运行import pandas as pd from pyecharts import options as opts from pyecharts.charts import Line # 读取 Excel 文件并指定列 df = pd.read_excel('所有评论数据(1).xlsx', usecols=[1], engine='openpyxl') # 对数据进行抽样或分组，例如每隔100条数据取一个样本 sampled_df = df.iloc[::100, :] # 创建 Line 图表 line_chart = Line(init_opts=opts.InitOpts(width="1500px", height="700px", )) # 添加数据 x_data = range(len(sampled_df)) # 保留两位小数 y_data = [round(value, 2) for value in sampled_df.iloc[:, 0].tolist()] #line_chart.add_xaxis(x_data) line_chart.add_xaxis(xaxis_data=x_data) # 修改此处，将 x_data 作为 xaxis_data 参数传入 line_chart.add_yaxis("情感倾向", y_data, is_smooth=True, symbol="circle", symbol_size=6) # 设置图表标题和坐标轴标签 line_chart.set_global_opts( title_opts=opts.TitleOpts(title="情感倾向动态图"), xaxis_opts=opts.AxisOpts(name="时间"), yaxis_opts=opts.AxisOpts(name="情感倾向"), ) # 生成 HTML 文件并在浏览器中打开 line_chart.render("3_情感倾向图.html")

生成个性化、美观的可视化大屏网页需要结合多种技术和工具，以下是详细的步骤及建议： --- ### **1. 设计整体布局** - 使用 `pyecharts` 提供的 `Page` 类构建整个页面，并设置合理的标题和拖拽模式。 - 可通过 `add_js_funcs()` 自定义 CSS 样式或 JavaScript 功能来美化界面。 **示例代码改进：** ```python page = Page( page_title="基于Python的豆瓣音乐数据分析与可视化", layout=Page.SimplePageLayout, # 或者选择 SimplePageLayout 进行自适应排版 ) # 定义背景样式 page.add_js_funcs(""" document.body.style.backgroundColor = '#2c3e50'; // 背景颜色改为深色主题 """) ``` --- ### **2. 增强图表效果** #### (1) 折线图优化： 可以添加更多交互功能，例如高亮显示、动态加载等。 **改进建议：** - 修改线条颜色为主题色调（如绿色或橙色），使其更醒目； - 开启平滑曲线 (`is_smooth`) 和标记点标注关键值。 修改后的折线图部分代码如下： ```python line = ( Line(init_opts=opts.InitOpts(bg_color="#2c3e50", width="1600px", height="800px")) .add_xaxis(years) .add_yaxis( series_name="歌曲发行数量", y_axis=counts, is_smooth=True, # 平滑曲线 label_opts=opts.LabelOpts(color="white"), # 文本颜色设为白色 markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]), # 显示最大值点 ) .set_global_opts( title_opts=opts.TitleOpts(title="每年歌曲发行数量统计", pos_top="1%", pos_left="center"), legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="white")), tooltip_opts=opts.TooltipOpts(trigger="item"), toolbox_opts=opts.ToolboxOpts(is_show=True), # 工具栏选项开启 ) ) ``` #### (2) 表格设计： 如果想展示详细数据表，则推荐直接嵌入 HTML `<table>` 元素并通过 `Table` 配置列宽比例。 样例函数如下： ```python from pyecharts.commons.utils import JsCode def generate_table(): table_data = [ ["Year", "Count"], [2019, 100], [2020, 200], ... # 添加实际查询结果填充内容 ] headers = table_data[0] rows = table_data[1:] table_component = Table() table_component.add(headers, rows).set_global_opts( title_opts=ComponentTitleOpts(title="表格数据概览") ).render_embed() # 返回纯HTML字符串 return table_component ``` 将其插入到现有页签里即可。 --- ### **3. 整合其他组件提升吸引力** 除了已有的折线图外，还可以补充饼状图、柱形图等形式展现更多信息维度，比如各地区用户占比分析、关键词云热力分布等等... 例子——创建词频统计 + 关键字云图像模块： ```python def wordcloud_chart(): query = "SELECT intro FROM t_music LIMIT 50" intros_df = pd.read_sql(query, con=engine)['intro'] all_text = ''.join(map(str.strip,intros_df)) seg_list = jieba.lcut(all_text.replace('\n',' ').replace(' ','')) # 分词处理 c = Counter(seg_list) words_and_counts = [{"name": w,"value": v} for w,v in dict(c.most_common()).items()] wc = WordCloud(width="1400px",height="700px").add(series_name="",data_pair=words_and_counts, word_size_range=[20,100]).set_global_opts( title_opts=opts.TitleOpts(title="歌词高频词汇词云图") ) return wc ``` 随后将该段落附加至最终呈现列表内: ```python page.add(... ,wordcloud_chart()) ``` --- ### **4. 发布上线** 最后一步就是把本地调试完成的作品部署出去让更多人访问啦！可通过 Flask/Django 构建简易服务器发布静态资源；亦或是借助在线托管服务 GitHub Pages/AWS S3 实现免运维维护操作~ 完整流程总结下来包括但不限于以下几个要点： 1. 数据采集清洗加工阶段 -> SQL 查询语句编写+Pandas DataFrame 操作技巧学习掌握。 2. 图像渲染制作阶段 -> PyEcharts API 的熟悉程度至关重要。 3. 页面定制化调整阶段 -> 结合前端知识丰富用户体验度。 希望对你有所帮助！ ---

这个错误通常是由于没有找到所需的列名或行数不够导致的。请确保以下两点： 1. 文件路径正确，确保文件可以正确读取 2. DataFrame 中包含所需的列名 您可以通过在代码中添加一些 `print` 语句来进行调试，以找出问题所在。例如，在 `df` 的创建后，您可以添加下面这行代码来查看 DataFrame 中是否包含所需的列名： ``` print(df.columns) ``` 或者您可以在读取 excel 文件之后添加下面这行代码来查看 DataFrame 的行数： ``` print(df.shape[0]) ``` 希望这可以帮助您找出问题所在。