可视化库----Matplotlib+Pyecharts 高级篇及应用

最新推荐文章于 2024-05-29 18:40:47 发布
最新推荐文章于 2024-05-29 18:40:47 发布
阅读量5.7k 收藏 50
点赞数 3
分类专栏： matpltlib 文章标签： pyecharts
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Sakura55/article/details/80839306
版权

文章目录

地图显示问题的处理办法

Map的地图显示有问题，进入网页，点击目录的地图显示设置，拉到pip安装全部装一次就行了

pyecharts官网

http://pyecharts.org/#/zh-cn/datasets

最新Echarts动态可视化网站

https://www.echartsjs.com/index.html

1、柱状图

import pyecharts
from pyecharts import Bar
bar = Bar("我的第一个图表", "这里是副标题")
#pyecharts先定义，再进行展示
bar.add("服装",                                               #标注
        ["衬衫", "羊毛衫", "雪纺衫","裤子", "高跟鞋", "袜子"],#x轴数据
        [5, 20, 36, 10, 75, 90])                              #y轴数据
#将图渲染输出到html文件中
# bar.render()  #不传参，则默认到当前文件夹下

2、多功能展示的柱状图

import pyecharts
from pyecharts import Bar

bar = Bar("我的第一个图表", "副标题")
#pyecharts先定义，再进行展示
bar.add("服装",                                               #标注
        ["衬衫", "羊毛衫", "雪纺衫","裤子", "高跟鞋", "袜子"],#x轴数据
        [5, 20, 36, 10, 75, 90],#y轴数据
       is_more_utils=True)         #是否显示最右侧的工具栏                    
#将图渲染输出到html文件中
# bar.render()  #不传参，则默认到当前文件夹下
bar.show_config() #显示js文件
bar.render("hahaha.html")
bar
'''
is_more_utils=True         #是否显示最右侧的工具栏
'''

这里写图片描述

3、根据柱状图绘制堆积图

import pyecharts
from pyecharts import Bar
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
bar = Bar("柱状图数据堆叠示例")
bar.add("商家A", attr, v1, is_stack=True)
bar.add("商家B", attr, v2, is_stack=True)  #是否堆叠
bar.show_config()
bar.render('柱状堆积图2323.html')

'''
is_stack=True)  #是否堆叠
'''

#为柱形图加标注点
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
markbar = Bar("柱状图数据堆叠示例")
markbar.add("商家A", attr, v1,mark_point=["average"])  #显示平均值
markbar.add("商家B", attr, v2,mark_line=["min", "max"])#显示最大/小的线

markbar.render('柱状标注.html')

'''
mark_line=["min", "max"])#显示最大/小的线
mark_point=["average"])  #显示平均值
'''

这里写图片描述

4、条形图

import pyecharts
from pyecharts import Bar
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋",
"袜子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
bar = Bar("x 轴和 y 轴交换")
bar.add("商家A", attr, v1)
bar.add("商家B", attr, v2, is_convert=True)
bar.render('条形图.html')

这里写图片描述

5、折线图

from pyecharts import Line
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋",
"袜子"]
v1 = [5, 20, 36, 10, 10, 100]
v2 = [55, 60, 16, 20, 15, 80]
line = Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average"])
line.add("商家B", attr, v2, is_smooth=True,  #是否以平滑的曲线相连
         mark_line=["max", "average"])
line.render('折线图.html')
line
'''
mark_line=["max", "average"]  #画线
mark_point=["average"]  #画点
s_smooth=True  #是否以平滑的曲线相连
'''

#修改标注点的形状和文字的字体颜色
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 10, 100]
v2 = [55, 60, 16, 20, 15, 80]
line = Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average","max", "min"],#给定标注点
             mark_point_symbol='diamond',  ###标注点的形状（钻石）
             mark_point_textcolor='#40ff27')  #设置字体的颜色
line.add("商家B", attr, v2, mark_point=["average","max", "min"],
            mark_point_symbol='arrow',#
            mark_point_symbolsize=24#########标注点的大小
         ,is_smooth=True)  ############是否平滑
line.render('进阶的折线图.html')

