件较大；而 Excel 在对原数据进行调整时会更快捷，而且在演示时也可以单步查看，还含有炫技成分（人不装 B枉少年）。

Excel 不仅能做动态图，在日常使用中还是有许多便利之处的。工具是多样的，还是应根据实际情况选择使用。

不知各位是 Excel Exciting！还是 Python 真香！或者是XXX天下第一呢？

以上是 Excel的数据可视化和Python的有什么不同？ 的全部内容， 来源链接： utcz.com/z/530513.html

回到顶部