6-3 Pyecharts基础图形绘制

已于 2022-11-15 14:38:57 修改
阅读量144 收藏
点赞数
分类专栏： 数据分析 文章标签： echarts python
于 2021-09-01 17:18:53 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/m0_54634272/article/details/120043199
版权

画图四件套

import pandas as pd
from pyecharts import options as opts
import pyecharts.charts as pyec
from pyecharts.faker import Faker

条形图

横向条形图

横向条形图只需要调用reversal_axis()即可。

c = (
	pyec.Bar()
	.add_xaxis(Faker.choose())
	.add_yaxis("商家A", Faker.values())
	.add_yaxis("商家B", Faker.values())
	.reversal_axis()
	.set_series_opts(label_opts.LabelOpts(position="right"))
	.set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴"))
）

在这里插入图片描述

堆叠条形图

堆叠条形图只要在添加y轴的函数add_yaxis上添加stack参数即可。

c = (
	pyec.Bar()
	.add_xaxis(Faker.choose())
	.add_yaxis("商家A", Faker.values(), stack="stack1")
	.add_yaxis("商家B", Faker.values(), stack="stack1")
	.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
	.set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（全部）"))
）

在这里插入图片描述

设置条形图的间距

  • category_gap参数：x轴每个分类的间距
  • gap参数：统一分类下多根柱子间的间距
c = (
	pyec.Bar()
	.add_xaxis(Faker.choose())
	.add_yaxis("商家A", Faker.values(), category_gap="80%")
	.set_global_opts(title_opts=opts.TitleOpts(title="Bar-单系列柱间距离"))

在这里插入图片描述

c = (
	pyec.Bar()
	.add_xaxis(Faker.choose())
	.add_yaxis("商家A", Faker.values(), gap="0%")
	.add_yaxis("商家B", Faker.values(), gap="0%")
	.set_global_opts(
		title_opts=opts.TitleOpts(title="Bar-不同系列柱间距离"),
	)
)

在这里插入图片描述

带有网格的条形图

网格图，是在x轴和y轴上，都绘制横线，形成的网格。可以在opts.AxisOpts中通过设置splitline_opts实现。

x轴旋转角度
.set_global_opts(
     xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
    )

c = (
		pyec.Bar()
		.add_xaxis(Faker.choose())
		.add_yaxis("商家A",	Faker.values())
		.set_global_opts(
			title_opts=opts.TitleOpts(title="Scatter-显示分割线"）,
			xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True),axislabel_opts=opts.LabelOpts(rotate=-15)),
			yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
		)
	)
c.render_notebook()

折线图

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=[100,200,300,400,500,400,300]
 
line=(
    Line()
    .set_global_opts(
        tooltip_opts=opts.TooltipOpts(is_show=False),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
    )
    .add_xaxis(xaxis_data=x)
    .add_yaxis(
        series_name="基本折线图",
        y_axis=y,
        symbol="emptyCircle",
        is_symbol_show=True,
        label_opts=opts.LabelOpts(is_show=False),
    )
)
line.render_notebook()

在这里插入图片描述

  • series_name：图形名称
  • y_axis：数据
  • symbol：标记的图形，pyecharts提供的类型包括’circle’, ‘rect’, ‘roundRect’, ‘triangle’, ‘diamond’, ‘pin’, ‘arrow’, ‘none’，也可以通过 ‘image://url’ 设置为图片，其中 URL 为图片的链接。
  • is_symbol_show：是否显示 symbol

连接空数据（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,None,400,300]
 
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(
        series_name="连接空数据（折线图）",
        y_axis=y,
        is_connect_nones=True
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-连接空数据"))
)
line.render_notebook()

在这里插入图片描述

多条折线重叠

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']
y1=[100,200,300,400,100,400,300]
y2=[200,300,200,100,200,300,400]
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="y1线",y_axis=y1,symbol="arrow",is_symbol_show=True)
    .add_yaxis(series_name="y2线",y_axis=y2)
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
)
line.render_notebook()

在这里插入图片描述

平滑曲线折线图

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']
y1=[100,200,300,400,100,400,300]
y2=[200,300,200,100,200,300,400]
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="y1线",y_axis=y1, is_smooth=True)
    .add_yaxis(series_name="y2线",y_axis=y2, is_smooth=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
)
line.render_notebook()
  • is_smooth：平滑曲线标志
    在这里插入图片描述

