20230222 Python图表绘制

已于 2023-03-13 09:44:24 修改
阅读量121 收藏
点赞数
文章标签： python 信息可视化 开发语言
于 2023-02-22 20:09:48 首次发布
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/TK1942/article/details/129169543
版权

1. Python柱状图

from pyecharts.charts import Bar
from pyecharts import options

# 1.创建图表对象
bar = Bar()

# 2.添加数据
# 2.1 添加x轴上的数据
bar.add_xaxis(['1季度', '2季度', '3季度', '4季度'])
# 2.2添加y轴上的数据（x轴与y轴上的数据内容和顺序需保持一致）
bar.add_yaxis('销售额', [890, 1023, 508, 1500],
              # color='red',
              # bar_width=30,
              bar_max_width=100,
              bar_min_width=40,
              )
bar.add_yaxis('销量', [201, 342, 988, 567])

# 3.柱状图相关配置
# 3.1 全局配置
bar.set_global_opts(
    # 设置标题
    title_opts=options.TitleOpts(
        title='2002年手机销售信息',
        title_link='https://www.baidu.com',
        title_target='blank',
        subtitle='销售额与销量的关系',
        pos_right='300',
        text_align='center'
    ),
    # 设置图例
    legend_opts=options.LegendOpts(
        is_show=True,
        # pos_right=90,
        pos_left=0,
        item_width=20,
        item_height=10
    ),
    # 设置工具箱
    toolbox_opts=options.ToolboxOpts(
        is_show=True,
        pos_left='65%',
    ),
    # 设置区域缩放工具条
    # datazoom_opts=options.DataZoomOpts(
    #     is_show=True
    # ),
    # x、y轴的配置
    xaxis_opts=options.AxisOpts(
        name='时间'
    ),
    yaxis_opts=options.AxisOpts(
        name='销售额(万元)/销量',
        name_gap=-55,
        name_rotate=45,
    )
)
# 3.2 系列配置
bar.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=True,
        position='top',
        rotate=0,
        color='#36ff77'
    ),
    markpoint_opts=options.MarkPointOpts(
        data=[options.MarkPointItem(name='最大值', type_='max')]
    )
)
# 3.3 数据配置
# 数据配置只能在添加数据的时候设置

# 4.渲染图表（生成图表)
bar.render('files/01柱状图.html')

在这里插入图片描述

2. Python折线图

from pyecharts.charts import Line
from pyecharts import options

# 1.创建折线图对象
line = Line()

# 2.添加数据
line.add_xaxis(['1季度', '2季度', '3季度', '4季度'])

line.add_yaxis('服装', [890, 1023, 508, 1500],
               is_smooth=True,)
line.add_yaxis('电子产品', [80, 77, 199, 56])

# 3.图标设置
line.set_global_opts(
    title_opts=options.TitleOpts(
        title='xxx公司各大产品销售情况',
        pos_left='350',
    ),
    legend_opts=options.LegendOpts(
        pos_right=0
    ),
    yaxis_opts=options.AxisOpts(
        name='销售额(万元)'
    ),
    xaxis_opts = options.AxisOpts(
        name='时间'
    )
)
line.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=False,
    ),
    markline_opts=options.MarkLineOpts(
        data=[options.MarkLineItem(name='平均销售额', type_='average')]
    )
)

# 4.渲染图表（生成图表)
line.render('files/02折线图.html')

在这里插入图片描述

3. Python饼图

from pyecharts.charts import Pie
from pyecharts import options

# 1.创建饼图对象
pie = Pie()

# 2.添加数据
pie.add(
    '手机销量',
    [('Apple', 890), ('小米', 666), ('华为', 500), ('oppo', 120), ('魅族', 175)],
    # 分别设置圆的内圆半径和外圆半径
    radius=('30%', '70%'),
    # 让外圆环不规则
    rosetype='radius'
)

# 3.图表设置
pie.set_global_opts(
    legend_opts=options.LegendOpts(
        is_show=False
    ),
    title_opts=options.TitleOpts(
        title='xx商城6月手机销量百分比',
        pos_left='350'
    )
)
pie.set_series_opts(
    label_opts=options.LabelOpts(
        # {b}  -  数据名称、
        # {d}  -  百分比比值
        formatter='{b}({d}%)'
    )
)

# 4.渲染图表（生成图表)
pie.render('files/03饼图.html')

在这里插入图片描述

4. Python地图

from pyecharts.charts import Map
from pyecharts import options

# 一、中国地图========================
# 1. 创建地图对象
map1 = Map()

# 2.添加数据
map1.add(
    '房价',
    [('南海诸岛', 2000), ('重庆市', 19000), ('广东省', 39500), ('四川省', 18000),
     ('北京市', 52000), ('上海市', 65000), ('新疆维吾尔自治区', 4500), ('吉林省', 7000), ('黑龙江省', 3800)],
    # 地图默认大小
    zoom=1.2,
    # 地图最小最大缩放比
    min_scale_limit=1.2,
    max_scale_limit=2
)

