20个精美图表，教你玩转 Pyecharts 可视化

最新推荐文章于 2024-01-27 08:45:00 发布
最新推荐文章于 2024-01-27 08:45:00 发布
阅读量661 收藏 14
点赞数 4
文章标签： 数据可视化 可视化 甘特图 stylesheet tooltip
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4NDQwNTI0OQ==&mid=2247548781&idx=4&sn=121641332d0af71d5279b02ead312eb0&chksm=cfbada03f8cd531557bcdc9279cf8c8c8d2661221b031b4f34cc74c21f1629894cb47b71315b&scene=126&&sessionid=0
版权

d720148669fcc987efb7410d3eb26847.gif

作者 |俊欣

来源 |关于数据分析与可视化

本篇文章我们将继续聚焦c模块并且用它来绘制精美的图表，希望读者在看完之后会有不少收获

01

内嵌饼状图

内接一个环状的饼图，里面还有一个饼状的图

(
    Pie()
    .add(
        series_name="访问来源",
        data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=[0, "30%"],
        label_opts=opts.LabelOpts(position="inner"),
    )
    .add(
        series_name="访问来源",
        radius=["40%", "55%"],
        data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],
    )
    .set_global_opts(legend_opts=opts.LegendOpts(pos_left="15%", orient="vertical", pos_top="10%"))
    .set_series_opts(
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
)
    )
    .render("nested_pies.html")
)

7f9339d4749679281697b5a843099747.png

02

环形饼图

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=["50%", "75%"],
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pie-radius示例"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("pie_radius_test.html")
)

6408cd6965f8c30a2a248d7b45fd5b8f.png

03

玫瑰式饼状图

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=["40%", "75%"],
        center=["35%", "50%"],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="饼图-玫瑰图示例"))
    .render("pie_rosetype_test.html")
)

5ca14b4c668745c38ac53d4d5b1100f0.png

04

多个饼状图合集

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(["古装", "其他"], [35, 65])],
        center=["20%", "30%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["动作", "其他"], [24, 76])],
        center=["55%", "30%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["爱情", "其他"], [10, 90])],
        center=["20%", "70%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["惊悚", "其他"], [20, 80])],
        center=["55%", "70%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pie-多饼图基本示例"),
        legend_opts=opts.LegendOpts(
            type_="scroll", pos_top="30%", pos_left="70%", orient="vertical"
        ),
    )
    .render("mutiple_pie.html")
)

e0ab4867374d7905ac725a6c88f113ee.png

05

雷达图

雷达图可以帮助我们查看各个维度之下的数据情况，例如

c = (
    Radar()
    .add_schema(
        schema=[
            opts.RadarIndicatorItem(name="A", max_=8500),
            opts.RadarIndicatorItem(name="B", max_=15000),
            opts.RadarIndicatorItem(name="C", max_=35000),
            opts.RadarIndicatorItem(name="D", max_=38000),
            opts.RadarIndicatorItem(name="E", max_=55000),
            opts.RadarIndicatorItem(name="F", max_=25000),
        ]
    )
    .add("计划设想", v1)
    .add("实际情况", v2)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        legend_opts=opts.LegendOpts(),
        title_opts=opts.TitleOpts(title="雷达图示例"),
    )
    .render("radar_test.html")
)

d53f51db77e5796944a51e3770982ea1.png

06

散点图

(
    Scatter()
    .add_xaxis(xaxis_data=Faker.choose())
    .add_yaxis(
        series_name="",
        y_axis=Faker.values(),
        symbol_size=30,
        label_opts=opts.LabelOpts(is_show=True),
    )
    .set_series_opts()
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    .render("basic_scatter_chart.html")
)

ac2858b71eccaf10986e876ad1379c23.png

07

散点图+渐变色

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), symbol_size=30,
               label_opts=opts.LabelOpts(is_show=True),)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图-颜色分段"),
        visualmap_opts=opts.VisualMapOpts(max_=150),
    )
    .render("scatter_visualmap_color_test.html")
)

