Pygal，可导出矢量图的Python可视化利器！

最新推荐文章于 2024-04-15 16:26:41 发布
最新推荐文章于 2024-04-15 16:26:41 发布
阅读量547 收藏 8
点赞数
文章标签： 可视化 数据可视化 svg python graphviz

Python有很多优秀的可视化库，其中有名的像matplotlib、seaborn、plotly，可以绘制出各式绚丽的图表。

这次介绍一个不那么广为人知但依然优秀的可视化库-Pygal

官网介绍说Pygal是一个性感的Python制表工具，提供了14种图表类型，可以轻松定制出版级别的交互式图表。

相比较seaborn等明星库，Pygal有哪些值得一说的优点呢？

  1. 高度可定制，而且用法简单；

  2. 图表可交互性强；

  3. 图像可导出SVG格式（矢量图形）；

  4. 与Django、Flask等Web框架高度集成；

Pygal支持哪些图表？

Pygal目前支持的图表有折线图、点图、柱状图、直方图、饼图、雷达图、箱图、气泡图、漏斗图、圆环图、仪表板、漏斗图、热力图、地图。

既可以在浏览器中直接查看图表，或集成到web中，也可以导出图表。

可以导出的格式有：SVG、PNG、Etree、64位URI

Pygal默认在jupyter notebook不显示，需要保存问svg、png等格式，浏览器打开查看，为了便于展示，做了如下设置可在jupyter notebook中展示。

import pygal
 
#设置pygal与jupyter notebook交互
from IPython.display import display, HTML
 
base_html = """
<!DOCTYPE html>
<html>
  <head>
  <script type="text/javascript" src="http://kozea.github.com/pygal.js/javascripts/svg.jquery.js"></script>
  <script type="text/javascript" src="https://kozea.github.io/pygal.js/2.0.x/pygal-tooltips.min.js""></script>
  </head>
  <body>
    <figure>
      {rendered_chart}
    </figure>
  </body>
</html>
"""

安装并导入Pygal

使用pip或者conda进行安装，在命令行输入：

pip install pygal

几秒钟便可安装完成。

安装好后，导入Pygal：

import pygal      

这里用的是Jupyter Notebook环境，好了，接下来正式绘图。

绘图步骤

Pygal的用法非常简单，主要分三步：

  1. 生成图表对象

  2. 导入数据

  3. 导出图像

这里简单绘制一个柱状图：

# 导入pygal库
import pygal  

# 创建柱状图对象
bar_chart = pygal.Bar() 

# 图表命名
bar_chart.title = 'NBA历史得分前五球星数据'

# 添加数据
bar_chart.add('贾巴尔', 38387) 
bar_chart.add('马龙', 36928) 
bar_chart.add('詹姆斯', 34384) 
bar_chart.add('科比', 33643) 
bar_chart.add('乔丹', 32292) 

# 在浏览器中查看
bar_chart.render_in_browser()

# 导出为矢量图形
bar_chart.render_to_file('NBA.svg') 

常见图形

  1. 折线图

line_chart = pygal.Line()
line_chart.title = 'Browser usage evolution (in %)'
# 添加x轴标签
line_chart.x_labels = map(str, range(2002, 2013))
# 传入数据
line_chart.add('Firefox', [None, None,    0, 16.6,   25,   31, 36.4, 45.5, 46.3, 42.8, 37.1])
line_chart.add('Chrome',  [None, None, None, None, None, None,    0,  3.9, 10.8, 23.8, 35.3])
line_chart.add('IE',      [85.8, 84.6, 84.7, 74.5,   66, 58.6, 54.7, 44.8, 36.2, 26.6, 20.1])
line_chart.add('Others',  [14.2, 15.4, 15.3,  8.9,    9, 10.4,  8.9,  5.8,  6.7,  6.8,  7.5])

#图片渲染
HTML(base_html.format(rendered_chart=line_chart.render(is_unicode=True)))

  1. 柱状图

line_chart = pygal.HorizontalBar()
line_chart.title = 'Browser usage in February 2012 (in %)'
line_chart.add('IE', 19.5)
line_chart.add('Firefox', 36.6)
line_chart.add('Chrome', 36.3)
line_chart.add('Safari', 4.5)
line_chart.add('Opera', 2.3)

