使用pyecharts1.7.1进行简单的可视化大全

最新推荐文章于 2024-01-31 09:15:00 发布
最新推荐文章于 2024-01-31 09:15:00 发布
阅读量1k 收藏 11
点赞数 2
分类专栏： 数据分析 可视化 文章标签： pyecharts 数据可视化 可视化 echarts
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_41780234/article/details/106136377
版权

近期，又有接触到pyecharts这个包的使用，后面发现这个曾经好用的包发生了一些变化，为了方便大家的使用，这里整理如下：
绘图风格theme:默认WHITE
LIGHT, DARK, WHITE, CHALK, ESSOS, INFOGRAPHIC, MACARONS, PURPLE_PASSION, ROMA, ROMANTIC, SHINE, VINTAGE, WALDEN, WESTEROS, WONDERLAND
近期有朋友在notebook中用pyecharts绘制图像时，发现图像无法正常显示，解决方法是：只需将以下代码放在文件开头，然后运行即可，如果发现依旧无法正常显示，将notebook重启即可正常显示。

# 解决pyecharts在notebook的依赖
from pyecharts.globals import CurrentConfig, NotebookType

CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK

文章目录

1.柱状图绘制

1.1 最基础的柱状图

# 解决echarts在notebook的依赖
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK

from pyecharts.charts import Bar,Grid
from pyecharts import options as  opts
from pyecharts.globals import ThemeType
import random
import numpy as np
# 准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
#绘图
bar=Bar(init_opts = opts.InitOpts(width='600px',height='400px'))  
bar.add_xaxis(name)
bar.add_yaxis("salery",salery)
bar.set_global_opts(title_opts=opts.TitleOpts(title="收入情况"))
#仅在notebook中显示
bar.render_notebook()
#在HTML中显示
bar.render("收入情况")

效果图：
简单柱状图

1.2 稍微复杂的柱状图

为了减少代码量，此处不再导入包。绘制收入和消费情况，并使用新风格,并添加副标题，使用新版本的链式写法。

#准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]
#绘图
bar=(
    Bar(init_opts = opts.InitOpts(width='600px',height='400px',theme=ThemeType.LIGHT))
    .add_xaxis(name)
    .add_yaxis("salery",salery)
    .add_yaxis("cost",cost)
    .set_global_opts(title_opts=opts.TitleOpts(title="收入及消费情况",subtitle="随机样本"))
)
bar.render_notebook()

#效果图：
稍复杂柱状图

1.3 堆叠式柱状图

使用堆叠式柱状图（部分堆叠），并自定义颜色，修改图例的显示位置，不显示数字，改变背景颜色

#准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]
#所在城市平均薪水
salery_ave=[random.randint(3000,4000) for i in range(4)]
colors=["#007892","#ff427f","#fc8210","#ffd8a6"]
#进行绘图
bar=(
    Bar(init_opts = opts.InitOpts(width='600px',height='400px',bg_color=colors[-1]))
    .add_xaxis(name)
    .add_yaxis("salery",salery,stack="stack_one")
    .add_yaxis("cost",cost,stack="stack_one")
    .add_yaxis("salery_ave",salery_ave)
    .set_colors(colors)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="收入、消费及其城市平均收入情况"),
                    legend_opts=opts.LegendOpts(type_="scroll", pos_right="right", orient="vertical")
                    )
)
bar.render_notebook()

效果展示：
堆叠柱状图

1.3.1 调整标题与图的位置
grid=Grid()
# 分别调整上下左右的位置，参数为像素值或百分比
grid.add(bar,grid_opts=opts.GridOpts(pos_top="30%",pos_bottom="10%",pos_left="10%",pos_right="10%"))
grid.render_notebook()

效果演示
调整图例

1.4 绘制簇状图

#准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]
#所在城市平均薪水
salery_ave=[random.randint(3000,4000) for i in range(4)]
colors=["#007892","#ff427f","#fc8210","#ffd8a6"]
#进行绘图
bar=(
    Bar(init_opts = opts.InitOpts(width='600px',height='400px',bg_color=colors[-1]))
    .add_xaxis(name)
    .add_yaxis("salery",salery)
    .add_yaxis("salery_ave",salery_ave)
    .reversal_axis()
    .set_colors(colors)
    .set_series_opts(label_opts=opts.LabelOpts(position="right"))
    .set_global_opts(title_opts=opts.TitleOpts(title="收入、消费及其城市平均收入情况"),
                    legend_opts=opts.LegendOpts(type_="scroll", pos_right="right", orient="vertical")
                    )
)
bar.render_notebook()