8dbf8b030a28a059e5433c596a3c6668.png

或者我们根据数据的大小来改变散点的大小

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图-点状大小不同"),
        visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
    )
    .render("scatter_visualmap_size_test.html")
)

a9c7a7085253a4f9828fab40cf9dd2ee.png

08

象形柱状图

c = (
    PictorialBar()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        "",
        Faker.values(),
        label_opts=opts.LabelOpts(is_show=True),
        symbol_size=20,
        symbol_repeat="fixed",
        symbol_offset=[0, 0],
        is_symbol_clip=True,
        symbol=SymbolType.ROUND_RECT,
    )
    .reversal_axis()
    .set_global_opts(
        title_opts=opts.TitleOpts(title="象形柱状图示例"),
        xaxis_opts=opts.AxisOpts(is_show=True),
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=True),
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(opacity=0)
            ),
        ),
    )
    .render("pictorialbar_test.html")
)

690e737d125bf0db693caffaa86888d2.png

09

K线图+时间轴

c = (
    Kline()
    .add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)])
    .add_yaxis("K线图", data)
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts()],
        title_opts=opts.TitleOpts(title="k线图+时间轴示例"),
    )
    .render("k线图+时间轴_test.html")
)

f196d0c3f2b38bff30e07f92ebc751dd.gif

当然这个时间轴既可以放在外面也可以放在里面

c = (
    Kline()
    .add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)])
    .add_yaxis("K线图", data)
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts(type_="inside")],
        title_opts=opts.TitleOpts(title="K线图+时间轴示例"),
    )
    .render("K线图+时间轴示例_inside.html")
)

d1d2763b2e27d9c9440885aec987ac2d.gif

10

区域地图

c = (
    Map()
    .add("商家A", [list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市",
                                       "金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"],
                                      Faker.values())], "浙江")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map浙江地图-Test"), visualmap_opts=opts.VisualMapOpts()
    )
    .render("map_zhejiang.html")
)

562342773f27b68e6fe2b0070e6183bb.gif

11

区域地图+热力图

c = (
    Geo()
    .add_schema(maptype="浙江")
    .add(
        "geo",
        [list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市",
                               "金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"], Faker.values())],
        type_=ChartType.HEATMAP,
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-浙江地图")
    )
    .render("geo_zhejiang.html")
)

8e94ac17417fd3e7dd1dcd142fa72c8f.png

12

地图+颜色分段

c = (
    Map()
    .add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="地图 + 颜色分段（连续型）"),
        visualmap_opts=opts.VisualMapOpts(max_=150),
    )
    .render("map_visual_test.html")
)

455f5d7c5e7905481f557ac2fda325db.png

13

世界地图

c = (
    Map()
    .add("商家1", [list(z) for z in zip(Faker.country, Faker.values())], "world")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pyecharts-世界地图"),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
    .render("map_world_test.html")
)

12ef11553808eb56950a4952ddf146bd.gif

14

地图+散点图

地图+涟漪散点图的示例

c = (
    Geo()
    .add_schema(maptype="china")
    .add(
        "geo",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="地图+涟漪散点图示例"))
    .render("geo_effectscatter_test.html")
)

62c446244260c08c8bc65b163d1fcb14.png

15

地图+方向箭头

c = (
    Geo()
    .add_schema(
        maptype="china",
        itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),
    )
    .add(
        "",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
        color="white",
    )
    .add(
        "geo",
        [("宁波", "南京"), ("宁波", "北京"), ("宁波", "兰州"), ("宁波", "拉萨"), ("宁波", "银川"), ("宁波", "武汉")],
        type_=ChartType.LINES,
        effect_opts=opts.EffectOpts(
            symbol=SymbolType.ARROW, symbol_size=6, color="blue"
        ),
        linestyle_opts=opts.LineStyleOpts(curve=0.2),
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Geo-Lines-background"))
    .render("geo_lines_background_test.html")
)

44721e06b35ac18737373ab14723aea1.gif

16

关系图

nodes = [
    opts.GraphNode(name="结点A", symbol_size=10),
    opts.GraphNode(name="结点B", symbol_size=30),
    opts.GraphNode(name="结点C", symbol_size=20),
    opts.GraphNode(name="结点D", symbol_size=50),
    opts.GraphNode(name="结点E", symbol_size=70),
]
links = [
    opts.GraphLink(source="结点A", target="结点B"),
    opts.GraphLink(source="结点B", target="结点C"),
    opts.GraphLink(source="结点C", target="结点D"),
    opts.GraphLink(source="结点D", target="结点E"),
    opts.GraphLink(source="结点E", target="结点A"),
]
c = (
    Graph()
    .add("", nodes, links, repulsion=2000)
    .set_global_opts(title_opts=opts.TitleOpts(title="关系图"))
    .render("graph_test1.html")
)

