使用pyecharts绘制柱形折线融合图，圆环图，堆积图和雷达图，并自定义布局

已于 2023-12-14 17:39:39 修改
阅读量533 收藏 11
点赞数 7
文章标签： python 信息可视化 数据分析
于 2023-12-14 14:24:21 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/l24649466/article/details/134993151
版权

一、柱形折线融合图

#1、导入模块
import pyecharts.options as opts
from pyecharts.charts import Bar, Line

#准备数据
x_data = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']

#2、创建Bar类对象
bar = (
    Bar()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="诊疗量",    # 此处为设置图例配置项的名称
        y_axis=[87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215],
        label_opts=opts.LabelOpts(is_show=False),   # 此处将标签配置项隐藏
        z=0     # 因为折线图会被柱状图遮挡，所以此处把柱状图置底
    )
 
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="同比增速（%）",
            type_="value",
            min_=-20,      # 刻度标签的最大值
            max_=20,       # 刻度标签的最小值
            interval=10,   # 步长
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),  # 设置刻度标签的单位
        )
    )
    
    .set_global_opts(
        tooltip_opts=opts.TooltipOpts(   
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),     # 设置提示框配置项，触发类型为坐标轴类型，指示器类型为"cross"
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
        ),     # 设置x轴配置项为类目轴，适用于离散的类目数据      
        yaxis_opts=opts.AxisOpts(
            name="诊疗量（万人次）",
            type_="value",
            min_=0,          # 刻度标签的最大值 
            max_=150000,     # 刻度标签的最小值
            interval=50000,  # 步长
            axislabel_opts=opts.LabelOpts(formatter="{value} 万人"),  # 设置刻度标签的单位
            axistick_opts=opts.AxisTickOpts(is_show=True),           # 显示坐标轴刻度
            splitline_opts=opts.SplitLineOpts(is_show=True),         # 显示分割线
        ),
        title_opts=opts.TitleOpts(
            is_show=True, title="2014-2021年中国中医类医疗卫生机构诊疗量", pos_left="center"
        ),     # 设置标题并将其居中
        legend_opts=opts.LegendOpts(is_show=False),  #隐藏图例配置项
    )
)


#创建Line类对象
line = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="同比增速",
        yaxis_index=1,
        y_axis=[7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66],
        label_opts=opts.LabelOpts(is_show=False),
        symbol="triangle",
        symbol_size=20,
    )
    .set_series_opts(
        linestyle_opts=opts.LineStyleOpts(width= 4)
    )   # 设置线条宽度为4
)

#3、渲染图表
bar.overlap(line).render_notebook()

  运行结果如下：

二、圆环图

#1、导入模块
import pyecharts.options as opts
from pyecharts.charts import Pie

#2、创建Pie类对象
pie= (
    Pie()
    .add("", [('20岁以下',2.2), ('20-30岁',27.9), ('31-40岁',56.2), ('41-50岁',10.9), ('51岁以上',2.8)], radius=[85, 160])   #添加数据
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中药材消费者画像", pos_left="center")    #设置主标题并居中
        legend_opts=opts.LegendOpts(is_show=False)  #隐藏图例配置项
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) 
    #不同图表类型下的 {a}，{b}，{c}，{d} 含义不一样，在这里饼图分别表示的是 {b}（数据项名称），{c}（数值）
)

#3、渲染图表
pie.render_notebook()

# radius： 饼图的半径，数组的第一项是内半径，第二项是外半径 。

 运行结果如下：

三、 堆积图

#1、导入模块
from pyecharts import options as opts
from pyecharts.charts import Bar

#添加数据
list1 = [20.3, 22.0, 23.5, 22.5, 22.3]
list2 = [79.7, 78.0, 76.5, 77.5, 77.7]