#图片渲染
HTML(base_html.format(rendered_chart=line_chart.render(is_unicode=True)))

  1. 饼图

pie_chart = pygal.Pie()
pie_chart.title = 'Browser usage by version in February 2012 (in %)'
pie_chart.add('IE', [5.7, 10.2, 2.6, 1])
pie_chart.add('Firefox', [.6, 16.8, 7.4, 2.2, 1.2, 1, 1, 1.1, 4.3, 1])
pie_chart.add('Chrome', [.3, .9, 17.1, 15.3, .6, .5, 1.6])
pie_chart.add('Safari', [4.4, .1])
pie_chart.add('Opera', [.1, 1.6, .1, .5])

#图片渲染
HTML(base_html.format(rendered_chart=pie_chart.render(is_unicode=True)))

  1. 环形图

pie_chart = pygal.Pie(inner_radius=.4)
pie_chart.title = 'Browser usage in February 2012 (in %)'
pie_chart.add('IE', 19.5)
pie_chart.add('Firefox', 36.6)
pie_chart.add('Chrome', 36.3)
pie_chart.add('Safari', 4.5)
pie_chart.add('Opera', 2.3)

#图片渲染
HTML(base_html.format(rendered_chart=pie_chart.render(is_unicode=True)))

  1. 雷达图

radar_chart = pygal.Radar()
radar_chart.title = 'V8 benchmark results'
radar_chart.x_labels = ['Richards', 'DeltaBlue', 'Crypto', 'RayTrace', 'EarleyBoyer', 'RegExp', 'Splay', 'NavierStokes']
radar_chart.add('Chrome', [6395, 8212, 7520, 7218, 12464, 1660, 2123, 8607])
radar_chart.add('Firefox', [7473, 8099, 11700, 2651, 6361, 1044, 3797, 9450])
radar_chart.add('Opera', [3472, 2933, 4203, 5229, 5810, 1828, 9013, 4669])
radar_chart.add('IE', [43, 41, 59, 79, 144, 136, 34, 102])
radar_chart.render()

#图片渲染
HTML(base_html.format(rendered_chart=radar_chart.render(is_unicode=True)))

  1. 箱图

box_plot = pygal.Box()
box_plot.title = 'V8 benchmark results'
box_plot.add('Chrome', [6395, 8212, 7520, 7218, 12464, 1660, 2123, 8607])
box_plot.add('Firefox', [7473, 8099, 11700, 2651, 6361, 1044, 3797, 9450])
box_plot.add('Opera', [3472, 2933, 4203, 5229, 5810, 1828, 9013, 4669])
box_plot.add('IE', [43, 41, 59, 79, 144, 136, 34, 102])

#图片渲染
HTML(base_html.format(rendered_chart=box_plot.render(is_unicode=True)))

  1. 环形图

gauge = pygal.SolidGauge(inner_radius=0.70)
percent_formatter = lambda x: '{:.10g}%'.format(x)
dollar_formatter = lambda x: '{:.10g}$'.format(x)
gauge.value_formatter = percent_formatter

gauge.add('Series 1', [{'value': 225000, 'max_value': 1275000}],
          formatter=dollar_formatter)
gauge.add('Series 2', [{'value': 110, 'max_value': 100}])
gauge.add('Series 3', [{'value': 3}])
gauge.add(
    'Series 4', [
        {'value': 51, 'max_value': 100},
        {'value': 12, 'max_value': 100}])
gauge.add('Series 5', [{'value': 79, 'max_value': 100}])
gauge.add('Series 6', 99)
gauge.add('Series 7', [{'value': 100, 'max_value': 100}])

#图片渲染
HTML(base_html.format(rendered_chart=gauge.render(is_unicode=True)))

  1. 热力图

treemap = pygal.Treemap()
treemap.title = 'Binary TreeMap'
treemap.add('A', [2, 1, 12, 4, 2, 1, 1, 3, 12, 3, 4, None, 9])
treemap.add('B', [4, 2, 5, 10, 3, 4, 2, 7, 4, -10, None, 8, 3, 1])
treemap.add('C', [3, 8, 3, 3, 5, 3, 3, 5, 4, 12])
treemap.add('D', [23, 18])
treemap.add('E', [1, 2, 1, 2, 3, 3, 1, 2, 3,
      4, 3, 1, 2, 1, 1, 1, 1, 1])
treemap.add('F', [31])
treemap.add('G', [5, 9.3, 8.1, 12, 4, 3, 2])
treemap.add('H', [12, 3, 3])

