pyecharts可视化——折线图

已于 2024-03-18 11:16:40 修改
阅读量1.1k 收藏 13
点赞数 10
分类专栏： pyecharts 文章标签： python 信息可视化 数据可视化
于 2024-03-17 23:24:05 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/lyx52Hertz/article/details/136792849
版权
本文详细介绍了使用Pyecharts库在Python中创建基础折线图、多线折线图、线样式配置、平滑曲线、连接空数据、阶梯图、面积图（基础与堆叠）、以及添加标记点和标记线的方法。
摘要由CSDN通过智能技术生成

目录

基础折线图
多条线折线图
平滑曲线折线图
连接空数据（折线图）
阶梯图
基础面积图
堆叠面积图

pyecharts——配置项学习

基础折线图

在这里插入图片描述

  • 代码如下
## 基础折线图
from pyecharts.charts import Line # 导入Line库 
from  pyecharts.faker  import  Faker
line = (
    Line()
    .add_xaxis(Faker.choose()) # x轴
    .add_yaxis(
        "商家A",    # 图例
        Faker.values(), # 数据
    )
).render("基础折线图.html")

多条线折线图

在这里插入图片描述

  • 代码如下
from pyecharts.charts import Line 
from  pyecharts.faker  import  Faker
## 多条线折线图
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values()) # y轴
    .add_yaxis("商家B",Faker.values()) # 多线重叠
    .set_global_opts(
        title_opts=opts.TitleOpts(title="多条折线重叠")
    )
).render("多条线折线图.html")

线样式配置项

在这里插入图片描述

  • 代码如下
from pyecharts.charts import Line 
from pyecharts.faker import Faker

line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values(),
    )
    .set_series_opts(
        #LineStyleOpts: 线样式配置项
        linestyle_opts = opts.LineStyleOpts(
        	width = 10,   # 线宽
            color = "green",  # 线颜色
            type_ = "dashed",   # solid实线 | dashed虚线 | dotted点线
        ),

    )
).render("线样式配置项.html")

平滑曲线折线图

在这里插入图片描述

  • 代码如下
from pyecharts.charts import Line 
from  pyecharts.faker  import  Faker
## 平滑曲线折线图
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values(),is_smooth=True) # 平滑曲线  
).render("平滑曲线折线图.html")

连接空数据（折线图）

在这里插入图片描述

  • 代码如下
from pyecharts.charts import Line 
from  pyecharts.faker  import  Faker
## 连接空数据（折线图）
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",[10,20,30,None,50,60,70],is_connect_nones=True) # is_connect_nones=True 连接空数据
    .add_yaxis("商家B",[1,5,10,None,20,25,30])
    .set_global_opts(title_opts=opts.TitleOpts(title="连接空数据"))
).render("连接空数据（折线图）.html")

阶梯图

在这里插入图片描述

  • 代码如下
from pyecharts.charts import Line 
from  pyecharts.faker  import  Faker
## 阶梯图
line=(
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis(series_name="数据1",y_axis=Faker.values(), is_step=True) # is_step=True阶梯图
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图"))
).render("阶梯图.html")

基础面积图

在这里插入图片描述

  • 代码如下
## 基础面积图
from pyecharts.charts import Line
from  pyecharts.faker  import  Faker
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis(
    	"商家A",     # 图例
       	Faker.values(),  # 数据
        ### AreaStyleOpts：面积设置
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),  # opacity: 透明度（必须设置）
            )
).render("面积图.html")

堆叠面积图

在这里插入图片描述

  • 代码如下
## 堆叠面积图
from pyecharts.charts import Line
from  pyecharts.faker  import  Faker
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis(
                "商家A",     # 图例
                Faker.values(),  # 数据
                is_smooth=True,  # is_smooth平滑曲线 
                ### AreaStyleOpts：面积设置
                areastyle_opts=opts.AreaStyleOpts(opacity=0.5),  # opacity: 透明度（必须设置）
        )
    .add_yaxis(
                "商家B",
                Faker.values(),
                ### AreaStyleOpts：面积设置
                areastyle_opts=opts.AreaStyleOpts(opacity=0.5), # opacity: 透明度（必须设置）
        )
    .set_global_opts(
        title_opts = opts.TitleOpts(title = "堆叠面积图"), 
        ### boundary_gap = False: 图例与坐标轴间没有间隙 True|False
        #xaxis_opts = opts.AxisOpts(type_ = "category", boundary_gap = False),
        )
).render("堆叠面积图.html")