#2、创建Bar类对象
bar1 = (
    Bar()
    .add_xaxis(['2019年','2020年','2021年','2022年','2023年'])   #设置横坐标刻度标签文字
    .add_yaxis("跨国企业占比", list1, stack="stack1")   #若两个都为stack相同，则默认堆叠
    .add_yaxis("本土企业占比", list2, stack="stack1")   #若两个都为stack不同，则默认并行
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  #隐藏标签配置项
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30)),   将横坐标刻度标签文字旋转30°
        title_opts=opts.TitleOpts(title="全国药店中药饮品供应商占比", pos_left="center"),  #设置主标题并居中
        legend_opts=opts.LegendOpts(is_show=False)  #隐藏图例配置项
    )
)

#3、渲染图表
bar1.render_notebook()

 运行结果如下：

四、雷达图 

#1、导入模块
import pyecharts.options as opts
from pyecharts.charts import Radar

#添加数据
data = [{"value": [45, 3, 9, 4, 6, 33], "name": "销售占比"}]
c_schema = [
    {"name": "中成药", "max": 50, "min": 0},    #设置指示器名称、最大值和最小值
    {"name": "生物制品", "max": 50, "min": 0},
    {"name": "医疗器械", "max": 50, "min": 0},
    {"name": "保健品", "max": 50, "min": 0},
    {"name": "中药饮片", "max": 50, "min": 0},
    {"name": "化学药", "max": 50, "min": 0},
]

#2、创建Radar类对象
radar = (
    Radar()
    .set_colors(["#4587E7"])   #设置颜色
    .add_schema(
        schema=c_schema,   # 雷达指示器配置项列表
        shape="circle",    # 雷达图绘制类型，可选 'polygon' 和 'circle'
        center=["50%", "50%"],  #雷达的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标。
        radius="80%",
        angleaxis_opts=opts.AngleAxisOpts(
            min_=0,
            max_=360,
            is_clockwise=False,
            interval=5,
            axistick_opts=opts.AxisTickOpts(is_show=False),
            axislabel_opts=opts.LabelOpts(is_show=False),
            axisline_opts=opts.AxisLineOpts(is_show=False),
            splitline_opts=opts.SplitLineOpts(is_show=False),
        ),
        radiusaxis_opts=opts.RadiusAxisOpts(   #极坐标系的角度轴
            min_=0,
            max_=50,
            interval=10,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        polar_opts=opts.PolarOpts(),
        splitarea_opt=opts.SplitAreaOpts(is_show=False),
        splitline_opt=opts.SplitLineOpts(is_show=False),
    )
    .add(
        series_name="销售占比",
        data=data,
        areastyle_opts=opts.AreaStyleOpts(opacity=0.1),  #设置区域填充样式配置项
        linestyle_opts=opts.LineStyleOpts(width=1),      #设置线样式配置项
    )
    .set_global_opts( legend_opts=opts.LegendOpts(is_show=False),  #隐藏图例配置项
                      title_opts=opts.TitleOpts(title="全国药店中药饮品供应商占比", pos_left="center"))    #设置标题并居中
)

#3、渲染图表
radar.render_notebook()

 # radius：雷达的半径。可以为如下类型： 

·1、number：直接指定外半径值。  ·2、string：例如，'20%'，表示外半径为可视区尺寸（容器高宽中较 小一项）的 20% 长度。  ·3、Array.<number|string>：数组的第一项是内半径，第二项是外半径。每一项遵从上述 number string 的描述。

运行结果如下：

 自定义布局

自定义布局我用的是顺序多图，pyecharts.charts的Page类表示顺序显示的组合图表，它可以在同一网页中按顺序渲染多个图表。其中Page(layout=Page.DraggablePageLayout)可以让我们手动调节各个图表在网页中的布局。

代码如下：

import pyecharts.options as opts
from pyecharts.charts import Bar, Line, Radar, Pie, Grid, Page


x_data = ['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']

bar = (
    Bar()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="诊疗量",
        y_axis=[87430, 90912, 96225, 101885, 107147, 116390, 105764, 120215],
        label_opts=opts.LabelOpts(is_show=False),
        z=0
    )

    .extend_axis(
        yaxis=opts.AxisOpts(
            name="同比增速（%）",
            type_="value",
            min_=-20,
            max_=20,
            interval=10,
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),
        )
    )
    