# 3.添加配置
map1.set_global_opts(
    visualmap_opts=options.VisualMapOpts(
        is_show=True,
        min_=0,
        max_=70000,
        # 让颜色分段
        is_piecewise=True,
        pieces=[
            {'min': 0, 'max': 9999},
            {'min': 10000, 'max': 19999},
            {'min': 20000, 'max': 29999},
            {'min': 30000, 'max': 39999},
            {'min': 40000, 'max': 49999},
            {'min': 50000, 'max': 59999},
            {'min': 60000, 'max': 79999},
        ],
    ),
    legend_opts=options.LegendOpts(
        is_show=False
    ),
    title_opts=options.TitleOpts(
        title='2023年全国房价情况',
        subtitle='副标题11111111'
    )
)

# 4.渲染地图
map1.render('files/04中国地图.html')

# 二、四川地图========================
map2 = Map()
map2.add(
    '房价',
    [('成都市', 12000), ('乐山市', 6500)],
    maptype='四川'

)
map2.render('files/04四川地图.html')

# 三、成都市地图========================
map3 = Map()
map3.add(
    '房价',
    [('青羊区', 12000), ('武侯区', 6500)],
    maptype='成都'

)
map3.render('files/04成都地图.html')

# 四、世界地图========================
map4 = Map()
map4.add(
    '房价',
    [('China', 10000), ('Russia', 9000)],
    maptype='world'
)
map4.set_global_opts(
    legend_opts=options.LegendOpts(
        is_show=False
    )
)
map4.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=False
    )
)
map4.render('files/04世界地图.html')

在这里插入图片描述

5. Python词云

from pyecharts.charts import WordCloud
from pyecharts import options

# 1.创建词云图表
wc = WordCloud()

# 2.添加数据
wc.add(
    '',
    [('王者荣耀', 88985), ('英雄联盟', 77900), ('开心消消乐', 5896), ('羊了个羊', 758),
     ('飞机大战', 35000), ('刀塔', 3362), ('魔兽世界', 4887), ('红色警戒', 52662),
     ('节奏大师', 99), ('CS1.5', 5555), ('地球帝国', 3685), ('超级玛丽', 620),
     ('街头篮球', 800), ('传奇', 69870), ('魔兽争霸', 1562), ('魂斗罗', 756)],
    shape='star',
    # shape词云的形状，默认是 circle(圆形)，可选的参数有：
    # cardioid（心形）
    # diamond（菱形 正方形）
    # triangle-forward 、 triangle（三角形）
    # star（星形）
    # pentagon（五边形）

    # word_size_range=[50, 200]
)

wc.render('files/05词云.html')

在这里插入图片描述

6. 基于Excel数据制作图表

import openpyxl
from pyecharts.charts import Bar, Pie

# 1.提取Excel中的数据
wb = openpyxl.open('files/全国大学.xlsx')
sheet = wb.active
data = {}
max_r = sheet.max_row
for r in range(2, max_r+1):
    value = sheet.cell(r, 3).value
    if value not in data:
        data[value] = 1
    else:
        data[value] += 1
# print(data)

# 2.创建柱状图
x_data = []
y_data = []
for key in data:
    x_data.append(key)
    y_data.append(data[key])

bar = Bar()
bar.add_xaxis(x_data)
bar.add_yaxis('数量', y_data)
bar.render('files/06全国大学柱状图示例.html')

# 3.创建饼图
pie_data = []
for x in data:
    pie_data.append((x, data[x]))

pie = Pie()
pie.add('数量', pie_data)
pie.render('files/06全国大学饼图示例.html')

在这里插入图片描述
在这里插入图片描述

7. 利用cpca提取省市区

import cpca

data = '徐汇区虹漕路461号58号楼5楼64号'

