python可视化图表库

最新推荐文章于 2024-09-13 22:23:41 发布
最新推荐文章于 2024-09-13 22:23:41 发布
阅读量485 收藏 2
点赞数 1
文章标签： 信息可视化 python 数据分析
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/ai_lover_cat/article/details/133492986
版权

大家好，小编来为大家解答以下问题，一个有趣的事情，一个有趣的事情，今天让我们一起来看看吧！

目录

前言

一、安装Pyecharts

二、代码示例

1.导入Pyecharts

2.导入表格

3.数据处理

4.生成柱状图

5.图表展示

6.完整代码

三、可视化图形示例

1.箱型图

2.世界地图

3.中国地图

4.某省级地图

5.某县级地图

6.词云 

四、自定义图形

五、其他可视化库

六、总结

前言

当谈到数据可视化时，Python是一个非常强大的工具。Python有很多可视化库，其中最流行的是 Matplotlib和SeabornDeepl降重。除此之外，还有—些其他的可视化库，如Plotly、Bokeh 和Pyecharts等。在本篇博客中，我们将重点介绍Pyecharts，因为它提供了丰富的图表类型和配置选项，可以帮助我们轻松地创建出好看的数据可视化图表。

本篇博客仅供参考，更多的是自己的学习笔记，希望可以对其他人有帮助。
 

一、安装Pyecharts

Pyecharts是一个基于JavaScript的可视化库，它提供了各种类型的图表，包括折线图、散点图、柱状图、饼图、地图、关系图等等。
Pyecharts的优点是易于使用，可以快速创建好看的图表。

在使用Pyecharts时，需要安装Pyecharts库和其依赖项，可以使用pip命令来安装Pyecharts

pip install pyecharts

我一般在Anaconda Prompt里安装

安装完之后，可以直接在Anaconda Prompt里查看是否安装成功和版本号

也可以使用以下命令来检查Pyecharts是否安装成功，如果输出了版本号，则说明安装成功

import pyecharts
print(pyecharts.__version__)

二、代码示例

1.导入Pyecharts

在Pyecharts代码中，需要导入Pycharts库

from pyecharts.charts import *
from pyecharts import options as opts
2.导入表格

在导入表格前，需要导入Pandas库，没有的可以使用pip命令来安装Pandas

pip install pandas
# 导入所需的库
import pandas as pd

# 导入表格
data = pd.read_excel('面包牛奶销量.xlsx')

# 查看表格
data

表格数据：

3.数据处理
# 数据处理
dates = data['日期'].tolist()
milk_sales = data['牛奶'].tolist()
bread_sales = data['面包'].tolist()

使用Pandas库中的tolist()函数将“日期”、“面包”和“牛奶”三列数据转换为Python列表，以便后续使用。

4.生成柱状图

在Pyecahrts中，可以使用不同的类来创建不同类型的图表。以下是一些常用的类：

-Line：用于创建折线图

-Bar：用于创建柱状图

-Pie：用于创建饼图

-Scatter：用于创建散点图

-Map：用于创建地图

以下是一个简单的例子，展示如何使用Pyecharts创建一个柱状图：

# 生成柱形图
bar = (
    Bar()
    .add_xaxis(dates)
    .add_yaxis('牛奶', milk_sales)
    .add_yaxis('面包', bread_sales)
    .set_global_opts(title_opts=opts.TitleOpts(title='牛奶和面包销量对比'))
)

在这段代码中，使用了Pyecharts库中的Bar()函数创建了一个柱形图对象，并使用add_xaxis()函数将“日期”列表作为X轴数据，使用add_yaxis()函数将“牛奶”和“面包”作为列表分别作为两个Y轴函数。最后使用set_global_opts()函数设置了图表的标题。

5.图表展示
# 展示图表
# bar.render()

# 在Notebook中展示
bar.render_notebook()

在这段代码中，使用了Pyecharts库中的render_notebook()函数将生成的柱形图渲染到Jupyter Notebook中。这个函数可以将图表嵌入到Notebook中，方便我们在Notebook中查看和分析数据。如果想将图表保存为一个HTML文件，可以注释掉bar.render_notebook()并运行bar.render()。

6.完整代码
import pandas as pd
from pyecharts.charts import Bar
from pyecharts import options as opts

