Pyecharts学习笔记(一)基础作图、配置项、主题

 此专栏文章均是记录自己小菜鸟一枚的学习笔记,如果哪里有不对的,还希望大佬们多多指正,感谢!!!感谢!!!我主要的学习资料是官方的文档:pyecharts - A Python Echarts Plotting Library built with love.

用的环境是jupyternotebook。

1.基础作图

我们先看一个简单例子,通过这个来进一步学习。

 1.1基础语句

bar.add_xaxis(参数1)                               添加x轴数据

参数1:横坐标上的数据

bar.add_yaxis(参数1,参数2)                  添加y轴数据
参数1:图例的名字
参数2:纵坐标上的数据
bar.render( "文件名字.html" )                 最终生成html文件,html文件与这个文件在同一目录下
bar.render_notebook()                           用来在nootbook中直接展示图形
Faker.choose()                                        随机生成7个结果
Faker.values()                                         随机生成7个数

1.2链式调用

我们继续用刚才的例子,后续的代码因为篇幅原因

注意:这里的时候,我因为自己有稍微强迫症的原因,自己手动改了格式,却发现是不可以运行出结果的,果然,链式就是要一条链下去。😅

1.3警告的处理

在jupyternotebook运行中会生成以下警告,只需要运行一行代码就可以隐藏警告。

pyecharts.globals._WarningControl.ShowWarning = False 

 这里的有部分代码前文我没有提到,下面就要开始正题啦!

2.配置项

这部分学习的时候,我刚开始的时候毫无头绪,不知道从哪里下手,但是,后面我自己敲代码后,自己去调试,思路就清晰很多了,哦对,具体的配置参数需要参考官方文档,很详细且明了。

配置分为全局配置和系列配置。

2.1全局配置

通过bar.set_global_opts( )方法进行配置

 注:我们需要导入pyecharts中的options模块,它提供了选项和配置,前文已经导入的库我没有再截取啦。

我实在不知道该如何用单一的文字记清楚这个笔记,就直接上我的分析思路啦,希望可以!🐤

我们需要配置标题,我们在官方文档中的全局配置中找到标题配置项

 那么我们的代码格式就应该是 title_opts=opts.TiyleOpts( ),这里的任何字母、大小写不可以改变!!

参数后的:在代码中表示为=,官方文档中有明确给出每个参数的类型,就要自己看啦。

有一些参数是这样的形式,那么我们就要在找到系列配置中的TextStyleOpts

 最终的代码格式 title_opts=opts.TiyleOpts( title_textstyle_opts=opts.TextStyleOpts( ) )

可能刚开始看,有点乱,但是继续看完,然后,自己对应敲一些代码,就明白多了!🤭

2.2系列配置

通过bar.set_series_opts( )方法进行配置

我们想进行标记点配置

结合文档和前文提到的,这里的代码应该是

markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem( ) ] )

注意data参数的类型

3.定制主题

pyecharts官方文档中有提供许多主题,这简直让我爱极了

 搞定!!这两天学习的基本作图和配置项,哦,对还有pyecharts的输入数据必须是python的基础数据,像字符串、字典、列表,最近在上数据分析的课,有需要读取csv文件画图,然后就涉及数据的转换,但我现在还不是很完全掌握,挖坑,下篇笔记填。🤫

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
好的,让我来回答你关于聚类算法的问题。 聚类算法是一种无监督学习方法,它将数据集中的对象分成若干组或者类,使得同一组内的对象之间相似度较高,而不同组之间的相似度较低。聚类算法广泛应用于数据挖掘、模式识别、图像处理、自然语言处理等领域中。 常见的聚类算法有K-Means、层次聚类、DBSCAN等。其中,K-Means算法是最常用的聚类算法之一。 K-Means算法的基本思想是:首先随机选取K个中心点(质心),然后将每个样本点归属于距离其最近的中心点所在的簇,接着重新计算每个簇的中心点,重复上述过程直到簇不再发生变化或达到预设的迭代次数。 层次聚类算法是一种基于距离的聚类算法,它将样本点视为一棵树,从下往上逐步合并相似的簇,最终形成一棵树形结构。层次聚类算法可分为自底向上的凝聚聚类和自顶向下的分裂聚类两种。自底向上的凝聚聚类从每个样本点开始,逐步合并相似的簇,最终形成一棵树形结构;自顶向下的分裂聚类从所有样本点开始,逐步将簇分裂成较小的簇,最终形成一棵树形结构。 DBSCAN算法是一种基于密度的聚类算法,它将样本点分为核心点、边界点和噪音点三类,核心点周围的样本点被划分为同一个簇,边界点则被划分到离其最近的核心点所在的簇中,而噪音点则被剔除。DBSCAN算法具有不需要预先指定聚类数、对噪音点不敏感等优点,但对于不同密度的簇,其聚类效果可能不尽如人意。 以上是聚类算法的基础知识,希望能够对你有所帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值