'''
mark_point=["average","max", "min"],#给定标注点
mark_point_symbolsize=24#########标注点的大小
 mark_point_symbol='diamond',  ###标注点的形状（钻石）
 mark_point_textcolor='#40ff27')  #设置字体的颜色
'''





attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 10, 100]
v2 = [55, 60, 16, 20, 15, 80]
line = Line("折线图-面积图示例")
line.add("商家A", attr, v1, is_fill=True,
            line_opacity=0.2,####线条的透明度
            area_opacity=0.4, #区域透明度
             is_symbol=None)
line.add("商家B", attr, v2, is_fill=True,#是否填充颜色
        area_color='#000',#为区域填充颜色
        area_opacity=0.3, #区域不透明度
         is_smooth=True)############是否平滑
line.render('进阶的折线2.html')


'''

is_fill=True,                 #是否填充颜色
area_color='#000',            #为区域填充颜色
area_opacity=0.3,             #区域不透明度
is_smooth=True)               #是否平滑
'''

这里写图片描述

6、饼图

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [11, 12, 13, 10, 10, 10]
pie = Pie("饼图示例")
pie.add("", attr, v1, is_label_show=True) #是否显示每个标签
pie.render('饼图.html')

'''
is_label_show=True)        #是否显示每个标签
'''

这里写图片描述

7、饼图-2（甜甜圈）

#################甜甜圈
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [11, 12, 13, 10, 10, 10]
pie = Pie("饼图-圆环图示例",
            title_pos='center') #标题的位置
pie.add("", attr, v1, radius=[40, 75],
        label_text_color=None,  #标签字体的颜色
        is_label_show=True,#是否显示标签
        legend_orient='vertical',#图例展开的方向  ，这里的是垂直
        legend_pos='left')  #图例所在的位置
pie.render('甜甜圈.html')

'''
label_text_color=None,      #标签字体的颜色
radius=[40, 75]             #环形的大小半径
legend_orient='vertical',   #图例展开的方向  ，这里的是垂直
legend_pos='left')          #图例所在的位置
'''

这里写图片描述

8、散点图

from pyecharts import Scatter
v1 = [10, 20, 30, 40, 50, 60]
v2 = [10, 20, 30, 40, 50, 60]
scatter = Scatter("散点图示例")
scatter.add("A", v1, v2)
scatter.add("B", v1[::-1], v2)
scatter.render('散点图.html')

v1 = [10, 20, 30, 40, 50, 60]
v2 = [10, 20, 30, 40, 50, 60]
scatter = Scatter("散点图示例")
scatter.add("A", v1, v2)
scatter.add("B", v1[::-1], v2, 
            is_visualmap=True,#是否显示滑块
            visual_type='size',###设置大小自身的大小
            visual_range_size=[20, 80])  #滑块的范围
scatter.render('进阶的散点图.html')



'''
is_visualmap=True,             #是否显示滑块
visual_type='size',##          #设置大小自身的大小
visual_range_size=[20, 80])  #滑块的范围
'''

这里写图片描述

9、地图

###############中国地图
from pyecharts import Map

value = [155, 10, 66, 78] 
attr = ["上海", "江苏", "浙江", "北京"]
map = Map("全国地图示例", width=500,height=360)  #设置大小
map.add("", attr, value, maptype='china')  #导入的国家
map.render('中国地图-点.html')
value = [17, 10, 66, 78]
attr = ["泰州市", "无锡市", "南通市", "苏州市"]
map = Map("全国地图示例", width=500,
height=360)




map.add("", attr, value, maptype='江苏',
        is_visualmap=True,  #左边滑块的颜色调节
        visual_text_color='#000',#显示文本的颜色
        is_label_show=True)  #显示标签
map.render('江苏省地图.html')


value = [20, 190, 253, 77, 65]
attr = ['汕头市', '汕尾市', '揭阳市', '阳江市', '肇庆市']
map = Map("广东地图示例", width=1200,
height=600)
map.add("", attr, value, maptype='广东',
        is_visualmap=True,  #左边滑块的颜色调节
        visual_text_color='#000',#显示文本的颜色
        is_label_show=True)  #显示标签
map.render('广东省地图.html')



value = [155, 10, 66, 78]
attr = ["崇明区", "金山区", "嘉定区", "普陀区"]
map = Map("全国地图示例", width=500,
height=360)
map.add("", attr, value, maptype='上海',
        is_visualmap=True,  #左边滑块的颜色调节
        visual_text_color='#000',#显示文本的颜色
        is_label_show=True)  #显示标签
map.render('上海省地图.html')

