### Jupyter Notebook 可视化大屏开发的源代码示例 以下是一个完整的示例，展示如何在 Jupyter Notebook 中实现数据可视化大屏开发。该示例使用了 `matplotlib` 和 `seaborn` 等流行的 Python 数据可视化库[^1]。 ```python # 导入必要的库 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 设置图表样式 plt.style.use('dark_background') # 使用深色背景以模拟大屏效果 sns.set_style("whitegrid") # 添加网格线 # 创建虚拟数据集 data = { 'Country': ['USA', 'Brazil', 'India', 'Russia', 'UK', 'France', 'Germany', 'Italy', 'Spain', 'Canada'], 'Cases': [100000, 80000, 70000, 60000, 50000, 40000, 30000, 20000, 15000, 10000], 'Deaths': [2000, 1500, 1000, 800, 700, 600, 500, 400, 300, 200] } df = pd.DataFrame(data) # 绘制柱状图：显示确诊病例数量 plt.figure(figsize=(12, 6)) sns.barplot(x='Country', y='Cases', data=df, palette='coolwarm') plt.title('Top 10 Countries by Confirmed Cases', fontsize=16, color='white') plt.xlabel('Country', fontsize=14, color='white') plt.ylabel('Confirmed Cases', fontsize=14, color='white') plt.xticks(rotation=45, color='white') plt.yticks(color='white') plt.tight_layout() plt.show() # 绘制折线图：显示死亡人数趋势 plt.figure(figsize=(12, 6)) sns.lineplot(data=df['Deaths'], marker='o', color='red') plt.title('Top 10 Countries by Deaths', fontsize=16, color='white') plt.xlabel('Country Index', fontsize=14, color='white') plt.ylabel('Deaths', fontsize=14, color='white') plt.xticks(ticks=range(len(df)), labels=df['Country'], rotation=45, color='white') plt.yticks(color='white') plt.tight_layout() plt.show() # 绘制饼图：显示死亡人数占比 plt.figure(figsize=(8, 8)) plt.pie(df['Deaths'], labels=df['Country'], autopct='%1.1f%%', startangle=90, colors=sns.color_palette('pastel')) plt.title('Deaths Percentage by Country', fontsize=16, color='white') plt.tight_layout() plt.show() ``` 上述代码展示了如何在 Jupyter Notebook 中创建一个简单的可视化大屏。它包括柱状图、折线图和饼图三种常见图表类型，分别用于展示确诊病例数量、死亡人数趋势以及死亡人数占比[^2]。 此外，Jupyter Notebook 的灵活性还允许用户通过 Docker 容器运行环境，并支持多种编程语言内核（如 Java、Go、C# 等），从而扩展其功能[^3]。 ###