# 导入表格
data = pd.read_excel('面包牛奶销量.xlsx')

# 数据处理
dates = data['日期'].tolist()
milk_sales = data['牛奶'].tolist()
bread_sales = data['面包'].tolist()

# 生成柱形图
bar = (
    Bar()
    .add_xaxis(dates)
    .add_yaxis('牛奶', milk_sales)
    .add_yaxis('面包', bread_sales)
    .set_global_opts(title_opts=opts.TitleOpts(title='牛奶和面包销量对比'))
)

# 展示图表
# bar.render()

# 在Notebook中展示
bar.render_notebook()

效果图： 

三、可视化图形示例

我个人对可视化地图和很多新奇好玩的可视化图形很感兴趣，以下是一些可视化图形示例：

1.箱型图

箱型图是一种用于展示数据分布情况的图表，可以显示数据的中位数、四分位数、异常值情况等信息。

代码：

from pyecharts.charts import Boxplotimport random

data = [[random.randint(0, 100) for _ in range(10)] for _ in range(4)]
x_axis = ['data{}'.format(i) for i in range(1, 5)]

boxplot = Boxplot()
boxplot.add_xaxis(x_axis)
boxplot.add_yaxis("", boxplot.prepare_data(data))
boxplot.set_global_opts(title_opts=opts.TitleOpts(title="Boxplot"))
boxplot.render("boxplot.html")

代码使用了pyecharts库中的Boxplot类来绘制箱线图。

1.生成一个包含四组随机数据的列表data，每组数据包含十个随机整数。

2.创建一个包含四个字符串的列表x_axis，用于指定每组数据的名称。

3.创建一个Boxplot对象，并使用add_xaxis方法将x_axis列表中的字符串作为x轴标签添加到图表中。

4.使用add_yaxis方法将数据添加到图表中，并使用prepare_data方法将数据转换为箱线图所需的格式。

5.使用set_global_opts方法设置图表标题，并使用render方法将图表存为HTML文件。

 效果图：

2.世界地图

代码：

from pyecharts import options as optsfrom pyecharts.charts import Map
data = [("China", 100), ("United States", 80), ("Russia", 60), ("Japan", 50), ("Germany", 40)]
world_map = (
    Map()
    .add("", data, "world")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="世界地图"),
        visualmap_opts=opts.VisualMapOpts(max_=100),
        )
    )
world_map.render("world_map.html")

代码使用了pyecharts库中的Map类来绘制世界地图。

1.创建—个包含五个元组的列表data，每个元组包含一个国家名称和一个整数值。

2.创建一个Map对象，并使用add方法将数据添加到图表中。其中，第二个参数“world"表示绘制世界地图。

3.使用set_series_opts方法设置系列选项，将标签设置为不可见。

4.使用set_global_opts方法设置图表标题和视觉映射选项。其中，max_参数指定了视觉映射的最大值。

5.使用render方法将图表保存为HTML文件。

效果图：

如果需要在Jupyter Notebook中显示图表，可以使用NotebookRender类来渲染图表并在Notebook中显示：

from pyecharts.render import NotebookRender
# 创建图表对象
world_map = (
    Map()
    .add("", data, "world")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="世界地图"),
        visualmap_opts=opts.VisualMapOpts(max_=100),
        )
    )
# 渲染图表并在 Notebook 中显示
NotebookRender().render(world_map)
3.中国地图

代码：

# 导入必要的库和模块
from pyecharts import options as optsfrom pyecharts.charts 
import Mapfrom pyecharts.faker 
import Faker

# 创建一个Map对象并设置地图的基本属性
map = Map()map.set_global_opts(
    title_opts=opts.TitleOpts(title="中国地图"),
    visualmap_opts=opts.VisualMapOpts(max_=200),
)

# 添加数据并设置数据的属性
map.add("中国地图", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")

# 渲染地图保存
map.render("china_map.html")

代码使用pyecharts库中的Map类来绘制中国地图。

1.创建一个Map对象,并使用set_global_opts方法设置图表标题和视觉映射选项。其中,max_参数指定了视觉映射的最大值。

2.使用add方法将数据添加到图表中。其中，第一个参数“中国地图"表示数据系列的名称，第二个参数是一个列表，包含了每个省份的名称和—个随机整数值。

3.使用render方法将图表保存为HTML文件。

效果图：

4.某省级地图

以广东省为例

代码：

from pyecharts import options as optsfrom pyecharts.charts import Map
map = Map()map.set_global_opts(
    title_opts=opts.TitleOpts(title="广东省地图"),
    visualmap_opts=opts.VisualMapOpts(max_=200),
)