这里写图片描述

10、词云

from pyecharts import WordCloud
name = ['我好帅','真的，信不信','反正我信了','帅哥！！！',"天哪","我未来的老婆",
        '肯定很美','带着她遛狗','吃饭', '看电影',
        'Pitch Perfect', 'Express',
        'Home', 'Johnny Depp','Lena Dunham', 'Lewis Hamilton',
        'KXAN', 'Mary Ellenk', 'Farrah Abraham','Rita Ora', 
        'Serena Williams', 'NCAA baseball tournament',
        'Point Break']
value = [########################递减的
10000, 6181, 4386, 4055,3094, 2467, 2244, 1898,1790,1484, 1112,
965, 847,780, 582, 555, 550, 462, 366, 360, 282, 273, 265]
wordcloud = WordCloud(width=1300, height=620)  #板块
wordcloud.add("", name, value, 
              word_size_range=[20, 100])#单词大小区间范围
wordcloud.render("词云.html")

这里写图片描述

11、折线动态图

##################折线动态叠加图
from pyecharts import Line, EffectScatter, Overlap
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 10, 100]
line = Line("line - es 示例")
line.add("", attr, v1, is_random=True)
es = EffectScatter()  #闪点
es.add("", attr, v1, effect_scale=8)  #闪点的大小
overlap = Overlap()
overlap.add(line)
overlap.add(es)
overlap.render('折线动态叠加图.html')



attr = ['A', 'B', 'C', 'D', 'E', 'F']
v1 = [10, 20, 30, 40, 50, 60]
v2 = [38, 28, 58, 48, 78, 68]
bar = Bar("Line - Bar 示例")
bar.add("bar", attr, v1)
line = Line()
line.add("line", attr, v2)
overlap = Overlap()
overlap.add(bar)
overlap.add(line)
overlap.render('多个图放一起.html')

