Python与数据（二）——数据可视化pyecharts

最新推荐文章于 2023-08-07 22:00:44 发布
最新推荐文章于 2023-08-07 22:00:44 发布
阅读量1.5k 收藏 15
点赞数
分类专栏： Python数据分析
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_41433316/article/details/103916000
版权

Pyecharts

什么是pyecharts

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。用 Echarts 生成的图可视化效果非常棒。
pyecharts的github地址在这里：https://github.com/pyecharts/pyecharts

安装

pyecharts

python3.6版本以上就能使用V1版本了，并且V1和V0.5x版本不兼容（V0.5x版本已不再维护），所以我这边直接装的V1以上版本
pip安装

sudo pip install pyecharts -U

pyecharts做出的图是以html格式保存的，如果想以图片的形式进行保存，还需要装下面的库和插件：

snapshot_selenium

用于保存图片
pip安装

sudo pip3.7 install snapshot_selenium

chromedriver

因为我使用的是chrome浏览器，所以就装的chromedriver，其他浏览器也有相应的webdriver
如果装了谷歌浏览器，那输入下面命令：

google-chrome -version

然后可以看到对应的谷歌版本，比如我就是Google Chrome 69.0.3497.92，然后就可以下载对应的版本了http://npm.taobao.org/mirrors/chromedriver/，点一个版本进去，然后里面有一个notes.txt文件，上面会显示该driver版本适用于哪些版本的浏览器，找到符合自己的，下载即可
比如我，是2.42版本：

wget -N http://chromedriver.storage.googleapis.com/2.42/chromedriver_linux64.zip

将下载下来的压缩包解压，然后输入以下：

sudo mv chromedriver /usr/bin
ll /usr/bin/chromedriver

ok了

Github Demo

先试跑一下github上给出的代码。
也就是这一份：

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

# V1 版本开始支持链式调用
bar = (
    Bar()
    .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
    .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
    .set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
)
bar.render()

会生成一个html文件，浏览器打开后，如下所示：
（关于Ubuntu下如何录制gif动图：https://blog.csdn.net/qq_41433316/article/details/103917149）
在这里插入图片描述
下面是生成图片的demo：

from snapshot_selenium import snapshot as driver

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


def bar_chart() -> Bar:
    c = (
        Bar()
        .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
        .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
        .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
        .reversal_axis()
        .set_series_opts(label_opts=opts.LabelOpts(position="right"))
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-测试渲染图片"))
    )
    return c

# 需要安装 snapshot-selenium 或者 snapshot-phantomjs
make_snapshot(driver, bar_chart().render(), "bar.png")

在这里插入图片描述
Demo看完后，下面就是进一步的学习了

图表

先给出学习教程：https://pyecharts.org/#/zh-cn/
以及要知晓pyecharts给出的图表类型：

名称说明名称说明名称说明
Bar柱状图/条形图Bar3D3D 柱状图Boxplot箱形图
EffectScatter带有涟漪特效动画的散点图Funnel漏斗图Gauge仪表盘
Geo地理坐标系Graph关系图HeatMap热力图
KlineK线图Line折线/面积图Line3D3D 折线图
Liquid水球图Map地图Parallel平行坐标系
Pie饼图Polar极坐标系Radar雷达图
Sankey桑基图Scatter散点图Scatter3D3D 散点图
ThemeRiver主题河流图WordCloud词云图

此外，用户可自定义图表类型：

  • Grid 类：并行显示多张图
  • Overlap 类：结合不同类型图表叠加画在同张图上
  • Page 类：同一网页按顺序展示多图
  • Timeline 类：提供时间线轮播多张图

直角坐标系图表

Bar：柱状图/条形图

新增X轴数据：

def add_xaxis(
    # X 轴数据项
    xaxis_data: Sequence
)

新增Y轴数据：

def add_yaxis(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据
    yaxis_data: Sequence[Numeric, opts.BarItem, dict],

    # 是否选中图例
    is_selected: bool = True,

    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
    xaxis_index: Optional[Numeric] = None,

    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
    yaxis_index: Optional[Numeric] = None,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。
    stack: Optional[str] = None,

    # 同一系列的柱间距离，默认为类目间距的 20%，可设固定值
    category_gap: Union[Numeric, str] = "20%",

    # 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。
    # 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。
    gap: Optional[str] = None,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