data = [("广州市", 200), ("深圳市", 100), ("珠海市", 50), ("汕头市", 80), ("韶关市", 70), ("佛山市", 60), ("江门市", 30), ("湛江市", 40), ("茂名市", 20), ("肇庆市", 10), ("惠州市", 90), ("梅州市", 100), ("汕尾市", 50), ("河源市", 30), ("阳江市", 20), ("清远市", 40), ("东莞市", 60), ("中山市", 70), ("潮州市", 80), ("揭阳市", 90), ("云浮市", 100)]map.add("广东省", data, "广东")
map.render("guangdong_map.html")

这段代码使用了pyecharts库中的Map类来绘制广东省地图。

1.创建一个Map对象,并使用set_global_opts方法设置图表标题和视觉映射选项。其中，max_参数指定了视觉映射的最大值。

2.创建一个包含二十一个元组的列表data，每个元组包含一个城市名称和一个整数值。

3.使用add方法将数据添加到图表中。其中，第一个参数“广东省"表示数据系列的名称，第二个参数是一个列表，包含了每个城市的名称和一个整数值。

4.使用“广东"参数指定了地图类型，并使用render方法将图表保存为HTML文件。

效果图：

5.某县级地图

代码：

from pyecharts.charts import Mapfrom pyecharts import options as opts
# 创建地图实例
map_gy = Map()
# 添加数据
map_gy.add("贵阳", [("南明区", 100), ("云岩区", 200), ("花溪区", 300), ("乌当区", 400), ("白云区", 500), ("观山湖区", 600), ("清镇市", 700), ("开阳县", 800), ("息烽县", 900), ("修文县", 1000)], "贵州")
# 设置全局参数
map_gy.set_global_opts(
    title_opts=opts.TitleOpts(title="贵阳地图"),
    visualmap_opts=opts.VisualMapOpts(max_=1000, is_piecewise=True),
)
# 渲染地图# map_gy.render("贵阳地图.html")
map_gy.render_notebook()

在这段代码中，不同上面的代码使用render方法将图表保存为HTML文件，而是使用了render_notebook()方法，所以可以在Notebook中直接看到地图，如果想保存为HTML文件，可以注释掉map_gy.render_notebook()，运行map_gy.render("贵阳地图.html")代码。

效果图：

6.词云 

代码：

from pyecharts.charts import WordCloudfrom pyecharts import options as opts

words = [("Python", 100), ("Java", 80), ("C++", 60), ("JavaScript", 50), ("PHP", 40), ("HTML", 30), ("CSS", 20), ("SQL", 10)]

wordcloud = (
    WordCloud()
    .add("", words, word_size_range=[20, 100])
    .set_global_opts(title_opts=opts.TitleOpts(title="编程语言词云图"))
)

wordcloud.render("programming_language_wordcloud.html")

代码使用pyecharts 库中的 Wordcloud类来绘制编程语言词云图。

1.创建一个包含八个元组的列表words，每个元组包含一个编程语言名称和一个整数值。

2.创建一个WordCloud对象，并使用add 方法将数据添加到图表中。其中，第一个参数“"表示数据系列的名称，第二个参数是一个列表，包含了每个词语的名称和一个整数值。

3.使用word_size_range参数设置词语的大小范围，并使用set_global_opts方法设置图表标题，并使用render方法将图表保存为HTML文件。