#图片渲染
HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True)))

  1. 地图

# 使用地图需先安装插件pygal_maps_world
# 在命令行输入：pip install pygal_maps_world
worldmap_chart = pygal.maps.world.World()
worldmap_chart.title = 'Some countries'
worldmap_chart.add('F countries', ['fr', 'fi'])
worldmap_chart.add('M countries', ['ma', 'mc', 'md', 'me', 'mg',
                                   'mk', 'ml', 'mm', 'mn', 'mo',
                                   'mr', 'mt', 'mu', 'mv', 'mw',
                                   'mx', 'my', 'mz'])
worldmap_chart.add('U countries', ['ua', 'ug', 'us', 'uy', 'uz'])

[图片上传中...(image.png-863dc1-1609602511392-0)]


#图片渲染
HTML(base_html.format(rendered_chart=worldmap_chart.render(is_unicode=True)))

常见参数设置

from pygal.style import LightSolarizedStyle

chart = pygal.Bar(margin_bottom=10,#图与低端距离，类似的有上下左右
                  height=450,
                  #style=NeonStyle,#设置绘图风格，pygal拥有23种style，
                  #其它style可选：'BlueStyle', 'CleanStyle', 'DarkColorizedStyle', 'DarkGreenBlueStyle', 'DarkGreenStyle', 'DarkSolarizedStyle', 'DarkStyle', 'DarkenStyle', 'DefaultStyle', 'DesaturateStyle', 'LightColorizedStyle', 'LightGreenStyle', 'LightSolarizedStyle', 'LightStyle', 'LightenStyle', 'NeonStyle', 'ParametricStyleBase', 'RedBlueStyle', 'RotateStyle', 'SaturateStyle', 'SolidColorStyle', 'Style', 'TurquoiseStyle'
                  
                  ##title设置
                  title=u'Some points', #图标题
                  x_title='X Axis',#x轴标题
                  y_title='Y Axis',#y轴标题
                  
                  ##label设置
                  show_x_labels=True,#显示x轴标签
                  x_label_rotation=20,#x轴标签倾斜角度
                  x_labels = list('ABCD'),#自定义x轴标签
                  value_formatter = lambda x: "%.2f" % x,#y轴刻度值格式化输出
                  
                  ##图例legend设置
                  show_legend=True,#开启图例
                  legend_at_bottom=True,#图例放置于底部
                  legend_at_bottom_columns=2,#图例标签显示行数
                  legend_box_size=12,#图例前箱子大小
                  
                  ##坐标轴axis设置
                  include_x_axis=True,#坐标轴开启
                  range=(0, 30),#设置y轴刻度值范围
                  
                  secondary_range=(10, 25),#第二坐标轴刻度范围
                  xrange=(0,10),#x轴刻度范围
                  
                  ##柱子上text设置
                  print_values=True,#开启柱子上文本
                  print_values_position='top',#文本位置
                  style=LightSolarizedStyle(
                  value_font_family='googlefont:Raleway',#文本字体设置
                  value_font_size=15,#大小
                  value_colors=('red','blue'),#颜色设置
                  ),
                  
                 )
#chart.x_labels = u'αβγδ'#自定义x轴刻度标签
chart.add('line 1', [5, 15, 10, 8],
          secondary=True,#开启第二坐标轴
         )
chart.add('line 2', [15, 20, 8, 11])
HTML(base_html.format(rendered_chart=chart.render(is_unicode=True)))

●40000+条内衣数据，发现了罩杯的秘密...