    # 标记点配置项，参考 `series_options.MarkPointOpts`
    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

    # 标记线配置项，参考 `series_options.MarkLineOpts`
    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

def set_global_opts 全局配置设置

鉴于那个教程里面写的很全，所以这边我只贴几个我觉得可能比较常用的：
首先是导入的模块：

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode

#pyecharts提供的数据，用自己数据作图可不导入该模块：
from pyecharts.faker import Faker	

# 如果要保存为图片：
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot
基本示例
def bar_base() -> Bar:
    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="Bar-基本示例", subtitle="我是副标题"))
    )
    return c
bar_base().render('基本示例.html')

结果图就是demo的结果

背景图
def bar_base_with_custom_background_image() -> Bar:
    c = (
        Bar(
            init_opts=opts.InitOpts(
                bg_color={
                    "type": "pattern",
                    "image": JsCode("img"),
                    "repeat": "no-repeat",
                }
            )
        )
        .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="Bar-背景图基本示例",
                subtitle="我是副标题",
                title_textstyle_opts=opts.TextStyleOpts(color="white"),
            )
        )
    )
    c.add_js_funcs(
    	#这里不是注释，不能去掉
        """
        var img = new Image(); img.src = 'background.jpg';
        """
    )
    return c
bar_base_with_custom_background_image().render('背景图.html')

在这里插入图片描述

单系列柱间距离
def bar_same_series_gap() -> Bar:
    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"))
    )
    return c
bar_same_series_gap().render('单系距离.html')

在这里插入图片描述

不同系列柱间距离
def bar_different_series_gap() -> Bar:
    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"),
        )
    )
    return c
bar_different_series_gap().render('不同系列柱间距离.html')

在这里插入图片描述

y轴 formatter
def bar_yaxis_formatter() -> Bar:
    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="Bar-Y 轴 formatter"),
            yaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(formatter="{value} /月")
            ),
        )
    )
    return c
bar_yaxis_formatter().render('Y 轴 formatter.html')

在这里插入图片描述

X、Y轴名称
def bar_xyaxis_name() -> Bar:
    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="Bar-XY 轴名称"),
            yaxis_opts=opts.AxisOpts(name="我是 Y 轴"),
            xaxis_opts=opts.AxisOpts(name="我是 X 轴"),
        )
    )
    return c
bar_xyaxis_name().render('XY名称.html')
XY轴翻转
def bar_reversal_axis() -> Bar:
    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"))
    )
    return c
bar_reversal_axis().render('XY轴翻转.html')

在这里插入图片描述

堆叠
def bar_stack0() -> Bar:
    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）"))
    )
    return c
bar_stack0().render('堆叠.html')

在这里插入图片描述

旋转X轴标签
def bar_rorate_xaxis_label() -> Bar:
    c = (
        Bar()
        .add_xaxis(
            [
                "名字很长的X轴标签1",
                "名字很长的X轴标签2",
                "名字很长的X轴标签3",
                "名字很长的X轴标签4",
                "名字很长的X轴标签5",
                "名字很长的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(axislabel_opts=opts.LabelOpts(rotate=-15)),
            title_opts=opts.TitleOpts(title="Bar-旋转X轴标签", subtitle="解决标签名字过长的问题"),
        )
    )
    return c
bar_rorate_xaxis_label().render('旋转X轴标签.html')

在这里插入图片描述
其余很多有意思的柱状图显示看教程

Line：折线/面积图

主要看add_yaxis函数，如下：

def add_yaxis(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据
    y_axis: Sequence,

    # 是否选中图例
    is_selected: bool = True,

    # 是否连接空数据，空数据使用 `None` 填充
    is_connect_nones: bool = False,

    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
    xaxis_index: Optional[Numeric] = None,

    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
    yaxis_index: Optional[Numeric] = None,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 是否显示 symbol, 如果 false 则只有在 tooltip hover 的时候显示。
    is_symbol_show: bool = True,

    # 标记的图形。
    # ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', 
    # 'diamond', 'pin', 'arrow', 'none'
    # 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。
    symbol: Optional[str] = None,

    # 标记的大小，可以设置成诸如 10 这样单一的数字，也可以用数组分开表示宽和高，
    # 例如 [20, 10] 表示标记宽为 20，高为 10。
    symbol_size: Union[Numeric, Sequence] = 4,

    # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。
    stack: Optional[str] = None,

