笔记：Pyecharts

已于 2022-10-29 16:06:40 修改
阅读量580 收藏 6
点赞数
文章标签： python 数据分析
于 2022-10-29 14:52:32 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_74154585/article/details/127584859
版权

Pyecharts

画图的（doge）

文章目录

一、 柱状图

使用Bar函数可以绘制柱状图。

单列柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()
bar.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
bar.add_yaxis("第一轮", [87, 91, 86, 85, 93])
bar.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

bar.render_notebook()

运行结果为：
在这里插入图片描述

多列柱状图

在原代码基础上再加一行add_yaxis即可。

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()
bar.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
bar.add_yaxis("第一轮", [87, 91, 86, 85, 93])
bar.add_yaxis("第二轮", [90, 90, 87, 86, 89])
bar.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

bar.render_notebook()

运行结果为：
在这里插入图片描述

水平柱状图

使用**bar.reversal_axis()**可以绘制水平柱状图。

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()
bar.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
bar.add_yaxis("第一轮", [87, 91, 86, 85, 93])
bar.add_yaxis("第二轮", [90, 90, 87, 86, 89])
bar.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

bar.reversal_axis()

bar.render_notebook()

运行结果为：
在这里插入图片描述

二、 饼状图

饼状图通常用来表现不同类别的占比情况。

用Pie可以绘制饼状图。

一般饼状图

from pyecharts.charts import Pie
from pyecharts import options as opts

list1 = ['优秀', '良好', '及格', '不及格']
num = [11, 35, 7, 2]

c = Pie()
#这一步，是要将list1里面的元素和num里面的元素用zip函数对应打包成一个元组，然后形成一个列表。
c.add("", [list(z) for z in zip(list1, num)])
c.set_global_opts(title_opts=opts.TitleOpts(title='Pie-2班成绩占比'))
#这一步没怎么懂，应该是设置标签的形式
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

c.render_notebook()

运行结果为：
在这里插入图片描述

关于上面代码中的：c.set_series_opts(label_opts=opts.LabelOpts(formatter=“{b}: {c}”))

我试了一下把{b}去掉，运行后饼状图的标签就只剩数字了；相反，去掉{c}运行之后就只剩文字了；全部去掉运行也是文字。

玫瑰图

add()中:

参数radius用于设置饼状图半径，默认为[0, 75]，前面为内半径，后面为外半径；

参数center用于设置饼状图中心坐标，默认为[50, 50]；

参数rosetype用于设置玫瑰图，有两种表现形式，分别为radius和area。

from pyecharts.charts import Pie
from pyecharts import options as opts

list1 = ['优秀', '良好', '及格', '不及格']
num = [11, 35, 7, 2]

c = Pie()
c.add("", [list(z) for z in zip(list1, num)], radius=["40%", "55%"], center=[240, 210], rosetype='radius')
c.add("", [list(z) for z in zip(list1, num)], radius=["40%", "55%"], center=[640, 210], rosetype='area')
c.set_global_opts(title_opts=opts.TitleOpts(title='2班成绩占比-玫瑰图'))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}"))

c.render_notebook()

运行结果为：（左图为radius形式，右图为area形式）
在这里插入图片描述

三、折线图

通过Line绘制折线图。

from pyecharts.charts import Line
from pyecharts import options as opts

l = Line()
l.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
l.add_yaxis("第一轮", [87, 91, 86, 85, 93])
l.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

l.render_notebook()

运行结果为：
在这里插入图片描述

四、 漏斗图

通过Funnel绘制漏斗图。

from pyecharts.charts import Funnel
from pyecharts import options as opts

labels = ['跑步', '足球', '篮球', '羽毛球', '乒乓球']
data = [65, 20, 53, 45, 49]

f = Funnel()
f.add('', [list(z) for z in zip(labels, data)], is_selected=True)
f.set_global_opts(title_opts=opts.TitleOpts(title="运动类型喜好"))

f.render_notebook()

运行结果为：
在这里插入图片描述

五、散点图

通过Scatter绘制散点图。

一般散点图

from pyecharts.charts import Scatter
from pyecharts import options as opts

labels = ['跑步', '足球', '篮球', '羽毛球', '乒乓球']
data = [65, 20, 53, 45, 49]

s = Scatter()
s.add_xaxis(labels)
s.add_yaxis('大一', data)
s.set_global_opts(title_opts=opts.TitleOpts(title="喜好不同运动类型的人数"))

s.render_notebook()