●10大Python数据可视化库！

欢迎长按扫码关注「数据不吹牛」
数据不吹牛
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python第十五章-数据可视化-生成数据.pdf
01-29
数据可视化 指的是通过可视化表示来探索数据， 它与数据挖掘 紧密相关， 而数据挖掘指的是使用代码来探索数据集的规律和关联。 数据集可以是用一行代码就能表示的小型数字列表， 也可以是数以吉字节的数据。 漂亮地呈现数据关乎的并非仅仅是漂亮的图片。 以引人注目的简洁方式呈现数据， 让观看者能够明白其含义， 发现数据集中原本未意识到的规律和意义。 在本章中， 你学习了： 如何生成数据集以及如何对其进行可视化； 如何使用matplotlib创建简单的图表， 以及如何使用散点图来探索随机漫步过程； 如何使用Pygal来创建直方图，以及如何使用直方图来探索同时掷两个面数不同的骰子的结果。
Python中pygal绘制雷达图代码分享
12-25
pygal的安装和简介，大家可以参阅《pip和pygal的安装实例教程》，下面看看通过pygal实现绘制雷达图代码示例。 雷达图（Radar）： import pygal radar_chart = pygal.Radar() radar_chart.title = 'V8 benchmark results' radar_chart.x_labels = ['Richards', 'DeltaBlue', 'Crypto', 'RayTrace', 'EarleyBoyer', 'RegExp', 'Splay', 'NavierStokes'] radar_chart.add('Chro
關於python中pygal的用法
12-24
詳細介紹了pygal的用法及示例，感興趣的朋友可以看一看！
python可视化
FY_2018的博客
10-12 1244
1. 库 import seaborn as sns 2.使用方法： sns.heatmap(pd.DataFrame(np.round(a,2)), annot=True, vmax=vmax,vmin = vmin, xticklabels= True, yticklabels= True, square=True, cmap="YlGnBu") 参数说明：seaborn.heatmap — seaborn 0.11.2 documentation 3. 关闭科学计算法 sns.heat.
pygal的简单应用：利用pygal库分别绘制雷达图、柱状图和折线图
遇见0和1的博客
01-04 1604
在Python中，pygal 是一个常用数据可视化的数据图库，它以面向对象的方式来创建各种数据图，而且使用 pygal 可以非常方便地生成各种格式的数据图，包括 PNG、SVG、JPG 、GIF等。使用 Pygal 也可以生成 XML etree、HTML 表格… 这次简单分享利用pygal库分别绘制雷达图、柱状图和折线图三种基本图形 先看一下三个运行效果图： 今天只讲pygal模块的简单应...
python画坐标图怎么添加图例_Python图表绘制进阶，图例和标题你真的会添加吗？一文讲透...
weixin_39705435的博客
12-21 554
在Python的图表绘制中，图例和标题是两个重要的组件，尤其在绘图区域出现多个图形时，如果这些图形不添加说明，那么对于图表受众人员来说，就会很难识别出这些图形中的主要内容，因此这就显示出了图例的重要性，因为图例可以标记每个图形所代表的内容；同样，如果想让受众人员搞清楚绘图区域中的内容所代表的意思，就需要为图表添加标题。下面咱们就详细聊聊在Python的数据可视化中，如何为图表添加图例和标题！通过前...
ax_set_title()
weixin_42594427的博客
02-12 718
ax_set_title()是一个Matplotlib函数，用于为图形设置标题。 例如： import matplotlib.pyplot as plt fig, ax = plt.subplots() ax.set_title("图形标题") 这将在图形上创建一个带有标题"图形标题"的图形。 ...
python colorbar设置label标签位置
weixin_42915923的博客
08-03 1万+
python 设置colorbar
python热力图实现
热门推荐
我的博客
10-20 2万+
目录 一、数据无量纲化处理(热力图) 1.数据无量纲化处理(仅介绍本文用到的方法):min-max归一化 2.代码展示 3.效果展示 二、皮尔斯系数相关(热力图) 1.数学知识 2.代码展示(有不懂的可以私聊) 3.seaborn.heatmap属性介绍 1）Seaborn是基于matplotlib的Python可视化库 2）参数输出(均为默认值) 3）具体介绍 （1）热力图输入数据参数 （2）热力图矩阵块颜色参数 （3）热力图矩阵块注释参数 （4）热力图矩阵块之间间隔及间隔.
matplotlib.pyplot绘图笔记
水木的编程生涯
04-25 3039