    # 是否平滑曲线
    is_smooth: bool = False,

    # 是否显示成阶梯图
    is_step: bool = False,

    # 是否开启 hover 在拐点标志上的提示动画效果。
    is_hover_animation: bool = True,

    # 标记点配置项，参考 `series_options.MarkPointOpts`
    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

    # 标记线配置项，参考 `series_options.MarkLineOpts`
    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

    # 线样式配置项，参考 `series_options.LineStyleOpts`
    linestyle_opts: Union[opts.LineStyleOpts, dict] = opts.LineStyleOpts(),

    # 填充区域配置项，参考 `series_options.AreaStyleOpts`
    areastyle_opts: Union[opts.AreaStyleOpts, dict] = opts.AreaStyleOpts(),

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

首先还是模块的导入：

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

#如果想用它自己提供的数据：
from pyecharts.faker import Faker

# 如果要保存为图片：
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot

然后给出一些我觉得用的多一点的：

基本示例
def line_base() -> Line:
    c = (
        Line()
        .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="Line-基本示例"))
    )
    return c
line_base().render('基本示例.html')

在这里插入图片描述

数值X轴
def line_xaxis_type() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.values())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Line-数值 X 轴"),
            xaxis_opts=opts.AxisOpts(type_="value"),
        )
    )
    return c

在这里插入图片描述

平滑曲线
def line_smooth() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values(), is_smooth=True)
        .add_yaxis("商家B", Faker.values(), is_smooth=True)
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-smooth"))
    )
    return c
line_smooth().render('平滑曲线.html')

在这里插入图片描述

面积图（紧贴Y轴）
def line_areastyle_boundary_gap() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values(), is_smooth=True)
        .add_yaxis("商家B", Faker.values(), is_smooth=True)
        .set_series_opts(
            areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Line-面积图（紧贴 Y 轴）"),
            xaxis_opts=opts.AxisOpts(
                axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
                is_scale=False,
                boundary_gap=False,
            ),
        )
    )
    return c
line_areastyle_boundary_gap().render('面积图.html')

在这里插入图片描述

标记点
def line_markpoint() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis(
            "商家A",
            Faker.values(),
            markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]),
        )
        .add_yaxis(
            "商家B",
            Faker.values(),
            markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-MarkPoint"))
    )
    return c
line_markpoint().render('标记点.html')

在这里插入图片描述

自定义标记点
def line_markpoint_custom() -> Line:
    x, y = Faker.choose(), Faker.values()
    c = (
        Line()
        .add_xaxis(x)
        .add_yaxis(
            "商家A",
            y,
            markpoint_opts=opts.MarkPointOpts(
                data=[opts.MarkPointItem(name="自定义标记点", coord=[x[2], y[2]], value=y[2])]
            ),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-MarkPoint（自定义）"))
    )
    return c
line_markpoint_custom().render('自定义标记点.html')

在这里插入图片描述

标记行
def line_markline() -> Line:
    c = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis(
            "商家A",
            Faker.values(),
            markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
        )
        .add_yaxis(
            "商家B",
            Faker.values(),
            markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-MarkLine"))
    )
    return c
line_markline().render('标记行.html')

在这里插入图片描述

Scatter：散点图

主要看add_yaxis()函数，如下：

def add_yaxis(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据
    y_axis: Sequence,

    # 是否选中图例
    is_selected: bool = True,

    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
    xaxis_index: Optional[Numeric] = None,

    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
    yaxis_index: Optional[Numeric] = None,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 标记的图形。
    # ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', 
    # 'diamond', 'pin', 'arrow', 'none'
    # 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。
    symbol: Optional[str] = None,

    # 标记的大小，可以设置成诸如 10 这样单一的数字，也可以用数组分开表示宽和高，
    # 例如 [20, 10] 表示标记宽为 20，高为 10。
    symbol_size: Numeric = 10,

    # 标记的旋转角度。注意在 markLine 中当 symbol 为 'arrow' 时会忽略 symbolRotate 强制设置为切线的角度。
    symbol_rotate: types.Optional[types.Numeric] = None,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(position="right"),

    # 标记点配置项，参考 `series_options.MarkPointOpts`
    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

    # 标记线配置项，参考 `series_options.MarkLineOpts`
    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

首先是导入的模块：

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode

#pyecharts提供的数据，用自己数据作图可不导入该模块：
from pyecharts.faker import Faker	

# 如果要保存为图片：
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot

下面是几个个人认为常用的：

基本示例
def scatter_base() -> Scatter:
    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"))
    )
    return c
scatter_base().render('基本示例.html')

在这里插入图片描述

VisualMap(Color)
def scatter_visualmap_color() -> Scatter:
    c = (
        Scatter()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Scatter-VisualMap(Color)"),
            visualmap_opts=opts.VisualMapOpts(max_=150),
        )
    )
    return c
scatter_visualmap_color().render('VisualMap.html')