标记点

在这里插入图片描述

  • 标记点
## 标记点
from pyecharts.charts import Line # 导入Line库 
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values())
    .set_series_opts(
        ## MarkPointOpts: 标记点
        markpoint_opts = opts.MarkPointOpts(
            data = [
                ## type_：特殊标记类型，min, max, average平均值
                ## symbol: 特殊标记类图型更改 
                # circle 圆形
                # rect 矩形
                # roundRect 圆角矩形
                # triangle 三角形
                # diamond 菱形
                # arrow 飞镖形
                ## symbol_size: 标记图形大小
                opts.MarkPointItem(type_= "max",symbol = "arrow",symbol_size = 30),
                opts.MarkPointItem(type_= "min",symbol = "arrow",symbol_size = 30),
                ]
            )
        )
).render("标记点.html")

标记线

在这里插入图片描述

  • 代码如下
## 标记线
from pyecharts.charts import Line # 导入Line库 
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values(),
    )
    .set_series_opts(
        ## MarkLineOpts: 标记线
        markline_opts = opts.MarkLineOpts(
            data = [opts.MarkLineItem(
                name = "平均值",  # 标注名称
                # 特殊的标注类型，用于标注最大值最小值等。可选:
                # 'min' 最大值、'max' 最大值 、'average' 平均值。
                type_ = "average",
                )
                ],
            label_opts = opts.LabelOpts(color = "red")
        )
    )
).render("标记线.html")
lyx52Hertz
关注
专栏目录
python数据分析——pyecharts折线图全解（小白必看）
weixin_42241770的博客
09-03 3万+
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。 下面我给大家介绍一下如何用pyecharts画出各种折线图 1.基本折线图 import pyecharts.options as opts from pyecharts.charts import Line x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日'] y=[100,200,300,400,500,4
Python数据可视化————pyecharts折线图简单入门
2301_77279466的博客
04-10 762
json是一种轻量级的数据交互格式，各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互。
Python_使用pyecharts构建折线图
weixin_63243357的博客
07-14 337
Pyecharts是一款将python与echarts结合的强大的数据可视化工具，使用 pyecharts 可以生成独立的网页，也可以在 flask , Django 中集成使用。echarts ：百度开源的一个数据可视化 JS 库，主要用于数据可视化。pyecharts 是一个用于生成Echarts 图表的类库，实际上就是 Echarts 与 Python 的对接。
python——pyEcharts绘制折线图与堆叠柱形的混合可视化
最新发布
weixin_66547608的博客
10-08 1007
【代码】python——pyEcharts绘制折线图与堆叠柱形的混合可视化。
Pyecharts数据可视化分析—折线图
qq_40433634的博客
09-24 4196
1. 实验介绍 本实验主要介绍折线图理论与基于Python的折线图实现。 1.1. 实验目的 掌握折线图基本使用场景，使用Python的pyecharts模块实现折线图。 1.2. 知识点 折线图理论 折线图实现 2. 折线图理论 线图介绍： 线图也叫折线图，将值标注成点，并通过直线将这些点按照某种顺序连接起来形成的图。 使用场景： 数据在一个有序的因变量上的变化，它的特点是反映事物随序列而发生变化的趋势，可以清晰展现增减趋势、增减速率、增减规律、峰值等特征。 线图优点： 能很好的展现沿某
pyecharts折线图
weixin_43733036的博客
03-31 1123
前言 本次向大家分享的是通过pyecharts实现的折线图的绘制。本文系接上篇文章，数据可视化之Pyecharts-阶梯图的实现。 上篇文章 一、使用步骤 1.引入库 下载库小提示： pip install pyecharts tips:如果后面没有加上版本号，默认下载最新 2.读入数据 代码如下（示例）： data = pd.read_csv( 'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv') print(data.h
(代码详解)pyecharts画折线图+多条折线图+参数讲解+美化(有数据)
2301_81199775的博客
12-08 9403
(代码详解)pyecharts画折线图+多条折线图+参数讲解+美化(有数据)+数据平滑
pyecharts-折线图
Garrix的博客
11-09 1791
pyechats示例
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
