PyEcharts的简单使用

最新推荐文章于 2024-04-14 15:46:58 发布
最新推荐文章于 2024-04-14 15:46:58 发布
阅读量1.8k 收藏 16
点赞数 4
分类专栏： Python可视化
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/qq_40932679/article/details/117169066
版权

PyEcharts说明文档

https://pyecharts.org/#/zh-cn/global_options?id=legendopts%ef%bc%9a%e5%9b%be%e4%be%8b%e9%85%8d%e7%bd%ae%e9%a1%b9

 

pyecharts快速开始

pyecharts中可以绘制的图有很多，这里我们先来总体的了解一下他的使用风格，和调用的方式。

 

绘制条形图

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
bar.render_notebook()

 

链式调用

pyecharts中所有的方法都支持链式调用。

from pyecharts.charts import Bar
bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
)
bar.render_notebook()

全局配置项

我们来看下全局配置项有哪些。在学习具体的配置项之前，先来看下pyecharts生成的图由哪几个部分组成。

 

image.png

针对以上每个部分，都有相应的配置项来进行配置。所有的配置类，都是放到pyecharts.options中。

 

InitOpts：初始化配置项

可以配置诸如图像宽度，高度，图表主题，背景颜色等。

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from faker import Faker

c = (
        Bar(
            init_opts=opts.InitOpts(
                width="500px",
                height="400px",
                theme=ThemeType.LIGHT,
                bg_color="skyblue"
            )
        )
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
    )
c.render_notebook()

 

TitleOpts：标题配置项

配置图的标题和子标题等信息。

c = (
        Bar()
        .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="销售表",
            pos_right="0",
            pos_bottom="2px",
            title_textstyle_opts=opts.TextStyleOpts(**{"color":"#333","font_size":12})
        ))
    )
c.render_notebook()

 

LegendOpts：图例配置项

c = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(
            legend_opts=opts.LegendOpts(selected_mode="mutiple",orient="vertical",pos_right="30px")
        )
    )
c.render_notebook()

 

VisualMapOpts：视觉映射配置项

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商品",[(x,y) for x,y in zip(Faker.values(),Faker.values())])
    .set_global_opts(
        visualmap_opts = opts.VisualMapOpts(type_="size",range_text=['大','小'])
    )
)
c.render_notebook()

 

TooltipOpts：提示框配置项

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A",Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter-多维度数据"),
        tooltip_opts=opts.TooltipOpts(
            formatter=JsCode(
                "function (params) {return params.value}"
            )
        )
    )
)
c.render_notebook()

 

AxisLineOpts/AxisTickOpts/AxisPointerOpts/AxisOpts: 坐标轴轴线/刻度/指示器/坐标轴配置项。

c = (
        Bar()
        .add_xaxis(
            [
                "名字拉拉长的X轴标签1",
                "名字拉拉长的X轴标签2",
                "名字拉拉长的X轴标签3",
                "名字拉拉长的X轴标签4",
                "名字拉拉长的X轴标签5",
                "名字拉拉长的X轴标签6",
            ]
        )
        .add_yaxis("商家A", [10, 20, 30, 40, 50, 40])
        .add_yaxis("商家B", [20, 10, 40, 30, 40, 50])
        .set_global_opts(
            xaxis_opts=opts.AxisOpts(
                name="商家名称",
                axislabel_opts=opts.LabelOpts(rotate=-15),
                axisline_opts = opts.AxisLineOpts(symbol="arrow",linestyle_opts=opts.LineStyleOpts(width=2)),
                axistick_opts = opts.AxisTickOpts(is_inside=True,length=20),
                axispointer_opts = opts.AxisPointerOpts(is_show=True,type_="line")
            )
        )
    )
c.render_notebook()

条形图

横向条形图

横向条形图只需要调用reversal_axis()即可。

c = (
    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=opts.LabelOpts(position="right"))
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴"))
)

image.png

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 = (
    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）"))
)

image.png

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 = (
    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"))
)

image.png

c = (
    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"),
    )
)

image.png

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。

c = (
        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)),
            yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
        )
    )
c.render_notebook()