    .set_global_opts(
        tooltip_opts=opts.TooltipOpts(
            is_show=True, trigger="axis", axis_pointer_type="cross"
        ),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
        ),
        yaxis_opts=opts.AxisOpts(
            name="诊疗量（万人次）",
            type_="value",
            min_=0,
            max_=150000,
            interval=50000,
            axislabel_opts=opts.LabelOpts(formatter="{value} "),
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        title_opts=opts.TitleOpts(
            is_show=True, title="2014-2021年中国中医类医疗卫生机构诊疗量", pos_left="center"
        ),
        legend_opts=opts.LegendOpts(
            is_show=False
        )
    )
)


line = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="同比增速",
        yaxis_index=1, 
        y_axis=[7.40, 4.00, 5.83, 5.81, 5.16, 8.63, -9.13, 13.66],
        label_opts=opts.LabelOpts(is_show=False),
        symbol="triangle",
        symbol_size=20,
    )
    .set_series_opts(
        linestyle_opts=opts.LineStyleOpts(width= 4)
    )
)

pie= (
    Pie()
    .add("", [('20岁以下',2.2), ('20-30岁',27.9), ('31-40岁',56.2), ('41-50岁',10.9), ('51岁以上',2.8)], radius=[85, 160])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中药材消费者画像"),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)



list1 = [20.3, 22.0, 23.5, 22.5, 22.3]
list2 = [79.7, 78.0, 76.5, 77.5, 77.7]
bar1 = (
    Bar()
    .add_xaxis(['2019年','2020年','2021年','2022年','2023年'])
    .add_yaxis("跨国企业占比", list1, stack="stack1")
    .add_yaxis("本土企业占比", list2, stack="stack1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30)),
        title_opts=opts.TitleOpts(title="全国药店中药饮品供应商占比", pos_left="center"),
        legend_opts=opts.LegendOpts(is_show=False)
    )
)

data = [{"value": [45, 3, 9, 4, 6, 33], "name": "销售占比"}]
c_schema = [
    {"name": "中成药", "max": 50, "min": 0},
    {"name": "生物制品", "max": 50, "min": 0},
    {"name": "医疗器械", "max": 50, "min": 0},
    {"name": "保健品", "max": 50, "min": 0},
    {"name": "中药饮片", "max": 50, "min": 0},
    {"name": "化学药", "max": 50, "min": 0},
]

radar = (
    Radar()
    .set_colors(["#4587E7"])
    .add_schema(
        schema=c_schema,
        shape="circle",
        center=["50%", "50%"],
        radius="80%",
        angleaxis_opts=opts.AngleAxisOpts(
            min_=0,
            max_=360,
            is_clockwise=False,
            interval=5,
            axistick_opts=opts.AxisTickOpts(is_show=False),
            axislabel_opts=opts.LabelOpts(is_show=False),
            axisline_opts=opts.AxisLineOpts(is_show=False),
            splitline_opts=opts.SplitLineOpts(is_show=False),
        ),
        radiusaxis_opts=opts.RadiusAxisOpts(
            min_=0,
            max_=50,
            interval=10,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        polar_opts=opts.PolarOpts(),
        splitarea_opt=opts.SplitAreaOpts(is_show=False),
        splitline_opt=opts.SplitLineOpts(is_show=False),
    )
    .add(
        series_name="销售占比",
        data=data,
        areastyle_opts=opts.AreaStyleOpts(opacity=0.1),
        linestyle_opts=opts.LineStyleOpts(width=1),
    )
    .set_global_opts( legend_opts=opts.LegendOpts(is_show=False),
                    title_opts=opts.TitleOpts(title="全国药店中药饮品供应商占比", pos_left="center")
                    )
)

overlap_1 = bar.overlap(line)

page = (
    Page(layout=Page.DraggablePageLayout)
    .add(overlap_1)
    .add(pie)
    .add(bar1)
    .add(radar)
)


page.render("自定义布局.html")