"财报数据可视化 —— pandas数据分析，pyecharts可视化"的主题聚焦于使用Python中的pandas库进行数据预处理和分析，以及利用pyecharts库进行数据可视化。这两个强大的工具结合，能够帮助我们高效地理解并展示财务...
pyecharts——绘制柱形图折线图
fyd4777leo的博客
12-08 1523
自2013年6月百度 EFE ( Excellent FrontEnd ）数据可视化团队研发的 ECharts 1.0发布到 GitHub 网站以来， ECharts 一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python 作为数据分析领域最受欢迎的语言，也加入 ECharts 的使用行列，并研发出方便 Python 开发者使用的数据可视化工具，由此便诞生了 pyecharts 库。
数据可视化——柱形图
weixin_54892590的博客
03-30 316
bar.add_yaxis(“GDP亿”,y_data,label_opts=LabelOpts(position=“right”))year=int(i.split(“,”)[0]) #年份，使用split进行逗号分割，0号元素代表年份，使用int转换。data_a[year].append([country,gdp]) #如果列表中存在年份year则追加他的国家和gdp。gdp=float(i.split(“,”)[2]) #GDP，利用float转化整理科学计数法的数值。
数据可视化——pyecharts——02——配置项-全局配置项——01初始化配置项
weixin_43326910的博客
05-13 1555
正如前面所说pyecharts一切皆Options 1.全局配置项 初识全局配置组件 Note: 配置项章节应该配合图表类型章节中的 example 阅读。 全局配置项可通过 set_global_options 方法设置 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JxH3nCQK-1589378425383)(D:\笔记图片集\57307650-8a4d0280-7117-11e9-921f-69b8e9c5e4aa.png)] [外链图片转存失败,源站可能有防盗链
数据可视化-Pyecharts绘制折线图
m0_74394367的博客
04-22 1087
本实验通过绘制pyecharts库的折线图，讲解使用pandas读取文件、绘制折线图及使用pyecharts的set_global_opts和set_series_opts方法设置上阶梯图、设置线的样式，以及设置半透明颜色填充等，可以让折线图更加丰富和便于读者理解数据。
Python基础之pyecharts创建可视化图表之折线图
全栈行动派的博客
03-20 3293
Python基础之pyecharts创建可视化图表，详解Python中json使用，详解pyecharts基础使用，使用pyecharts创建日本、美国、印度2020年新冠确证人数折线图
9.Pyecharts折线图
阿古朵
07-11 745
#普通 import pyecharts.options as opts from pyecharts.charts import Line low=[-1,0,-2,0,-1,0,3] height=[12,14,16,16,18,17,18] lab=["周一","周二","周三","周四","周五","周六","周日"] line=Line()#生成line类型图标、 line.add_xaxis(lab)#添加x轴 line.add_yaxis("低温",low) #添加y轴数据 line.ad
python数据分析——pyecharts折线图全解
热门推荐
MaNong125的博客
04-12 2万+
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。 下面我给大家介绍一下如何用pyecharts画出各种折线图 1.基本折线图 import pyecharts.options as opts from pyecharts.charts import Line x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日'] y=[100,200,300,400,5
pyecharts折线图不显示标签
08-06
### 回答1： 在使用 pyecharts 绘制折线图时，如果不想显示标签，可以在添加标签的地方使用 `is_show=False` 参数。 例如： ```python from pyecharts import Line line = Line() line.add("商家A", attr, v1, is_label_show=False) line.show_config() line.render() ``` 在这个例子中，我们使用了 `is_label_show=False` 参数来关闭标签的显示。 注意：在使用 pyecharts 绘制折线图时，需要提供坐标轴的标签列表和对应的数据列表。你需要使用 `add()` 方法将数据添加到图表中。 希望这能帮到你！ ### 回答2： pyecharts折线图不显示标签可能是因为标签的显示设置被关闭或者默认设置为隐藏。 首先，我们需要确认是否在折线图的配置中设置了`line_label_show`属性。如果没有设置该属性或者将其设置为`False`，则标签将不会显示。检查代码中的配置部分，将`line_label_show`属性设置为`True`，以确保标签显示。 其次，我们还需要确认其他可能的设置是否影响了标签的显示。可以检查配置中的其他属性，如`line_label_position`，确保设置为正确的位置。例如，可以将其设置为`'top'`或`'right'`，以将标签放置在折线图的顶部或右侧。同时，还可以通过设置`line_label_font_size`属性来调整标签的字体大小。 最后，如果以上方法都没有成功显示标签，可能是因为数据量过少或者数据值太小，导致标签无法正常显示。可以尝试增加数据量或者调整数据值的大小，以确保标签能够显示出来。 总结来说，解决pyecharts折线图不显示标签的问题，需要确保在配置中设置了`line_label_show`属性为`True`，检查其他可能影响标签显示的属性的设置，并适当调整数据量或数据值的大小。
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

打赏作者

lyx52Hertz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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