758c8e523a524d96148b17209ee6237a.gif

17

柱状图+水印

pyecharts还可以给图表增添水印

c = (
    Bar(init_opts=opts.InitOpts(width='900px', height='600px'))
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title=""),
        graphic_opts=graphics_lst,
    )
)
c.render("watermark.html")

26fc3eb5986269e85f7d4cf4ca7268f8.png

18

饼图+时间轴组件

我们可以在饼图下面加一个时间轴，看一下随着时间的变化，各个类目是怎么来变化的

attr = Faker.choose()
tl = Timeline()
for i in range(2015, 2022):
    pie = (
        Pie()
        .add(
            "商家A",
            [list(z) for z in zip(attr, Faker.values())],
            center=["50%", "50%"], radius=["40%", "60%"],
        )
        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
    )
    tl.add(pie, "{}年".format(i))
tl.render("timeline_pie_test.html")

aec931c00938e1c2552a87b5f528d724.gif

19

横向柱状图 + 时间轴组件

tl = Timeline()
for i in range(2015, 2022):
    bar = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家1", Faker.values(), label_opts=opts.LabelOpts(position="right"))
        .add_yaxis("商家2", Faker.values(), label_opts=opts.LabelOpts(position="right"))
        .reversal_axis()
        .set_global_opts(
            title_opts=opts.TitleOpts("时间轴 + 横向柱状图 (时间: {} 年)".format(i))
        )
    )
    tl.add(bar, "{}年".format(i))
tl.render("timeline_bar_reversal_test.html")

9ebadd971643d6f6293e5ae1d88b3f6e.gif

20

地图 + 时间轴组件

tl = Timeline()
for i in range(2015, 2022):
    map0 = (
        Map()
        .add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="{}年数据".format(i)),
            visualmap_opts=opts.VisualMapOpts(max_=200),
        )
    )
    tl.add(map0, "{}年".format(i))
tl.render("timeline_map.html")

7daf05027b5156147c434c421537aa1a.gif

21

柱状图 + 自定义标识

有时候我们需要将最大、最小值以及平均值标识出来，于是乎

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="直方图 + 标识特殊值（指定类型）"))
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_="max", name="最大值"),
                opts.MarkPointItem(type_="min", name="最小值"),
                opts.MarkPointItem(type_="average", name="平均值"),
            ]
        ),
    )
    .render("bar_markpoint_test.html")
)

fcf9cb42a01bb472a0c58ca229542cd0.png

22

柱状图 + 渐变色

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), category_gap="50%")
    .set_series_opts(
        itemstyle_opts={
            "normal": {
                "color": JsCode(
                    """new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                offset: 0,
                color: 'rgba(0, 244, 255, 1)'
            }, {
                offset: 1,
                color: 'rgba(0, 77, 167, 1)'
            }], false)"""
                ),
                "barBorderRadius": [50, 50, 50, 50],
                "shadowColor": "rgb(0, 160, 221)",
            }
        }
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="圆角直方图-渐变圆柱示例"))
    .render("bar_border_test.html")
)