效果图：

四、自定义图形

Pyecharts提供了很多配置选项，可以帮助我们自定义图像。以下是一些常用的配置选项：

-title：设置图表的标题。

-title_opts：设置图表标题的样式何位置。

-legend_opts：设置图例的样式何位置。

-xlabel和ylabel：设置X轴和Y轴的标签。

-xticks和yticks：设置X轴和Y轴的刻度。

-xaxis_opts和yaxis_opts：设置X轴和Y轴的样式和位置。

-xlim和ylim：设置X轴和Y轴的范围。

-legend：设置图例。

-grid：设置是否显示网格线。

-style：设置图表的样式。

-color：设置图表的颜色。

-fontsize：设置字体的大小。

-visualmap_opts：设置视觉映射组件的样式和位置。

-dpi：设置图表的分辨率。

可以根据自己的需求，使用这些配置选项来自定义图形。

五、其他可视化库

除了Pyecharts，Python还有很多其他的可视化库。以下是一些常用的可视化库：

-Matplotlib：一个基础的可视化库，提供了各种类型的图表。

-Seaborn：一个基于Matplotlib的高级可视化库，提供了更多的图表类型和样式。

-Plotly：一个交互式可视化库，提供了各种类型的图表和动画效果。

-Bokeh：一个交互式可视化库，提供了各种类型的图表和工具栏。

六、总结

Python是一个非常强大的数据可视化工具，有很多可视化库可以选择，在本篇笔记中，我重点记了Pyecharts，它提供了丰富发图表类型和配置选项，可以帮助我们轻松地创建出好看的数据可视化图表。除此之外，还记了其他常用的可视化库，希望能够对其他人有帮助。