运行结果为：
在这里插入图片描述

涟漪散点图

from pyecharts.charts import EffectScatter
from pyecharts import options as opts

labels = ['跑步', '足球', '篮球', '羽毛球', '乒乓球']
data = [65, 20, 53, 45, 49]

es = EffectScatter()
es.add_xaxis(labels)
es.add_yaxis('大一', data)
es.set_global_opts(title_opts=opts.TitleOpts(title="喜好不同运动类型的人数"))

es.render_notebook()

运行结果为：（动态的，但这里看不出来）
在这里插入图片描述

六、K线图

通过Kline绘制K线图。

from pyecharts.charts import Kline
from pyecharts import options as opts

labels = ["2022年10月{}日".format(i) for i in range(1, 32)]
data = [
    [2320.26, 2320.26, 2287.3, 2362.94],
    [2300, 2291.3, 2288.26, 2308.38],
    [2295.35, 2346.5, 2295.35, 2345.92],
    [2347.22, 2358.98, 2337.35, 2363.8],
    [2360.75, 2382.48, 2347.89, 2383.76],
    [2383.43, 2385.42, 2371.23, 2391.82],
    [2377.41, 2419.02, 2369.57, 2421.15],
    [2425.92, 2428.15, 2417.58, 2440.38],
    [2411, 2433.13, 2403.3, 2437.42],
    [2432.68, 2334.48, 2427.7, 2441.73],
    [2430.69, 2418.53, 2394.22, 2433.89],
    [2416.62, 2432.4, 2414.4, 2443.03],
    [2441.91, 2421.56, 2418.43, 2444.8],
    [2420.26, 2382.91, 2373.53, 2427.07],
    [2383.49, 2397.18, 2370.61, 2397.94],
    [2378.82, 2325.95, 2309.17, 2378.82],
    [2322.94, 2314.16, 2308.76, 2330.88],
    [2320.62, 2325.82, 2315.01, 2338.78],
    [2313.74, 2293.34, 2289.89, 2340.71],
    [2297.77, 2313.22, 2292.03, 2324.63],
    [2322.32, 2365.59, 2308.92, 2366.16],
    [2364.54, 2359.51, 2330.86, 2369.65],
    [2332.08, 2273.4, 2259.25, 2333.54],
    [2274.81, 2326.31, 2270.1, 2328.14],
    [2333.61, 2347.18, 2321.6, 2351.44],
    [2340.44, 2324.29, 2304.27, 2352.02],
    [2326.42, 2318.61, 2314.59, 2333.67],
    [2314.68, 2310.59, 2296.58, 2320.96],
    [2309.16, 2286.6, 2264.83, 2333.29],
    [2282.17, 2263.97, 2253.25, 2286.33],
]

k = Kline()
k.add_xaxis(labels)
k.add_yaxis("2022年10月份K线图", data)
k.set_global_opts(title_opts=opts.TitleOpts(title="数据抄的，不知道是啥"))

k.render_notebook()

运行结果为：

在这里插入图片描述

七、仪表盘

通过Gauge绘制仪表盘。

from pyecharts.charts import Gauge
from pyecharts import options as opts

g = Gauge()
g.add(" ", [("tempo", 70)], detail_label_opts=opts.GaugeDetailOpts(offset_center=[0, 90]))
g.set_global_opts(title_opts=opts.TitleOpts(title="任务完成率"), legend_opts=opts.LegendOpts(is_show=True))

g.render_notebook()

其中：detail_label_opts=opts.GaugeDetailOpts(offset_center=[0, 90]))是设置偏移量，这么做的话文字和数字就不会重合在一起，But！不知道为什么，将数字移走之后，就没有百分号了。

运行结果为：
在这里插入图片描述

八、词云图

通过WordCloud绘制词云图。

from pyecharts.charts import WordCloud
from pyecharts import options as opts

words = [
    ("where", 500),
    ("there", 400),
    ("is", 487),
    ("a", 355),
    ("will", 247),
    ("there", 666),
    ("is", 578),
    ("a", 184),
    ("way", 120),
]

w = WordCloud()
w.add("", words)
w.set_global_opts(title_opts=opts.TitleOpts(title="一句名言"))

w.render_notebook()