ac528cb184203f42a6d87b04f42d4aac.png

f189a91d70decef7c56c53ac771617f0.gif

c6327f1c6a381b1ac0f221fe6a38d8ba.png

往

期

回

顾

资讯

以软代硬能否另辟蹊径？

资讯

开箱即用的工业级NLP开发库

资讯

100亿张照片泄露！通过照片监视你

资讯

机器人能帮助缝制T恤吗？

f028e60d45afc4bf0e484aebea138f68.png

分享

785e5ad927186a7426df9fca550d0036.png

点收藏

fbd0a3001328b38f9d6370f123188729.png

点点赞

8392039e7ec013775f2ee1752cf3bfb5.png

点在看

AI科技大本营
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【Pyecharts | PictorialBar】StockX球鞋溢价排行TOP10～
AwesomeTang
07-03 438
前言 效果展示： 图表使用了Pyecharts中的象形图（PictorialBar） ，虽然是一组数据，其实是包含了两个系列： “山”样式的象形图展示数据 通过象形图展示球鞋的图片来替代坐标轴标签 关键代码 上文说到了，其实整个图表是通过两个系列的数据组合来完成，接下来我们将整个图表进行解耦，分开进行说明： 坐标轴标签 首先说明一下，在象形图中我们是可以通过图片来作为symbol的，在本项目中球鞋的图片都是来自于StockX网站，不过StockX获取的图片都是白底的，如下样式： 当把
【Pyecharts50例】渐变色散点图/径向渐变/scatter/由圆心向圆周渐变
AwesomeTang
03-13 1640
前言 如上图所示，靠近圆心的位置是偏亮的红色，外围是偏深的红色，这样渐变便能实现一种光影效果。 关于渐变色配置在之前文章【pyecharts50例】渐变色效果柱状图（直方图）～有线性渐变的实例，本文实现的是径向渐变 线性渐变 完整实例 完整代码 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Author : AwesomeTang # @File : scatter_with_radial_gradient_color.py # @Ver
python+pyecharts生成网页可视化图表
06-10
python+pyecharts生成网页可视化图表，同一张网页生成多个图标
利用pyecharts制作精美的可视化图表
Kilig___的博客
06-28 1710
利用pyecharts制作精美的可视化图表 目录利用pyecharts制作精美的可视化图表1、安装（1）版本问题（2）如何查看自己当前安装的版本（3）安装方法2、可视化（1）效果（2）实现思路（3）地图绘制（4）饼图绘制（5）柱状图绘制（6）拼接起来并且用timeline组合 1、安装 （1）版本问题 现在网上大部分pyecharts的教程都是pyecharts改版之前的也就是v0.5.x版本的 pyecharts 分为 v0.5.x 和 v1.x 两个版本，而新版本是不向下兼容的，通俗来讲就是在v1.x中
python bar图_【python实战】pyecharts绘制PictorialBar图
weixin_39940770的博客
11-24 348
一直想用matplotlib来画用图片填充的柱形图，但是，摸索了好久都没找到，最后只能转战pyecharts了。好在pyecharts还是可以实现了，先放上pyecharts的样图：pictoral bar.pngpictoral bar2.pngpictoral bar3.png接下来就是照葫芦画瓢了。1. 条形图pictorialbar_horizon.png# 颜色转换def RGB_to_...
探索Pyecharts之美-绘制多彩旭日图的艺术与技巧
最新发布
一键难忘的博客
01-27 5103
如果你需要更高级的样式和自定义，可以进一步使用Pyecharts提供的丰富功能，如渐变色、阴影效果等。data = {],"",),sunburst.set_global_opts(title_opts=opts.TitleOpts(title="高级样式与自定义"))在这个例子中，我们通过参数实现了边框、透明度和阴影效果的自定义。通过本文，你学会了如何使用Pyecharts绘制多种炫酷的旭日图，并深入了解了各种参数的用法。
pyecharts可视化大屏，可拖拽布局！
04-17
Pyecharts是一个基于JavaScript的Python图表库，它为Python开发者提供了丰富的数据可视化功能。这个资源包，"Pyecharts可视化大屏，可拖拽布局！"，旨在帮助用户利用Pyecharts创建交互式的数据可视化大屏，并且支持...
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
综上所述，"财报数据可视化 —— pandas数据分析，pyecharts可视化"这个主题涵盖了数据预处理、数据分析以及数据可视化的全过程。通过学习和实践，我们可以有效地解读和展示复杂的财务数据，为决策者提供清晰的洞察...
Python基于pyecharts可视化分析苏州旅游攻略
04-23
首先，我们需要导入相关的Python库，如pandas用于数据处理，matplotlib和seaborn用于基本的数据可视化，以及pyecharts用于高级的交互式图表制作。在这个案例中，我们将重点使用pyecharts，因为它提供了丰富的图表...
【pyecharts50例】渐变色效果柱状图（直方图）～
AwesomeTang