阶梯图

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']
y1=[100,200,300,400,100,400,300]
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="y1线",y_axis=y1, is_step=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图"))
)
line.render_notebook()

在这里插入图片描述

  • is_step：阶梯图参数

变换折线的样式

import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
y1=[100,200,300,400,100,400,300]
line = (
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(
        "y1",
        y1,
        symbol="triangle",
        symbol_size=30,
        linestyle_opts=opts.LineStyleOpts(color="red", width=4, type_="dashed"),
        itemstyle_opts=opts.ItemStyleOpts(
            border_width=3, border_color="yellow", color="blue"
        ),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-ItemStyle"))
)
line.render_notebook()
  • linestyle_opts:折线样式配置，color设置颜色，width设置宽度，type设置类型，有’solid’, ‘dashed’, 'dotted’三种类型
  • itemstyle_opts：图元样式配置，border_width设置描边宽度，border_color设置描边颜色，color设置纹理填充颜色
    在这里插入图片描述

折线面积图

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']
y1=[100,200,300,400,100,400,300]
y2=[200,300,200,100,200,300,400]
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="y1线",y_axis=y1,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
    .add_yaxis(series_name="y2线",y_axis=y2,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
)
line.render_notebook()

在这里插入图片描述

双横坐标折线图

import pyecharts.options as opts
from pyecharts.charts import Line
 
from pyecharts.commons.utils import JsCode
js_formatter = """function (params) {
        console.log(params);
        return '降水量  ' + params.value + (params.seriesData.length ? '：' + params.seriesData[0].data : '');
    }"""
 
line=(
    Line()
    .add_xaxis(
        xaxis_data=[
            "2016-1",
            "2016-2",
            "2016-3",
            "2016-4",
            "2016-5",
            "2016-6",
            "2016-7",
            "2016-8",
            "2016-9",
            "2016-10",
            "2016-11",
            "2016-12",
        ]
    )
    .extend_axis(
        xaxis_data=[
            "2015-1",
            "2015-2",
            "2015-3",
            "2015-4",
            "2015-5",
            "2015-6",
            "2015-7",
            "2015-8",
            "2015-9",
            "2015-10",
            "2015-11",
            "2015-12",
        ],
        xaxis=opts.AxisOpts(
            type_="category",
            axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
            axisline_opts=opts.AxisLineOpts(
                is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#6e9ef1")
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
            ),
        ),
    )
    .add_yaxis(
        series_name="2015 降水量",
        is_smooth=True,
        symbol="emptyCircle",
        is_symbol_show=False,
        color="#d14a61",
        y_axis=[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        label_opts=opts.LabelOpts(is_show=False),
        linestyle_opts=opts.LineStyleOpts(width=2),
    )
    .add_yaxis(
        series_name="2016 降水量",
        is_smooth=True,
        symbol="emptyCircle",
        is_symbol_show=False,
        color="#6e9ef1",
        y_axis=[3.9, 5.9, 11.1, 18.7, 48.3, 69.2, 231.6, 46.6, 55.4, 18.4, 10.3, 0.7],
        label_opts=opts.LabelOpts(is_show=False),
        linestyle_opts=opts.LineStyleOpts(width=2),
    )
    .set_global_opts(
        legend_opts=opts.LegendOpts(),
        tooltip_opts=opts.TooltipOpts(trigger="none", axis_pointer_type="cross"),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
            axisline_opts=opts.AxisLineOpts(
                is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        ),
    )
)
line.render_notebook()

在这里插入图片描述

用电量随时间变化

import pyecharts.options as opts
from pyecharts.charts import Line
x_data = [
    "00:00",
    "01:15",
    "02:30",
    "03:45",
    "05:00",
    "06:15",
    "07:30",
    "08:45",
    "10:00",
    "11:15",
    "12:30",
    "13:45",
    "15:00",
    "16:15",
    "17:30",
    "18:45",
    "20:00",
    "21:15",
    "22:30",
    "23:45",
]
y_data = [
    300,
    280,
    250,
    260,
    270,
    300,
    550,
    500,
    400,
    390,
    380,
    390,
    400,
    500,
    600,
    750,
    800,
    700,
    600,
    400,
]
 