 运行结果如下：（下图是经过本人手动调节过的）

2224070343
关注
  • 7
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
用pyecharts绘制环图展示
h2224070240的博客
12-14 601
【代码】用pyecharts，绘制环图展示。
数据可视化pyecharts绘制饼状图和环形图
qq_45437180的博客
10-26 1842
pyecharts绘制环形图 饼状图
R语言圆填充( Circle packing)算法圆堆图圆形空间填充算法可视化
大数据部落
12-10 1713
原文链接：http://tecdat.cn/?p=24658 原文出处：拓端数据部落公众号 圆填充Circle packing算法 已经开发了大量确定性和随机性的圆填充算法。 RepelLayout通过成对排斥迭代移动圆圈来搜索非重叠布局。圆的位置被限制在一个矩形区域内。为避免边缘效应，可以将边界区域视为环面，例如，推到左侧边缘的圆将重新进入右侧边缘的边界区域。这是一种非常简单且效率相当低的算法，但通常会产生良好的结果。 ProgressiveLayout连续放置圆，使....
pyecharts绘制饼图或圆环图
2301_78421051的博客
12-14 532
【代码】pyecharts绘制饼图或圆环图。
使用Pyecharts绘制雷达图（附完整代码）
lingyaoJUN的博客
12-14 4195
在Python中，我们可以使用第三方库pyecharts来实现雷达图的绘制。下面我们将通过绘制全国药店药品销售额占比体的例子，来教会大家如何使用Python和pyecharts来绘制雷达图。...
(完整版)Excel高级图表制作指南.ppt
10-23
Excel提供了14种标准图表类型和20种自定义图表类型，包括柱形图、条形图、折线图、饼图、XY散点图、面积图、圆环图、雷达图、曲面图、气泡图、股价图等。 柱形图 柱形图反映一段时间内数据的变化，或者不同项目...
Excel高级图表制作教程全.ppt
10-07
* 子图表类型：簇状柱形图、堆积柱形图、百分比堆积柱形图、三维簇状柱形图、三维堆积柱形图、三维百分比堆积柱形图 2. 条形图：显示各个项目之间的对比，与柱形图不同的是其分类轴设置在纵轴上。 * 子图表类型：...
Excel2007图表完全剖析 2/8
04-01
使用数据透视图汇总数百万行数据，在不使用图表的情况下以图形方式显示数据，使用SmartArt图形绘制流程图和关系图，使用VBA创建图表，将数据绘制到地图中，将图表导出到网页或PowerPoint中，找出图表背后的谎言等。...
Excel高级图表制作指南.ppt
11-17
图表可以分为不同的类型，如柱形图、条形图、折线图、饼图、XY 散点图、面积图、圆环图、雷达图、曲面图等，每种图表类型都有其特点和应用场景。 二、图表类型 Excel 提供了多种图表类型，每种图表类型都有其特点...
Excel2007图表完全剖析 6/8
04-01
使用数据透视图汇总数百万行数据，在不使用图表的情况下以图形方式显示数据，使用SmartArt图形绘制流程图和关系图，使用VBA创建图表，将数据绘制到地图中，将图表导出到网页或PowerPoint中，找出图表背后的谎言等。...
基于pyecharts绘制柱形折线融合图、圆环图、柱形堆积图、雷达图，绘制“并行多图”
Not_Eighty_Six的博客
12-14 539
EffectScatter/Pie/HeatMap/Boxplot 图表，将不同类型图表画在多张图上。第一个图需为 有 x/y 轴的图，即不能为 Pie，其他位置顺序任意。Overlap 类：结合不同类型图表叠加画在同张图上。Timeline 类：提供时间线轮播多张图。：用户可以自定义结合 Line/Bar/Kline/Page 类：同一网页按顺序展示多图。Grid 类：并行显示多张图。
《Python数据可视化之Matplotlib与Pyecharts》之环形图
王国平的博客
06-19 2411
11.4.2 不同教育群体的购买力分析 为了分析该企业客户群中不同教育群体的购买力情况，绘制了销售额的环形图，Python代码如下： # -*- coding: utf-8 -*- #声明Notebook类型，必须在引入pyecharts.charts等模块前声明 from pyecharts.globals import CurrentConfig, NotebookType CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB...
用pyecharts制作柱（线）形图，环形图，雷达图，堆积图
最新发布
2302_78728776的博客
12-15 144
【代码】用pyecharts制作柱（线）形图，环形图，雷达图，堆积图。
python-pyecharts绘图：折线柱状图+堆叠柱状图+嵌套饼图+词云图