以元组的形式生成词云图，后面的数字表示相对大小？

运行结果为：
在这里插入图片描述

九、 Page-顺序多图

通过Page可以把多张图按顺序展现。

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

l = Line()
l.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
l.add_yaxis("第一轮", [87, 91, 86, 85, 93])
l.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

bar = Bar()
bar.add_xaxis(['1号选手', '2号选手', '3号选手', '4号选手', '5号选手'])
bar.add_yaxis("第一轮", [87, 91, 86, 85, 93])
bar.set_global_opts(title_opts=opts.TitleOpts(title="各选手得分情况"))

p = Page()
p.add(l,bar)

p.render_notebook()

运行结果为：
在这里插入图片描述

十、Grid-并行多图

通过Grid来实现多图并行。

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

l = Line()
l.add_xaxis(['1号', '2号', '3号', '4号', '5号'])
l.add_yaxis("十月", [30, 25, 18, 19, 20])
l.set_global_opts(title_opts=opts.TitleOpts(title="气温"))

bar = Bar()
bar.add_xaxis(['1号', '2号', '3号', '4号', '5号'])
bar.add_yaxis("十月", [30, 25, 18, 19, 20])

g = Grid()
g.add(bar, grid_opts=opts.GridOpts(pos_left="70%", pos_bottom="70%"))
g.add(l, grid_opts=opts.GridOpts(pos_right="10%"))

g.render_notebook()