 

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()

image.png

散点图

散点图用的是pyecharts.charts.Scatter来实现的。

 

基本使用

c = (
    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()

image.png

多维散点图

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

image.png

 

地理图

中国地图

c = (
    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()

image.png

 

中国局部地图

c = (
    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.render_notebook()

image.png

世界地图

c = (
    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()

 

image.png

  •  
天道工作室
关注
  • 4
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python的可视化框架pyecharts介绍—教你真正学会绘制你想要的图表（超级详细）
Mr_Wan_junhao的博客
10-26 3701
Pyecharts 　　概况 : Echarts是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。 本篇文章是我通过看了官方文档学习过后加上自己的理解与突发奇想写的，目的与大家一起学习探讨，不对的大家可以留言我我好及时改正，也是自己一个学习的过程，欢迎大家交流。 下面是pyecharts的特性（——从官网复制来的——） ✨ 特性 简...
pyecharts 应用5：视觉映射配置项VisualMapOpts
qq_40206371的博客
07-28 9425
1 库函数导入 class pyecharts.options.VisualMapOpts 2 形参说明 VisualMapOpts一共有以下这些形参，之后的小节将对其中一个进行图例化说明（所以下面这一串代码可先不看） class VisualMapOpts( # 是否显示视觉映射配置 is_show: bool = True, # 映射过渡类型，可选，"color", "size" type_: str = "color", # 指定 visu.
软件测试 Python数据可视化神器——pyecharts教程（十）_pyecharts tooltipopts用法
最新发布
2401_84300070的博客
04-14 549
*[外链图片转存中…(img-XvoSFkUo-1713080807416)]
Pyecharts配置项
Tomandjava的博客
05-19 4434
配置项 文章目录配置项前言一. 全局配置项二. 系列配置项总结 前言 本文主要展示我们在画图时，需要准备好的一些图形配置内容，当然了，如果仅仅是画一些简单的图形的话，这些东西完全可以忽略，因为根本用不到哈，但是对于一些有趣的图形较为复杂，这里先详细记下笔记。 一. 全局配置项 配置项章节应该配合图表类型章节中的例子一起看比较好。 全局配置项可通过 set_global_opts 方法设置 这里一共有31中组件，这里详细写几种还比较常用的组件，至于以后遇到需要画特别特殊的图形 的话，再继续
PyEcharts应用教程及实例
SeekforU的博客
12-22 4393
ECharts是一款基于JavaScript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。ECharts最初由百度团队开源，并于2018年初捐赠给Apache基金会，成为ASF孵化级项目。 ECharts官网：Apache ECharts PyEcharts 是一个用于生成 Echarts 图表的类库。 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。 目录 一、安装 二、操作 1、折线图（柱状图、.
python中pyecharts的基本使用
cxlgood的博客
03-12 5041
python可视化 今天学习使用pyecharts，这个一个⽤于⽣成 Echarts 图表的类库，实际上就是 Echarts 与 Python 的对接。 使⽤ pyecharts 可以⽣成独⽴的⽹⻚，也可以在 flask , Django 中集成使⽤。特点： 简洁的API设计，使⽤如丝滑般流畅，⽀持链式调⽤ 囊括了30+种常⻅图表，应有尽有 ⽀持主流Notebook环境，Jupyter Notebook和JupyterLab 可轻松集成⾄Flask，Sanic，Django等主流Web框架 ⾼度灵活的
PyEcharts的使用.pdf
11-02
6. 文档和示例PyEcharts 有着详尽的文档和丰富的示例，帮助开发者快速理解和掌握使用方法，无论是初学者还是高级用户都能从中受益。总结：PyEcharts 是一个基于 Python 的 Echarts 数据可视化库，它结合了 Python 的...
使用pyecharts1.7进行简单的可视化大全
09-16
主要介绍了使用pyecharts1.7进行简单的可视化大全,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
使用pyecharts生成Echarts网页的实例
09-18