陆沙的博客
11-18 8278
最近在b站抓了一些数据（后面我会写抓取过程），顺便用pyecharts画了下图。用这个包，一来是客户要求，二来是省心、省事。这里简单贴一下代码吧。 测试环境：python3 + win10 折线+柱状图 别看这个图挺复杂的，其实只要准备好数据，设置好，这些响应式的浮窗、阴影全都是自动配置的，非常省心。 # name_list, bofang, danmu, zhuifan, pts_list都是list类型 # 它们的元素类型可以是'123'这种，不要求
堆积面积图、三维散点图（pyecharts）
Asia1bisns的博客
06-09 1872
到这里，今天的推介内容已全部结束，总的来说，pyechart库作为优秀的python第三方库，为Echarts图表库与python建立了良好沟通。当然，python可实现的功能还有很多，期待大家的不断学习探索与python迸发出更大的火花吧！
使用pyecharts从excel取数建立堆积柱状图
cwjcw81的博客
02-18 3905
pyecharts本身其实并不难，代码简单，语法简单，网上教程很多，文档也是中文的，并不难看懂，但是并没有一个教程教我们怎么把数据从excel里提取出来，再放到pyecharts里对应的参数里面区，花了大半天时间写了一个自动从excel取数并生成堆积柱状图的自定义函数，供各位入门小白参考。 excel图表格式如下： 对于这个堆积柱状图，我想做到这几点： 1、以“区”和“大品类别”作为维度，做出两...
Python数据可视化，Pyecharts库，外圆环内饼图制作
数据发现者
10-23 529
Python数据可视化，Pyecharts库，外圆环内饼图制作
手把手教你用pycharts绘制各种图（常做报表可视化的同学请进）
m0_49501453的博客
06-20 9669
使用pycharts各种图绘制 安装pycharts使用 pip install pycharts==1.9.0 建议使用jupyter notebook 本图代码参考自官网，仅供学习使用 柱状图1 #数据可视化库,需要使用pip install pyecharts #官网： http://pyecharts.org/#/ import pandas as pd from pyecharts.charts import Bar bar = Bar() #pyechars需要的数据只能是Python中内置
pyecharts库绘制：条形图、折线图、饼图、环形图、散点图及相应参数设置
weixin_44469890的博客
11-03 4253
import pyecharts pyecharts.__version__ #版本检查 import pyecharts.charts as pyec x=['甲','乙','丙'] y=[300,800,600] bar=pyec.Bar() bar.add_xaxis(x) bar.add_yaxis(series_name='A',yaxis_data=y) bar.render_no...
pyecharts绘制直方图
09-21
对于使用pyecharts绘制直方图，它没有专门的直方图函数，但是可以通过使用Bar函数来实现。你可以通过设置不同的参数来调整Bar函数的效果，从而实现绘制直方图的目的。 以下是使用pyecharts绘制直方图的步骤： 1. 导入所需的库和模块。 2. 创建一个Bar实例对象。 3. 设置x轴和y轴的数据。 4. 设置其他的图表属性，如标题、坐标轴名称等。 5. 渲染图表并保存或显示。 下面是一个例子，展示了如何使用pyecharts绘制直方图： ```python import pyecharts.options as opts from pyecharts.charts import Bar # 创建Bar实例对象 bar = Bar() # 设置x轴和y轴的数据 x_data = ['A', 'B', 'C', 'D', 'E'] y_data = [10, 20, 30, 40, 50] bar.add_xaxis(x_data) bar.add_yaxis('', y_data) # 设置其他的图表属性 bar.set_global_opts( title_opts=opts.TitleOpts(title="直方图"), xaxis_opts=opts.AxisOpts(name='X轴'), yaxis_opts=opts.AxisOpts(name='Y轴') ) # 渲染图表并保存或显示 bar.render("bar.html") ```

“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 1
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