效果图演示
簇状图组内

1.5 数据量大时的显示方法

#准备数据
name=[chr(i) for i in range(65,85,1)]
salery=[random.randint(3000,5000) for i in range(20)]
#所在城市平均薪水
salery_ave=[random.randint(3000,4000) for i in range(20)]
colors=["#007892","#ff427f","#fc8210","#ffd8a6"]
#绘图 修改 orient为vertical，可将滑动按钮移动垂直方向
bar=(
    Bar(init_opts = opts.InitOpts(width='600px',height='400px',bg_color=colors[-1]))
    .add_xaxis(name)
    .add_yaxis("salery",salery)
    .add_yaxis("salery_ave",salery_ave)
    .set_colors(colors)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="收入、消费及其城市平均收入情况"),
                    legend_opts=opts.LegendOpts(type_="scroll", pos_right="right", orient="vertical"),
                    datazoom_opts=[opts.DataZoomOpts(type_="slider")]
                    )
)
bar.render_notebook()

演示效果：
区域滑动

2.绘制散点图

2.1 普通散点图

import random
from pyecharts import options as  opts
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType

#准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]
#所在城市平均薪水
salery_ave=[random.randint(3000,4000) for i in range(4)]
colors=["#007892","#ff427f","#fc8210","#ffd8a6"]
#进行绘图
scatter=(Scatter(init_opts = opts.InitOpts(width='600px',height='400px',theme=ThemeType.DARK))
        .add_xaxis(name)
        .add_yaxis("salery",salery)
        .add_yaxis("cost",cost)
        .set_global_opts(title_opts=opts.TitleOpts(title="收入与消费情况")))
scatter.render_notebook()

查看效果：
普通散点图

2.2 3D散点图绘制

import random
from pyecharts import options as  opts
from pyecharts.charts import Scatter3D
from pyecharts.faker import Faker


#准备数据
data = [(random.randint(0,100),random.randint(0,100),random.randint(0,100)) for i in range(50)]
name=["长","宽","高"]
#绘图
scatter3D=Scatter3D(init_opts = opts.InitOpts(width='600px',height='400px'))  #初始化
scatter3D.add(name,data,
         grid3d_opts=opts.Grid3DOpts(
         width=100, depth=100
        ))
scatter3D.set_global_opts(title_opts=opts.TitleOpts(title="散点图"),
                          visualmap_opts=opts.VisualMapOpts(
                          range_color=Faker.visual_color  #颜色映射  
                          ))
scatter3D.render_notebook()

效果图：
3D散点图

2.3 带涟漪的散点图

symbol的类型：
“pin”,“rect”,“roundRect”,“diamond”,“arrow”,“triangle”

import random
from pyecharts import options as  opts
from pyecharts.charts import EffectScatter
from pyecharts.globals import ThemeType

#准备数据
name=["A","B","C","D"]
salery=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]
#所在城市平均薪水
salery_ave=[random.randint(3000,4000) for i in range(4)]
colors=["#007892","#ff427f","#fc8210","#ffd8a6"]
#进行绘图
scatter=(EffectScatter(init_opts = opts.InitOpts(width='600px',height='400px',theme=ThemeType.DARK))
        .add_xaxis(name)
        .add_yaxis("salery",salery,symbol="pin",symbol_size=20,symbol_rotate=180)
        .add_yaxis("cost",cost,symbol="rect",symbol_size=20)
        .set_global_opts(title_opts=opts.TitleOpts(title="收入与消费情况"),
                        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)), #添加网格
                        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True))
                        )
        .set_series_opts(effect_opts=opts.EffectOpts(scale=3,period=2))  #调整涟漪的范围和周期
        )
scatter.render_notebook()

效果图如下：
涟漪散点图

3.折线图

3.1 基础的折线图

#绘制折线图
import random
from pyecharts import options as  opts
from pyecharts.charts import Line

#准备数据
name=[chr(i) for i in range(65,69)]
salary=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]

#绘图
line=(Line(init_opts=opts.InitOpts(width="600px",height="400px"))
     .add_xaxis(name)
     .add_yaxis("收入",salary)
     .add_yaxis("消费",cost)
     )
line.render_notebook()

效果图：
普通折线图

3.2 曲线形式的折线

#绘制折线图
import random
from pyecharts import options as  opts
from pyecharts.charts import Line

#准备数据
name=[chr(i) for i in range(65,69)]
salary=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]

#绘图
line=(Line(init_opts=opts.InitOpts(width="600px",height="400px"))
     .add_xaxis(name)
     .add_yaxis("收入",salary,is_smooth=True)
     .add_yaxis("消费",cost,is_smooth=True)
     )
line.render_notebook()

效果图如下：
平滑折线

3.3 面积折线图

#绘制折线图
import random
import numpy as np
from pyecharts import options as  opts
from pyecharts.charts import Line

#准备数据
name=[chr(i) for i in range(65,69)]
# salary=[random.randint(3000,5000) for i in range(4)]
salary=[3385,4500,np.nan,5565]
cost=[random.randint(1000,2000) for i in range(4)]
#绘图
line=(Line(init_opts=opts.InitOpts(width="600px",height="400px"))
     .add_xaxis(name)
     .add_yaxis("收入",salary, areastyle_opts=opts.AreaStyleOpts(opacity=0.5),is_smooth=True,is_connect_nones=True)
     .add_yaxis("消费",cost, areastyle_opts=opts.AreaStyleOpts(opacity=0.6),is_smooth=True,is_connect_nones=True)
     .set_global_opts(title_opts=opts.TitleOpts(title="收入消费曲线"))
     )

line.render_notebook()