在这里插入图片描述

VisualMap(Size)
def scatter_visualmap_size() -> Scatter:
    c = (
        Scatter()
        .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="Scatter-VisualMap(Size)"),
            visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
        )
    )
    return c
scatter_visualmap_size().render('VisualMap_size.html')

在这里插入图片描述

基本图表

Pie：饼图

主要用到的函数是add函数，如下：

def add(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据项，格式为 [(key1, value1), (key2, value2)]
    data_pair: Sequence,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 饼图的半径，数组的第一项是内半径，第二项是外半径
    # 默认设置成百分比，相对于容器高宽中较小的一项的一半
    radius: Optional[Sequence] = None,

    # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标
    # 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度
    center: Optional[Sequence] = None,

    # 是否展示成南丁格尔图，通过半径区分数据大小，有'radius'和'area'两种模式。
    # radius：扇区圆心角展现数据的百分比，半径展现数据的大小
    # area：所有扇区圆心角相同，仅通过半径展现数据大小
    rosetype: Optional[str] = None,

    # 饼图的扇区是否是顺时针排布。
    is_clockwise: bool = True,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

依旧给出几个我觉得常用的：
首先还是模块导入：

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

#如果想用它自己提供的数据：
from pyecharts.faker import Faker

# 如果要保存为图片：
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot
基本示例
def pie_base() -> Pie:
    c = (
        Pie()
        .add("", [list(z) for z in zip(['草莓','芒果','葡萄','雪梨','西瓜','柠檬','车厘子'], ['132','38','88','108','146','95','142'])])
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-基本示例"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return c
pie_base().render('基本示例.html')

在这里插入图片描述

设置颜色
def pie_set_colors() -> Pie:
    c = (
        Pie()
        .add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
        .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-设置颜色"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return c
pie_set_colors().render('颜色设置.html')

在这里插入图片描述

调整位置
def pie_position() -> Pie:
    c = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(Faker.choose(), Faker.values())],
            center=["35%", "50%"],
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Pie-调整位置"),
            legend_opts=opts.LegendOpts(pos_left="15%"),
        )
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return c
pie_position().render('调整位置.html')

在这里插入图片描述

修改半径
def pie_radius() -> Pie:
    c = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(Faker.choose(), Faker.values())],
            radius=["40%", "75%"],		#分别为内半径和外半径占比
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Pie-Radius"),
            legend_opts=opts.LegendOpts(
                orient="vertical", pos_top="15%", pos_left="2%"
            ),
        )
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return c
pie_radius().render('半径修改.html')

在这里插入图片描述

玫瑰图
def pie_rosetype() -> Pie:
    v = Faker.choose()
    c = (
        # 有两种形式：
        # radius：扇区圆心角展现数据的百分比，半径展现数据的大小
        # area：所有扇区圆心角相同，仅通过半径展现数据大小
        Pie()
        .add(
            "",
            [list(z) for z in zip(v, Faker.values())],
            radius=["30%", "65%"],
            center=["25%", "50%"],
            rosetype="radius",
        )
        .add(
            "",
            [list(z) for z in zip(v, Faker.values())],
            radius=["30%", "65%"],
            center=["75%", "50%"],
            rosetype="area",
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"))
    )
    return c
pie_rosetype().render('玫瑰图.html')