place_list = list()
place_list.append(data)
print(place_list)
integrity_place = cpca.transform(place_list)
# print(integrity_place)
# 省 市 区  地址 adcode
# 0 广东省  广州市  None  新溪项目河涌整治景观提升设计招标  440100
print(integrity_place['省'][0] + integrity_place['市'][0] + integrity_place['区'][0] + integrity_place['地址'][0] + '，区号' + integrity_place['adcode'][0])
TK1942
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Python绘制图表大全总结
09-21
本篇文章主要介绍了使用Python绘制图表大全总结，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
Python 绘制数据图表
梦里逆天的博客
08-17 1万+
python 使用matplotlib绘图库模块pyplot子模块绘制数据图表。内容包括：绘制简单折线图、绘制散点图、绘制多个图表、绘制直方图和读取CSV文件中的数据绘制图表等。
使用Python绘制简单图表
a13794268的博客
12-19 2711
使用Python绘制简单图表
python做图表的模块有哪些,python如何制作图表
最新发布
P42695665的博客
03-03 586
大家好，小编来为大家解答以下问题，python做图表的模块有哪些，python如何制作图表，现在让我们一起来看看吧！
使用python制作常用图表
weixin_48719464的博客
06-23 4503
运行结果打开柱形图.xlsx即可查看'pie'
python绘制非常漂亮的图表,怎么用python画图表
Fixf4556的博客
12-18 1033
大家好，本文将围绕基于python的图表绘图工具展开说明，基于python的图表生成系统是一个很多人都想弄明白的事情，想搞清楚python做图表的模块有哪些需要先了解以下几个事情。大家好，小编为大家解答基于python的图表生成系统的问题。很多人还不知道python做图表的模块有哪些，现在让我们一起来看看吧！
Python图表绘制：matplotlib绘图库入门
07-22
资源名称：Python图表绘制：matplotlib绘图库入门资源截图： 资源太大，传百度网盘了，链接在附件中，有需要的同学自取。
python的pyecharts绘制各种图表详细（附代码）
09-18
主要介绍了python的pyecharts绘制各种图表详细（附代码），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python 利用matplotlib 绘制图表
01-10
压缩包里两个文件，一个源码，一个pdf，源代码用jupyter notebook 编写的。
python制图表_Python 绘制图表
weixin_35338559的博客
01-29 1090
Python 绘制图表import matplotlib.pyplot as pltimport numpy as npMatplotlib模块X=np.linspace(start = -np.pi, stop=np.pi, num=256, endpoint=True)C,S = np.cos(X), np.sin(X)plt.plot(X, C)plt.plot(X, S)plt.show(...
python可视化（十种常用图）
qq_39577827的博客
02-08 1万+
python的可视化库（seaborn和matplotlib） 今天我将和大家一起入门这十种简单图的绘制 1.散点图 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 数据准备 N = 1000 x = np.random.randn(N) y = np....
【Python】python3绘制各种可视化图表
热门推荐
沙师弟专栏
04-29 2万+
最近项目中用到不少有关Python图表的知识，主要用的可视化程序库的泰斗 matplotlib。其实还有很多相关画图表的图形库，大多数可视化图形库是基于 matplotlib 构建的并且确保一些用例更简单。本文主要讲的是 matplotlib ，在文尾将会介绍 11 种其它的数据可视化库。matplotlib 是Python可视化程序库的泰斗。经过十几年它任然是Python使用者最常用的画图库。它的设计和在1980年代被设计的商业化程序语言MATLAB非常接近。
Python中使用matplotlib绘制各类图表示例
学而时习之
06-16 7763
在括线图中，每个箱子代表数据的25%～75%分位数，中位线是每个箱子中的中位数，普通线是每个箱子之外的最小值和最大值。通过在横轴上放置时间或如此类似的连续变量，可以在纵轴上放置数据点的值，从而捕捉到数据随时间发生的变化。箱线图用于展示数据的分布情况和异常值等信息，通常用于比较不同数据集之间的差异。热力图用于展示数据之间的关系和趋势，通常用于分析二维数据的相关性和变化。饼图用于展示数据的占比情况，通常用于比较不同类别或部分之间的占比情况。直方图用于展示数据的分布情况，通常用于分析数据集的偏态和峰态等特征。
这40个Python可视化图表案例，强烈建议收藏！
ZONGXP的博客
10-08 1万+
Python可视化图表案例
Python数据可视化~绘制不同图表
憨憨小江的博客
09-03 1483
绘制基本图形
用Python绘制六种可视化图表，简直太好用了
python56123的博客
04-01 2245
嗨喽~大家好呀，这里是魔王呐 ❤ ~!可视化图表，有相当多种，但常见的也就下面几种，其他比较复杂一点，大都也是基于如下几种进行组合，变换出来的。对于初学者来说，很容易被这官网上众多的图表类型给吓着了，由于种类太多，几种图表的绘制方法很有可能会混淆起来。因此，在这里，我特地总结了六种常见的基本图表类型，你可以通过对比学习，打下坚实的基础。
python图表_使用Python绘制图表大全总结
weixin_29094301的博客
02-03 4502
在使用Python绘制图表前，我们需要先安装两个库文件numpy和matplotlib。Numpy是Python开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身数据结构要高效；matplotlib是一个Python的图像框架，使用其绘制出来的图形效果和MATLAB下绘制的图形类似。下面我通过一些简单的代码介绍如何使用 Python绘图。一、图形绘制直方图importmatplotl...
python excel绘制图表
07-27
要使用Python绘制Excel中的图表，你可以使用pandas和matplotlib这两个库。首先，你需要导入需要使用的模块，如pandas和matplotlib.pyplot。然后，使用pandas的read_excel函数读取Excel文件，并将数据存储在一个变量...

“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