其中：

pos_left="50%"是指在左侧留出50%的空间，其他同理。

运行结果为：
在这里插入图片描述

DanTules
关注
【数据可视化】pyecharts 实践 教育信息可视化
wzx66803的博客
05-15 408
【数据可视化】pyecharts 实践 教育信息可视化1. 源数据与目标1.1 原始数据1.2 目标1.2.1 广东各地级市各区域信息化水平1.2.2广东各地级市各区域教师人数2.数据读取2.1安装2.2 导入相关库2.3 读取与处理为目的类型数据2.4 数据处理：将numpy：int转化为 int3. pyecharts与地图热力图4. 结果与反思4.1pandas读取excel的方式和方法4.1.1 DataFrame对象是什么4.1.2 读取DataFrame的列4.1.3 读取DataFrame的具
python在哪里画柱形图_Python笔记：用pyecharts绘制柱形图
weixin_28829479的博客
02-03 618
简介：pyecharts 是一个用于生成 Echarts 图表的类库。echarts是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。使用 pyecharts可以生成独立的网页，也可以在 flask , Django中集成使用。特性：简洁的 API 设计，使用如丝滑般...
pyecharts
分享我的点点滴滴，在成长路上与你同行！
10-21 6354
pyecharts 动画图特效，常用的图形类Bar,Line,Scatter,Pie,Map,Geo,Overlap等等。
【数据可视化（二）】Pyecharts绘制带timeline的地图
最新发布
Eden_Hazard7的博客
08-09 1121
pyecharts连接MySQL数据库绘制带时间轴的地图，实现数据可视化
python 数据可视化工具 -- pyecharts
一颗青梅换你一壶老酒
04-10 1988
目录初识pyecharts一个商业分析案例带你熟悉常见的pyecharts图表饼图漏斗图柱形图和条形图简单折线图堆叠折线图阶梯折线图面积折线图仪表盘水球图词频统计词云散点图涟漪散点图其它常用图表箱线图地理图3D 散点图热力图 参考内容: python3爬虫、数据清洗与可视化实践 pyecharts中文官网: https://pyecharts.org/#/zh-cn/intro ...
dataframe python pyecharts 桑葚图
Caiqiudan的博客
05-25 492
links = [{'source': 'Italy', 'target': '18岁以下', 'value': '1677'}, {'source': '18岁以下', 'target': 'Deceased', 'value': '167'}, {'source': '18岁以下', 'target': 'Active/Recovered', 'value': '1510'}, {'source': 'Italy', 'target': '19-50岁', 'value': '31394'},
pyecharts通过dataframe绘制多条曲线图
呆萌的代Ma
09-13 2473
通常，我们需要根据一个dataframe来绘制一些图像，这篇博客就使用pyechart解决这个问题基本常用到的内容都会在示例代码中，如果有不需要的地方，直接注释掉就可以。
学习笔记：python数据分析：5.Python + PyEcharts——数据可视化（上）
weixin_42850424的博客
05-20 621
为什么用Pyecharts 与Echarts结合 与Web端结合 超强交互性 国人开发的项目 安装Pyecharts pip install pyecharts 图表绘制流程 chart_name = 图表类型() 初始化具体类型图表。 chart_name.add_xaxis() 添加横坐标名称。 chart_name.add_yaxis() 添加纵坐标数据。 chart_name.render() 生成 .html 文件。 新建一个Python文件 导入pyecharts模块及随机虚构数据模块 f
python pyecharts 对excel数据_Python笔记：用Python处理Excel的数据，并用pyecharts作可视化输出...
weixin_39524147的博客
02-19 3223
其实在Python中，每次都以list的形式输入数据会比较耗时而麻烦。所以，不如干脆从数据的载体(比如Excel或MySQL)中加载数据进来处理，然后再直接作可视化输出。例子如下：# 导入模块import pandas as pdfrom pyecharts.charts import Bar,Timeline# 加载数据df = pd.read_excel(r"C:\Users\QDM\Desk...
可视化学习笔记之pyecharts
weixin_43938942的博客
06-30 350
可视化学习笔记 pyecharts第一步 爬取丁香园数据利用可视化工具pyecharts可视化 pyecharts 是一款强大的可视化工具，api文档为中文的，比较易学习。本次主要使用到的api为map().add(‘名称’,data,‘china/world’). 第一步 爬取丁香园数据 import json import re import requests import datetime ...
学习笔记 | pyecharts (V0.5版本) 画图
大虎牙的博客
05-18 1016
1. 柱状图 from pyecharts import Bar #从pyecharts库中导入Bar子类 bar = Bar("贵州GDP柱状图", "副标题") #定义Bar()柱状图，同时设置主标题和副标题 bar.add("GDP",["贵阳市", "遵义市", "六盘水市", "安顺市", "黔东南州"],[40, 30, 26, 22, 15]) #调用add()函数添加图表的数据和设置各种配置项 #bar.show_config() #打印输出图表的所有配置项 bar.render()
Pyecharts快速入门
xiaolin84250的博客
03-31 1万+
V0.5x版本不再进行维护。仅支持python2.7、3.4+V1.0x版本仅支持python3.6+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。
Py之pyecharts：python数据可视化包pyecharts简介、安装、使用方法之详细攻略
热门推荐
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
03-14 2万+
Py之pyecharts：python包之数据可视化包pyecharts简介、安装、使用方法之详细攻略 目录 pyecharts简介 pyecharts的安装 pyecharts的使用方法 pyecharts简介 ECharts是Enterprise Charts的缩写，商业级数据图表，一个纯Javascript的图表库，可以流畅的运行在PC和移动设备...
pyecharts Notebook
W_H_M_2018的博客
04-16 2006
Notebook 不同的 Notebook 环境有自己不同的渲染要求，pyecharts 在底层做了适配处理，但因为我们无法在import pyecharts的时候知道用户具体使用的是哪种 Notebook 环境，所以需要用户在使用时在顶部声明环境类型。 Jupyter Notebook Jupyter Notebook 直接调用render_notebook随时随地渲染图表，默认为...
jupyter notebook 中使用Pyecharts后render_notebook()方法不能绘图解决方案
清弦墨客的博客
05-07 1888
问题描述：在jupyter notebook 中安装Pyecharts最新版1.9.1之后，发现使用render_notebook()方法，图形无法正常显示。按照说明，启动cmd命令行，依次输入下列指令，将库克隆到本地。按照说明，启动cmd命令行，依次输入下列指令，将库克隆到本地。按照说明，启动cmd命令行，依次输入下列指令，将库克隆到本地。2，安装jupyter-echarts-pypkg。1，安装pyecharts-assets。3，安装jupyter-echarts。
AutoLeaders-算法组 pyecharts学习笔记
ToxicLuv的博客
11-01 720
菜鸟新手的学习笔记？
pyecharts包的简单使用
weixin_63233998的博客
08-02 1454
Pyecharts是一个Python的数据可视化库，简单使用
Python数据可视化—pyecharts库数据可视化
qq_74350135的博客
12-11 1499
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，pyecharts库是一个用于生成 Echarts 图表的类库。
Pyecharts学习笔记(一)基础作图、配置项、主题
To be桦树上的面包的博客
07-09 1070
Pyecharts基础作图、配置项和主题的学习笔记
解释代码：from pyecharts.charts import Map from pyecharts.charts import Line from snapshot_selenium import snapshot from pyecharts.globals import CurrentConfig, NotebookType
04-24
这段代码的含义是从 pyecharts 库中导入地图和折线图的类，以及从 snapshot_selenium 库中导入截图功能，同时还导入全局配置和笔记本类型。它的作用是为了进行数据可视化，使用这些类来创建各种不同的图表类型。同时...
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