这里写图片描述

sakura小樱
关注
  • 3
    点赞
  • 踩
  • 50
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据可视化 -- matplotlib与pyecharts的使用
XiYue
12-16 2664
matplotlib：https://www.matplotlib.org.cn/ pyecharts：https://pyecharts.org/#/zh-cn/intro 折线图 一周温度变化折线图 matplotlib import matplotlib.pyplot as plt # 设置字体 plt.rcParams["font.sans-serif"] = ["SimHei"] # 生成温度数据 values = [10, 30, 25, 30, 40, 30, 27] label =
Matplotlib扩展篇-Pyecharts
qq_42379006的博客
06-27 1928
Pyecharts 简介 pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，pyecharts 是为了与 Python进行对接，方便在 Python 中直接使用数据生成图。 Pyecharts官网链接 GitHub链接 Pyecharts 通用配置项 代码演示： ...
Python-数据可视化：matplotlib模块、pyecharts模块
u011079613的博客
06-13 2614
>返回Python系列文章目录
pyecharts与matplotlib在使用时的区别和优缺点对比
热门推荐
qq_57099024的博客
02-09 1万+
简介 pyecharts（以下简介来源于官网） echarts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。 简洁的 API 设计，使用如丝滑般流畅，支持链式调用 囊括了 30+ 种常见图表，应有尽有 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab 可轻松集成至 Flask，Django 等.
❤【纯干货】Matplotlib总结，任何项目都用得到呦❤
最新发布
m0_61249789的博客
05-29 1109
总的来说，Matplotlib 是一个强大而灵活的 Python 数据可视化工具，可用于创建各种类型的图表，帮助用户更好地理解和呈现数据。如果你需要在数据分析和可视化中使用 Python，Matplotlib 是一个不可或缺的工具之一。
echarts 3D省市区域地图 + 2D的曲线+2D的label提示框 + 2D 的涟漪
TTianYe的博客
12-07 1118
echarts 3D省市区域地图 + 2D的曲线+2D的label提示框 + 2D 的涟漪。 缺点：引出线（虚线）和提示框 ，以及 涟漪是2D 的，所以地图是不能旋转和缩放的，否则就会乱套。
【Python】数据分析：如何使用matplotlib和pyecharts制作南丁格尔玫瑰图
黎明总是如期而至
12-11 6959
玫瑰图是弗罗伦斯·南丁格尔所发明的。又名为极坐标面积图，是一种圆形的直方图。南丁格尔自己常昵称这类图为鸡冠花图(coxcomb)，适用于绘制比较、随时间变化的循环现象。和传统的饼图展示形式单一相比，南丁格尔玫瑰图更加绚丽，给人的感觉更直观、深刻，因此，南丁格尔玫瑰图在数据可视化领域的应用十分广泛。文章介绍如何使用python制作玫瑰图，提供了2中方式：pyecharts生成html和matplotlib生成png。
python的数据可视化库 matplotlib 和 pyecharts
Vincent_ceso的博客
07-25 8213
Matplotlib大家都很熟悉    不谈。 ------------------------------------------------------------------------------------------------------------- Echarts是百度出的很有名  也很叼。 以前操练过很多次。。 Echarts 是百度开源的一个数据可视化 JS 库
Python + Flask + PyEcharts +plotly+seaborn 的自动数据可视化平台
02-16
标题中的“Python + Flask + PyEcharts +plotly+seaborn 的自动数据可视化平台”指的是一项利用Python编程语言，结合Flask框架、PyEcharts、Plotly和Seaborn库来创建一个自动化数据可视化的项目。这个平台能够帮助...
Python数据可视化实战-教学大纲.pdf
10-14
通过本课程的学习，使学生学会使用 Python 可视化库 Matplotlib、seaborn、pyecharts 进行数据可视化的主要方法，并详细拆解学习三个企业案例：广电大数据可视化项目实战、新零售智能销售数据可视化实战、基于 TipDM...
Python数据可视化实战-教学进度表.docx
10-14
Python 数据可视化实战教学进度表旨在帮助学生掌握使用 Python 可视化库：Matplotlib、Seaborn、Pyecharts 等进行数据可视化的主要方法，并在广播电视大数据可视化项目实战、新零售智能销售数据可视化实战等三个企业...
用matplotlib和pyecharts实现对疫情数据可视化（持续更新）
12-21