绘图基础 建议使用ax来绘图， 生成一张图的示例代码： # 方式1： f, ax = plt.subplots() # 方式2： f = plt.figure() ax = f.add_subplot() 生成两幅子图的示例代码，排列方式为一行两列： # 方式1 fig, axes=plt.subplots(nrows=1, ncols=2) # 有两幅子图，排列方式为一行两列axes是一个ndarray ax1, ax2 = axes # 方式2 fig = plt.figure() ax1 = f
Python学习之用pygal画世界地图实例
09-21
主要介绍了Python学习之用pygal画世界地图实例，具有一定借鉴价值，需要的朋友可以参考下。
Python使用API自动请求GitHub信息并使用Pygal将信息进行可视化
12-21
使用Web应用编程接口（API）自动请求网站的特定...对于喜欢的项目，GitHub用户可给它加星（star）以表示支持，本节将编写程序，自动下载GitHub上星级最高的Python项目的信息，并对这些信息进行可视化处理。 1.1、API
Python笔记----pybal支持的常见的数据图
qq_43539854的博客
07-13 246
1.Pygal数据图入门 Py gal 使用面向对象的方式来生成数据图 使用 Pygal 生成数据图的步骤大致如下 1.Pygal 数据图对象 Pygal 为不同的数据图提供了不同的类，比如柱状图使用 pygal.Bar 类，饼图使用 pygal.Pie 类，折线图使用 pygal.Line 类，等等。 2.调用数据图对象的 dd （） 方法添加数据。 3.调用 Con fig 对象的属性配置数据图 。 4.调用数据图对象的 nder_to_ xxx（）方法将数据图渲染到指定的输出节点一一此处的输出节点可
Python每日一个知识点8----批量转图片格式(png--jpg\jpg--png)
weixin_42636075的博客
03-21 374
Python批量转图片格式(png--jpg\jpg--png) python实现png转jpg python实现jpg转png
python画矢量图_python数据可视化：pygal模块绘制矢量图
weixin_39640195的博客
11-26 519
Python 的两个主流数据可视化包，Matplotlib 和 Pygal。Pygal 一个简单易用的数据图库，它以面向对象的方式来创建各种数据图，而且使用 Pygal 可以非常方便地生成各种格式的数据图，包括 PNG、SVG 等。相对比Matplotlib 要简单一点。下面直接放代码和效果图：# -*- encoding: utf-8 -*-import pygal#Pie（）绘制饼状图pie=...
python实现图像 webp格式转换为jpg,bmp,tif,png等格式（已验证）
Vertira的博客
04-12 1292
webp格式的图像如下：。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 将该图像转换为jpg,bmp,tif,png格式的图像。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。.
Python综合案例-学生数据可视化
华数云图小分队的博客
05-02 5420
Python综合案例-学生数据可视化读取学生数据集：使用 Pandas 库的 read_csv() 函数读取 CSV 格式的数据文件，并将数据存储在一个 DataFrame 对象中。 数据清洗和预处理：对数据进行必要的清洗和预处理，以方便后续的分析和可视化。例如，删除无用的列、去除缺失值等。 数据可视化：使用 Seaborn 库的函数，绘制多个图形展示学生表现与学习行为之间的关系，包括： 学生成绩分布直方图：展示学生成绩的分布情况。 学生表现与性别之间的关系箱线图：展示男女学生的表现差异及
使用Matplotlib画图给坐标或图例添加中文
weixin_46321755的博客
12-02 3033
画图
Java开发从入门到精通（二十）：Java的面向对象编程OOP：异常处理
最新发布
HACKONE的博客
04-15 864
Java无法为这个世界上全部的问题都提供异常类来代表，如果企业自己的某种问题，想通过异常来表示以便用异常来管理该问题，那就需要自己来定义异常类了。这段代码上层调用saveAge(223);，不会知道这个方法到底执行成功没有，因为这个方法没有返回值，如果要返回执行情况，要用一个异常对象封装这个问题// 需求:保存一个合法的年龄System.out.println("年龄被成功保存:" + age);} else {System.out.println("年龄非法!:");异常体系的两大阵营。
Python 图像可视化界面
03-28
Python 图像可视化界面有很多，以下是其中一些： 1. Matplotlib：Matplotlib 是 Python 中最常用的图形库之一，它提供了多种绘图功能，包括折线图、散点图、柱状图、饼状图、等高线图等。 2. Seaborn：Seaborn 是...

“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