小狗AI
关注
不会做图表？10个Python数据可视化库来帮你！
nnn0245的博客
09-21 1221
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+pyecharts生成网页可视化图表
06-10
PyEcharts就是这样一个工具，它结合了Python的简洁性和ECharts的丰富图表类型，为开发者提供了一种方便的方式来创建交互式的、动态的网页可视化图表。在本主题中，我们将深入探讨如何使用Python和PyEcharts生成网页...
10大Python数据可视化库！
SeizeeveryDay的博客
11-11 2076
作者：Tsubasa_Ouhttps://blog.csdn.net/jiangfan2017/article/details/108984940今天我们会介绍一下10个适用于多个学科的...
Python-Leather一个简单的Python图表库
08-10
Leather是为那些现在需要图表并且不在乎它们是否完美的人提供的Python图表库。
PyEcharts 安装与配置完全指南
gitblog_09438的博客
09-13 483
PyEcharts 安装与配置完全指南 pyecharts ???? Python Echarts Plotting Library 项目地址: https://gitcode.com/gh_mirrors/py/pyecharts ...
Python的13大图形库
u012300569的专栏
10-10 2188
转载地址：http://www.django-china.cn/topic/75/ Python的13大图形库，matplotlib功能最强大，Cairoplot最漂亮，django-chartit与Django集成了。列表及介绍如下： 1.matplotlib, 官网：http://matplotlib.sourceforge.net/ ，Matplotlib 是一个由
Python图表库教程
gitblog_00669的博客
08-09 907
Python图表库教程 The-Python-Graph-GalleryA website displaying hundreds of charts made with Python项目地址:https://gitcode.com/gh_mirrors/th/The-Python-Graph-Gallery 项目介绍 Python图表库（The Python Graph Gallery）是一个...
python 图表
ditiaoma7384的博客
09-19 197
#图表 import matplotlib.pyplot as plt fig,ax=plt.subplots(2,2)ax[0,1].plot(x,y,'r--*',label='sin')ax[0,1].legend(loc='upper right')ax[0,1].grid()fig.savefig('fig.png') import pandas as pd df...
python动态图表库
人太健忘了，需要有个地方记录
08-22 491
2.今天又搜了一下画动态图的库，我想展示动态图，把数据“播放”出来，plotly.express是支持动态图的，但是有很多限制，而且只绘制当前状态，总之看起来很奇怪，另一个是pandas_alive，但是因为库版本冲突没有安装成功。它展示的是短视频里看到的那种条形图的排名，然后有那种过渡动画的那种，以后再研究。1.dataframe用时间分组细节，如果索引是时间类型，那么，可以用下面的代码指定分组的时间段。这个是我研究时的代码，画出的图很奇怪，还没能达到要求。matplotlib案例。
基于Python的pyecharts可视化图表库设计源码
最新发布
10-04
该项目是一款基于Python开发的pyecharts可视化图表库源码，包含166个文件，涵盖了121个Python源文件、12个HTML文件、9个JSON文件、6个PNG图片文件、4个Markdown文件、3个文本文件、2个YAML文件以及少量配置和管理...
python基于51job数据可视化图表展示源码.zip
05-31
python基于51job数据可视化图表展示源码，基于51job工作招聘数据可视化图表展示 web 数据挖掘，ECharts可视化。python基于51job数据可视化图表展示源码，基于51job工作招聘数据可视化图表展示 web 数据挖掘，ECharts...
python爬虫并制作足球可视化图表（含源码）
04-21
通过以上步骤，我们可以实现一个完整的Python爬虫项目，从获取数据到生成足球数据的可视化图表。这个项目不仅展示了Python在数据科学领域的应用，也提供了学习网络爬虫和数据可视化的实践案例。无论你是初学者还是...
Python 用于图表绘制的库
MyLovelyJay的博客
09-04 229
Python有许多用于图表绘制的库
python 图表_Python 手绘样式图表库：cutecharts
weixin_39848097的博客
12-07 149
♚作者：陈键冬，Python中文社区专栏作者，开源项目pyecharts核心开发者。pyecharts项目曾上榜 Github Trending in Open Source，目前star数量超过7100。GitHub：https://github.com/chenjiandongx项目地址https://github.com/chenjiandongx/cutecharts初衷在闲逛 ...
python动态交互式图表库_五个创建交互式图表的Python库
weixin_32000561的博客
01-29 1283
数据可视化专家Andy Kirk说过，数据可视化分为两类：探索性可视化图表和解释性可视化图表。解释性可视化图表的目标是进行描述——它们是根据对事物表面的关键线索而被仔细构造出来的。另一方面，探索性可视化图表建立了与数据库或主题事件的互动，它们帮助用户探索数据，让他们发掘自己的观点：发现他们自己认为相关的或者感兴趣的事物。通常，探索性可视化图表是交互式的。尽管现在有许多Python绘图库，但只有少数...
Python中的图形库有哪些？
2301_78263023的博客
06-05 1978
Matplotlib：这是Python中最流行的图形库之一，可以生成各种类型的图表、图形和可视化，包括线图、散点图、条形图、3D图、图像和动画等。plotly：这是一个交互式的、基于Web的图形库，可以在浏览器中生成多种类型的图表和图形，包括热图，散点图，直方图等等。PILlow：这是Python中一个强大的图像处理库，它提供了诸多图像处理方法，包括打开、保存、处理、转换、合成等等。以上这些图形库可以满足不同层次的Python用户需要，方便制图和可视化自己所关注的数据，进一步了解和分析数据。
python图表库排行_完爆Bokeh！这个Python图表库节省了至少一半的时间
weixin_39788382的博客
12-19 244
你平常是否耗费了大量的时间在创建图表上？为了让事情简单化，Spotify开源了一个Python库，它可以帮助你以简单明了的方式创建图表。让数据可视化变得轻而易举。Spotify是全球最大的正版流媒体音乐服务平台之一，但是他们最新开源的作品Chartify 帮助数据科学家用Python创建图表，作为一个全球最大的音乐平台，Spotify从用户那里获得了非常多的数据，因此也需要一个工具来实现对数据的可...
4个 Python 库来美化你的 Matplotlib 图表
Python数据挖掘
04-18 1834
在本文中，我们看到了四个非常有用的matplotlib python库，它们可以让你的matplotlib图表更上一层楼。这些库中的每一个都为你的绘图提供了独特的样式。尽管这些样式提供了很好的创意可视化效果，但你也确实需要考虑你的受众。创建出色的数据视觉效果的全部意义在于让你的信息易于理解，并尽可能以最好的方式分享你的故事。
4个Python库来美化你的Matplotlib图表！
法纳斯特
04-16 794
在本文中，我们看到了四个非常有用的matplotlib python库，它们可以让你的matplotlib图表更上一层楼。但是，你也要知道，它在为出版物创建图表或在论文中使用时可能会被视为不专业，并且可能不适合视觉有问题的读者。尽管这些库非常适合创建酷炫的图表，但是你还是需要了解你的目标受众以及可能遇到的视觉问题，比如色盲等情况。比如，在制作海报或者是信息图表时，你需要额外的元素来吸引读者。创建出色的数据视觉效果的全部意义在于让你的信息易于理解，并尽可能以最好的方式分享你的故事。
pycharm导入pyecharts包
04-09
要在PyCharm中导入Pyecharts包，首先需要在PyCharm的项目环境中安装Pyecharts包。具体操作可以通过以下步骤实现： 1. 在PyCharm中的项目环境中打开“Terminal”终端； 2. 输入“pip install pyecharts”命令，等待安装完成； 3. 在PyCharm中打开需要使用Pyecharts的python文件； 4. 在文件头部添加“import pyecharts”语句即可导入Pyecharts包。
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