11-08 5258
效果 柱状图的颜色可以通过系列配置项ItemStyleOpts进行配置，除了常规红色，绿色外，其实pyecharts还支持渐变色设置； class ItemStyleOpts( # 图形的颜色。 # 颜色可以使用 RGB 表示，比如 'rgb(128, 128, 128)'，如果想要加上 alpha 通道表示不透明度， # 可以使用 RGBA，比如 'rgba(128, 128, 128, 0.5)'，也可以使用十六进制格式，比如 '#ccc'。 # 除了纯色之外颜色也支持
Pyecharts V1全新版本使用教程——Bar(柱状图的使用)
12-21
Pyecharts V1全新版本使用教程——Bar(柱状图的使用) 以下内容均来自Pyecharts官方使用文档（可自行阅读）和自己的理解： 官方链接：https://pyecharts.org/#/zh-cn/intro github链接：https://github.com/pyecharts/pyecharts-gallery 概况： 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。 版本： pyecharts 分
带渐变色 效果的柱形图
04-13
带渐变色 效果的柱形图 可以直接开启渐变颜色渐变 自定义颜色不同颜色
带渐变色的柱状图，看着挺美～
算法channel
09-21 1234
这是我最近两天，使用pyecharts绘制的系列柱状图，主要特色包括：1) 每类系列柱子使用不同的线性渐变色; 2) 具有轮播功能，截图如下：为方便各位读者直接引用此系列柱状图，Pyth...
python 动态仪表盘_使用Echarts3实现渐变仪表盘需求
weixin_39907713的博客
11-23 418
Echarts 仪表盘实践项目过程中遇到一个这样的需求:这明显是一个仪表盘类型的图表，打开echarts的官方文档，可以看到有一个默认的实现，如下：使用了默认的参数option = {tooltip : {formatter: "{a} {b} : {c}%"},toolbox: {feature: {restore: {},saveAsImage: {}}},series: [{name: '业...
html5调颜色浏览器不显示,pyecharts画中国地图（省、市）：如何调整渐变颜色、浏览器中大小、生成的HTML打开是空白无法显示的问题...
weixin_36241311的博客
06-09 1290
最近在做一个数模题，需要中国地图的数据可视化，了解到pyecharts，踩了一些坑，在此记录—————————————————————————版本问题现在网上大多数文章都是用的老版本，比如0.5以下，但pyecharts升级后，变化还是挺大的。我安装的就是最近版，好像是1.8几。绘图代码(模版)先以中国地图为例每个省份和其对应的数值要以元组的形式给到参数里opts.TitleOpts就是标题文字的...
echarts图表的折线图样式
裤兜的博客
03-08 8136
项目中遇到的一些样式需求: 1.对网格线样式修改; 2.对坐标轴线,文字的样式修改; 3.对图例组件legend样式的修改; 4.对折线样式的修改; 5.y轴单位样式. var chartDom = document.getElementById('main'); var echart = echarts.init(chartDom, 'dark'); //dark ,深色主题 var option = { tooltip: { trigger: 'axis', }, color: ['
Vue使用echarts制作好看的图表（一）
sunddy_x的博客
02-28 7471
Apache ECharts，一个基于 JavaScript 的开源可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。 ECharts安装与卸载 安装最新版 npm install echarts --save 安装指定版本，例如4.8.0 npm install echarts@4.8.0 --save 卸载 npm uninstall echarts Echarts 5添加了许多新特性，这里我选择安装最新版，目前为5.0.2。需要注意的是，echarts 5.x（以下简.
Pyecharts直角坐标系图：象形柱状图
Tomandjava的博客
06-04 2612
Pyecharts直角坐标系图：象形柱状图 文章目录Pyecharts直角坐标系图：象形柱状图前言一. PictorialBar：象形柱状图二. 基本图2.2 习惯标记2.3 自定义标记总结 前言 本文主要展示了Pyecharts象形柱状图的基本应用和简单例子。 一. PictorialBar：象形柱状图 这里add函数：主要是名称，数据，图形类型。 def add_yaxis( # 系列名称，用于 tooltip 的显示，legend 的图例筛选。 series_name:
pyecharts的options
viviliving的专栏
12-09 4708
首先从pyecharts导入options，并缩写为opts。 bar.set_global_opts() 调用全局项函数。 opts.LegendOpts(is_show=False) 设置图例项。 set_global_opts()函数可设置配置项如下： 全局配置项 功能 title_opts 标题 legend_opts 图例 tooltip_opts 提示框 toolbox_opts 工具箱 brush_opts 区域选择组件 xaxis_opts X轴 yaxi

“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