本文将详细介绍如何使用pyecharts这个Python库来生成Echarts网页，让你能够轻松地将Python与Echarts结合，实现动态、丰富的数据图表。 首先，pyecharts是一个专门用于封装百度Echarts的Python库，它为Python开发者...
linux pyecharts 离线安装
04-17
Pyecharts是一个非常实用的数据可视化库，它使得在Python中创建复杂的ECharts图表变得简单。本篇文章将详细讲解如何在Linux系统下离线安装Pyecharts 0.5.11版本及其依赖包。 首先，确保你的系统已经安装了Python和...
pyecharts数据和代码
05-18
在 Python 中，我们常常使用 Matplotlib、Seaborn 或 Plotly 进行数据可视化，而 Pyecharts 提供了另一种选择，特别是在需要创建复杂的 Web 可视化或与 JavaScript 库集成时。 **ECharts 入门** ECharts 是百度...
Pyecharts V1 快速入门(一)：配置参数传递及示例
weixin_43335392的博客
11-20 1526
1.如何安装 默认安装V1版本 $ pip install pyrcharts 或使用源码 $ git clone https://github.com/pyecharts/pyecharts.git $ cd pyecharts $ pip install -r requirements.txt $ python setup.py install # 或者执行 python install.py 2.关于版本 分为 v0.5.X 和 v1 两个大版本，v0.5.X 和 v1 间不兼容！！v1 是一个全
[pyecharts学习笔记]——全局配置项（TitleOpts标题配置项）
积一时之步，臻千里之遥程
04-19 1万+
TitleOpts标题配置项 from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeType c = ( Bar(init_opts=opts.InitOpts(th...
Python 离线安装pyecharts模块
Hello，Sunpro!
01-08 1万+
我们在做企业项目的时候，进行数据可视化，需要用到pyecharts模块。但是一般来说，企业的服务器是不能连接到外网的。所以需要离线安装。这里记录一下几个关键的问题。 步骤 从PyPI网站搜索‘pyecharts’1，找到自己想要的pyecharts版本的下载包。我用的是pyecharts-0.5.11-py2.py3-none-any.whl。 用和服务器相同环境的，能够联网的电脑进行安装（...
Python可视化神器——pyecharts的超详细使用指南！
云度
02-11 2万+
前言    我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyec...
pyecharts学习笔记
热门推荐
机器学习、数据挖掘
06-13 2万+
        echarts是百度可视化工具，图形的可视化效果很好，pyecharts是利用python实现生成echarts图表的类目，功能非常强大，用了之后瞬间被圈粉了，以下为学习笔记 中文官方文档：点击打开链接 1.基本语法学习 from pyecharts import Bar bar = Bar("我的第一个图表", "这里是副标题") bar.add("服装", ["衬衫",...
pyecharts新版本的运用
weixin_42488130的博客
04-11 997
官方链接：https://pyecharts.org/#/zh-cn/global_options 二话不说，我的实际案例： pyecharts新版本案例 （1）条形图 from pyecharts.charts import Bar from pyecharts import options as opts # 条形图 from pyecharts.globals import ...
python from pyecharts import Bar报错问题
weixin_30709061的博客
06-11 9580
使用pip install pyecharts下载，默认下载最新版本。直接from pyecharts import Bar报错，要from pyecharts.charts.basic_charts import bar导入。或者下载pyecharts0. 1.9.4版本即可。 错误如下： pyecharts的__init_.py文件中 如下： ...
pyecharts 间距_pyecharts详细手册TextStyleOpts、LegendOpts（二）
weixin_39580749的博客
11-20 875
时间到2020/10/21遇见 美好星期三10月21号今天分享内容文字样式配置项--TextStyleOpts图例配置项--LegendOpts完成阅读大概需要十分钟文字样式配置项--TextStyleOptscolor[str]#字体颜色font_style[str]#字体风格，有normal、italic、oblique可选font_weight[str] #字体粗细，有norm...
pyecharts的使用
05-24
Pyecharts是一个基于Python语言的数据可视化库，它能够通过简洁的Python代码来生成各种类型的图表，包括折线图、柱状图、...这是一个简单的使用Pyecharts生成柱状图的例子，你可以根据自己的需求来使用其他类型的图表。

“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

打赏作者

天道工作室

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