最近呢，接到一个项目： 项目内容： 1.利用Python编写爬虫程序，爬取https://ncov.dxy.cn/ncovh5/view/pneumonia页面中当天的“疫情数据”并保存到本地 2.根据爬取的数据可视化展示 项目实现 很显然，该项目分为两个部分： 使用爬虫获取数据（request,beautifulsoup,pyquery……） 进行数据可视化（pyecharts，matplotlib……） 我们进入该网址使用快捷键F12浏览源代码 经过漫长的寻找我们找到了所需要的数据： 经过整理，我们发现它的数据是这样的： [{{“provinceName”:“黑龙江省”,“provin
Python数据可视化之Matplotlib与Pyecharts.pptx
11-04
序 言 1.1 大数据时代的技术挑战 1.2 数据可视化的技术难点 1.3 可视化工具的必备特性 第一部分：大数据可视化基础篇 2.1 集群的安装及网络配置 2.1.1 Hadoop集群概述 2.1.2 集群软件及其版本 2.1.3 集群网络环境配置 2.2 集群案例数据集简介 2.2.1 数据字段说明 2.2.2 数据导入说明 2.2.3 运行环境说明
Python数据分析与可视化-电子教案.pdf
06-12
通过本课程的学习，学生将掌握Python语言基础，熟悉各种Python扩展库，尤其是Numpy、Pandas、Matplotlib、Seaborn、pyecharts、Scipy和Scikit-learn等在数据分析和可视化中的应用。 教学的重点在于理解和运用数据...
Python数据可视化之Matplotlib与Pyecharts参数详解
qq_742234984的博客
11-04 3909
Python数据可视化之Matplotlib与Pyecharts.pptx
【python绘图】matplotlib+seaborn+pyecharts学习过程中遇到的好看的绘图技巧（超实用！）（持续更新中！）
网瘾中心呼唤爱的博客
03-14 2642
一直以来对matplotlib以及seaborn的学习都停留在复制与粘贴与调参，因此下定决心整理一套适合自己的绘图模板以及匹配特定的应用场景，便于自己的查找与更新**>目的：抛弃繁杂的参数设置学习，直接看齐优秀的模板.。扇形图，散点图，roc曲线
matplotlib进阶03--PyEcharts操作
平原的博客
06-28 846
官网链接：http://pyecharts.org/#/zh-cn/charts? 工具：jupyter python环境：python3 安装库： pip install pyecharts 还需要安装第三方库： pip install echarts-countries-pypkg pip install echarts-china-provinces-pypkg pip in...
Matplotlib、seaborn、pyecharts数据可视化基础实训
c9_0019的博客
06-19 2770
为了解学生考试总成绩的分布情况，将总成绩分成0~150、150~200、200~250、250~300区间分为“不及格”“及格“”良好“”优秀“4个等级，通过绘制饼图查看各区间学生人数比例，并通过绘制箱线图查看学生3项单科成绩的分布情况。为了了解学生自我效能感、考试课程准备情况这两个特征与总成绩之间是否存在某些关系，基于实训1的数据，对这两个特征下不同值所对应的学生总成绩求均值，绘制柱形图分别查看自我效能感、考试课程准备情况与总成绩的关系，并对结果进行分析。(1)掌握子图的绘制方法。
Pyechart库的基本使用
TSKxxx的博客
06-13 2090
经常有小伙伴问，如何制作数据可视化大屏？今天主要详细讲一下Pyecharts制作可视化大屏。在对数据的掌握及分析变得愈加重要的当今时代，数据可视化作为提高用户对数据的理解程度，创新架构，增进体验的重要一环，一向富有表现力的Python语言应当可以发挥更大作用，优秀的pyechart第三方库即在这样的背景下诞生。。以下是本篇文章正文内容，下面案例可供参考导入相关图表包进行图表的基础设置，创建图表对象。
python数据可视化之matplotlib与pyecharts 电子书
10-29
Python数据可视化是数据科学领域的重要环节，而matplotlib和pyecharts是两个常用的数据可视化库。 matplotlib是一个功能强大而灵活的绘图库，可以创建各种类型的图表，包括折线图、散点图、柱状图、饼图等。它基于numpy数组进行绘图，可以轻松地处理大量数据。使用matplotlib，我们可以通过简单的几行代码创建出美观而有效的图表，并可以对图表的各个元素进行定制，如颜色、标签、坐标轴等。此外，matplotlib还支持将图表保存为多种格式，包括图片和PDF。 而pyecharts是一个基于echarts的Python库，它提供了一种更为高级和便捷的方式来创建交互式数据可视化。echarts是一款流行的JavaScript可视化库， 包含多种类型的图表，如折线图、散点图、柱状图、雷达图等，而pyecharts则是将echarts的功能封装在Python中，使得开发人员无需掌握JavaScript，就能够创建出强大的交互式图表。pyecharts提供了一套易用的API，通过简洁的代码可以实现复杂的数据可视化需求。另外，pyecharts也支持将图表导出为HTML、图片或PDF格式。 总而言之，matplotlib和pyecharts是两个非常有用的数据可视化工具，它们分别提供了不同的绘图方式和功能。如果需要创建静态图表，并对其进行更加精细的控制，可以选择使用matplotlib；而如果希望创建交互式的图表，并且对绘图过程更为简便，可以考虑使用pyecharts。同时，学习并掌握这两个库，将有助于我们更好地进行数据分析与可视化工作。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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