line=(
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="用电量",
        y_axis=y_data,
        is_smooth=True,
        label_opts=opts.LabelOpts(is_show=False),
        linestyle_opts=opts.LineStyleOpts(width=2),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="一天用电量分布", subtitle="纯属虚构"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        xaxis_opts=opts.AxisOpts(boundary_gap=False),
        yaxis_opts=opts.AxisOpts(
            axislabel_opts=opts.LabelOpts(formatter="{value} W"),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        visualmap_opts=opts.VisualMapOpts(
            is_piecewise=True,
            dimension=0,
            pieces=[
                {"lte": 6, "color": "green"},
                {"gt": 6, "lte": 8, "color": "red"},
                {"gt": 8, "lte": 14, "color": "yellow"},
                {"gt": 14, "lte": 17, "color": "red"},
                {"gt": 17, "color": "green"},
            ],
            pos_right=0,
            pos_bottom=100
        ),
    )
    .set_series_opts(
        markarea_opts=opts.MarkAreaOpts(
            data=[
                opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),
                opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),
            ]
        )
    )
)
line.render_notebook()

在这里插入图片描述
这里给大家介绍几个关键参数：
①visualmap_opts：视觉映射配置项，可以将折线分段并设置标签（is_piecewise），将不同段设置颜色（pieces）；
②markarea_opts：标记区域配置项，data参数可以设置标记区域名称和位置。

折线图不显示折线的原因

  • 把x轴坐标转换为str。

箱线图

箱线图使用pyecharts.charts.Boxplot来实现。

v1 = [
    [850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
    [960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790],
]
v2 = [
    [890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920],
    [890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870],
]

c = Boxplot()
c.add_xaxis(["商品1","商品2"])
c.add_yaxis("A",c.prepare_data(v1))
c.add_yaxis("B",c.prepare_data(v2))
c.render_notebook()

在这里插入图片描述

散点图

散点图用的是pyecharts.charts.Scatter来实现的。

基本使用

c = (
	pyec.Scatter()
	.add_xaxis(Faker.choose())
	.add_yaxis("商家A", Faker.values())
	.set_global_opts(title_opts=opts.TitleOpts(title="Scatter-基本示例"))
)
c.render_notebook()

在这里插入图片描述

多维散点图

c = (
	pyec.Scatter()
	.add_xaxis(Faker.choose())
	.add_yaxis(
		"商家A"，
		[list(z) for z in zip(Faker.values(), Faker.choose())],
		label_opts=pts.LabelOpts(
			formatter=JsCode(
				 "function(params){return params.value[1] +' : '+ params.value[2];}"
			)
		),
	)
	.set_global_opts(
		title_opts=opts.TitleOpts(title="Scater-多维度数据"),
		tooltip_opts=opts.TooltipOps(
			formatter=JsCode(
				"function (params) {return params.name + ' : ' + params.value[2];}"
			)
		),
		visualmap_opts=opts.VisualMapOpts(
		type_="color", max_=150, min_=20, dimension=1
		),
	)
crender_notebook()

在这里插入图片描述

地理图

中国地图

c = (
	pyec.Map()
	.add("商家A",[list(z) for z in zip(Faker.provinces, Faker.values())],"china")
	.set_global_opts(
		title_opts=opts.TitleOpts(title="Map-visualMap（连续型）"),
		visualmap_opts=opts.VisualMapOpts(max_=200),
	)
)
c.render_notebook()

在这里插入图片描述

中国局部地图

c = (
	pyec.Map()
	.add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
	.set_global_opts(
		title_opts=opts.TitleOpts(title="Map-广东地图"),
		visualmap_opts=opts.VisualMapOpts(),
	)
)
c.reder_notebook()
  • .add(“商家A”, [list(z) for z in zip(Faker.guangdong_city, Faker.values())], “广东”)
    • 各省份地图可直接加中文名字显示（如：广东省）
  • zip(Faker.guangdong_city, Faker.values())
    • 元祖里面的值不接受numpy.int64类型，可接受int类型
      在这里插入图片描述

世界地图

c = (
	pyec.Map()
	.add("商家A", [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="Map-世界地图"),
		visualmap_opts=opts.VisualMapOpts(max_=200),
	)
)
c,render_notebook()

在这里插入图片描述

python-码博士
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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