在这里插入图片描述

ccc_irene
关注
  • 0
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据可视化之Matplotlib与Pyecharts.pptx
11-04
序 言 1.1 大数据时代的技术挑战 1.2 数据可视化的技术难点 1.3 可视化工具的必备特性 第一部分：大数据可视化基础篇 2.1 集群的安装及网络配置 2.1.1 Hadoop集群概述 2.1.2 集群软件及其版本 2.1.3 集群网络环境配置 2.2 集群案例数据集简介 2.2.1 数据字段说明 2.2.2 数据导入说明 2.2.3 运行环境说明
数据分析利用pyechart套模版制作图片，解决数据轻松出图！
weixin_47481982的博客
09-15 553
pyechart 柱状图、地图表、饼图，图解
Pyecharts之仪表盘(Gauge)
V_lq6h的博客
04-03 3616
Pyecharts之仪表盘(Gauge) from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts.charts import Gauge from pyecharts.render import make_snapshot from pyechar...
实用技巧 | Pyecharts可视化渲染为图片保存
叶庭云 成为自己的光
02-21 8351
使用 pyecharts 渲染成图片一直是开发者比较关心的功能，pyecharts提供了 selenium, phantomjs 和 pyppeteer 三种方式。 更多介绍可以学习官方文档：https://pyecharts.org/#/zh-cn/render_images 安装snapshot-selenium pip install snapshot-selenium -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
Pyecharts之词云图(WordCloud)
V_lq6h的博客
04-03 9820
Pyecharts之词云图(WordCloud) from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts.charts import WordCloud from pyecharts.render import make_snapshot from...
84 | Python可视化篇 —— Pyecharts数据可视化
微信号：RunsenLiu
08-07 2048
Pyecharts是一个基于Python的强大可视化库，用于创建各种类型的交互式图表和数据可视化。它是Echarts库的Python封装，支持绝大多数Echarts的功能和图表类型。Pyecharts提供了简单易用的API接口，允许用户通过几行代码就能创建漂亮而具有交互性的图表。Pyecharts 提供了多种方法来自定义图表的样式和交互功能。您可以使用和方法来设置图表元素的样式，比如颜色、标签、提示等。除了图表样式，您还可以添加交互功能，如数据缩放、拖拽、数据切换等。
python数据可视化——柱状图1
12-30
先看效果： Caption 代码如下： # -*- coding: utf-8 -*- import matplotlib.pyplot as plt def draw_bar(same_score, diff_score): plt.title(same/different pairs seq score histogram) plt.hist(same_score, ...
Python 数据可视化pyecharts的使用详解
09-19
主要介绍了Python 数据可视化pyecharts的使用详解，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
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
python数据可视化——曲线图
12-21
1. 获取x坐标和y坐标（可能有多个y坐标）的数据，注意数据的长度必须相同。 2. x坐标和每一组y坐标组合，将曲线画在画布上。 先看效果： Caption 上代码： #coding=utf-8 import matplotlib.pyplot as plt def txt_...
调用 snapshot_selenium 报错 The process started from chrome location /usr/bin/google-chrome is no longer
Mr.MarsDog的专栏
04-03 5889
今天从windows环境运行了一段pyecharts的示例代码没有啥问题. 结果迁移到了 Ubuntu 18.04环境后竟然无法运行.代码及错误信息如下: from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts....
电影评论爬取与分析
V_lq6h的博客
05-21 1459
用户电影评论分析 from snapshot_selenium import snapshot as driver from pyecharts.render import make_snapshot from pyecharts.globals import CurrentConfig,NotebookType CurrentConfig.NOTEBOOK_TYPE=NotebookType.JUPYTER_LAB import pandas as pd import json datas=[
读取csv数据到词云图并保存图片
qq_63401240的博客
01-23 1640
csv到词云图
snapshot_selenium 报错 The process started from chrome location /usr/bin/google-chrome is no longer
热门推荐
Mr.MarsDog的专栏
04-04 1万+
今天从windows环境运行了一段pyecharts的示例代码没有啥问题. 结果迁移到了 Ubuntu 18.04环境后竟然无法运行.代码及错误信息如下: from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts....
Pyecharts之饼图(Pie)
V_lq6h的博客
04-03 2870
Pyecharts之饼图(Pie) from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.render import make_snapshot from pyecharts.gl...
前18大旋转修整器企业占据全球87%的市场份额.docx
05-06
前18大旋转修整器企业占据全球87%的市场份额
Planet-SkySat-Imagery-Product-Specification-Jan2020.pdf
05-06
SKYSAT IMAGERY PRODUCT SPECIFICATION PLANET.COM VIDEO Full motion videos are collected between 30 and 120 seconds by a single camera from any of the active SkySats. Videos are collected using only the Panchromatic half of the camera, hence all videos are PAN only. Videos are packaged and delivered with a video mpeg-4 file, plus all image frames with accompanying video metadata and a frame index file (reference Product Types below)
Screenshot_20240506_133458_com.netease.yhtj.vivo.jpg
05-06
Screenshot_20240506_133458_com.netease.yhtj.vivo.jpg
2019年A~F题特等奖论文合集.pdf
最新发布
05-06
大学生，数学建模，美国大学生数学建模竞赛，MCM/ICM，历年美赛特等奖O奖论文
帮我找一个免费的采用pyecharts数据可视化分析的案例
06-13
好的，我找到一个比较不错的免费案例，是一个基于Python的可视化分析平台——DataV，它使用了Pyecharts进行数据可视化展示。DataV提供了常见的数据可视化组件，如表格、柱状图、折线图、地图、热力图、雷达图等等，...

“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
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