效果图：
面积折线图

3.4 阶梯折线图

#绘制折线图
import random
import numpy as np
from pyecharts import options as  opts
from pyecharts.charts import Line

#准备数据
name=[chr(i) for i in range(65,69)]
salary=[random.randint(3000,5000) for i in range(4)]
# salary=[3385,4500,np.nan,5565]
cost=[random.randint(1000,2000) for i in range(4)]
#绘图
line=(Line(init_opts=opts.InitOpts(width="600px",height="400px"))
     .add_xaxis(name)
     .add_yaxis("收入",salary,is_connect_nones=True,color="red",is_step=True,linestyle_opts=opts.LineStyleOpts(type_="dashed"))
     .add_yaxis("消费",cost,is_connect_nones=True, color="black",is_step=True,linestyle_opts=opts.LineStyleOpts(type_="dotted"))
     .set_global_opts(title_opts=opts.TitleOpts(title="收入消费曲线"))
     )

line.render_notebook()

效果图：
阶梯折线图

3.5 标记折线图

#绘制折线图
import random
from pyecharts import options as  opts
from pyecharts.charts import Line

#准备数据
name=[chr(i) for i in range(65,69)]
salary=[random.randint(3000,5000) for i in range(4)]
cost=[random.randint(1000,2000) for i in range(4)]

#绘图
line=(Line(init_opts=opts.InitOpts(width="600px",height="400px"))
     .add_xaxis(name)
     .add_yaxis("收入",
                salary,
                markpoint_opts=opts.MarkPointOpts(
                    data=[opts.MarkPointItem(name="最大值",type_="max"),
                          opts.MarkPointItem(name="最小值",type_="min")],
                    symbol="triangle"),
                markline_opts=opts.MarkLineOpts(
                    data=[opts.MarkLineItem(name="平均值",type_="average"),opts.MarkLineItem(name="中位数",type_="median",symbol="arrow")],
                    
                )
         
     )
     .add_yaxis("消费",cost)
     )
line.render_notebook()

效果图：
标记折线图

theskylife
关注
  • 2
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Python数据可视化 Pyecharts 制作 Boxplot 箱线图
Mr数据杨
03-09 3万+
大家好，我是Mr数据杨。想象一下，《三国演义》中的群英荟萃。想像曹操与其谋士郭嘉的对话，郭嘉手上一纸图表，那便是今天我要介绍的Boxplot，即箱形图。箱形图犹如三国之地，基本设置就像三国分野的基本规则。就像三国的战略版图，要有山有水，要有城有池，箱形图也需要坐标轴设置，给出数据的方向，清晰明了。三国里的人物英勇，如关羽的刀，赵云的矛，都是他们独特的象征，而箱形图中的数据项，就像这些英雄的武器一样，各具特色。曹魏的大营好比基础箱线图，冷静而有序，如同曹操严齐的军队。
pyecharts_doc_v1.7.1.pdf
05-29
可以去下载新版的中文手册，标签更完美： https://download.csdn.net/download/tangyi2008/13773399
pyecharts-动态可视化（3）箱线图
vv_eve的博客
07-24 6859
pyecharts的箱线图-基本版（1 of 3）；组合版（2 of 3）；加入时间线（3 of 3）配有动图 注释~大家可以一起学习讨论哦~
pyecharts箱线图_大家很喜欢用的可视化神器——Pyecharts|可视化系列07
weixin_39619451的博客
02-01 510
pyecharts简介pyecharts是基于前端可视化框架echarts的Python可视化库。该库让我们在Python里也可以充分体验到快速出图和丰富交互的数据可视化体验。echarts主要开发者御术曾说过，和d3相比，d3是面粉而echarts相当于面条。这是个很形象的比喻，和面粉相比，面条可以快速煮出各种美食，很贴合echarts的特点。echarts开箱即用，文档详细、可以配置...
深入解析Pyecharts箱型图：多样式展示与数据分析实战
一键难忘的博客
01-31 4231
箱形图（Box Plot），又称为盒须图，是一种用于显示一组数据分布情况的统计图表。Pyecharts是一个基于Echarts的Python库，可以轻松地绘制各种交互式图表，包括箱形图。本文将介绍Pyecharts库中绘制箱形图的多种炫酷样式，同时详细说明相关参数，并通过实际代码演示实战操作。
pyecharts-1.7.1-py3-none-any.whl
04-02
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
Gui Guider v1.7.1
最新发布
04-07
Gui Guider v1.7.1, LVGL可视化开发的免费工具，2024年4月最新版本
解决pyecharts在jupyter notebook中使用报错问题
12-20
建议下载pyecharts(0.5.xx)版本，如果使用 pip install pyecharts 默认安装V1版本(如1.7.1)会出现如下报错： 1、Bar模块导入问题 from pyecharts import Bar 报错： cannot import name ‘Bar’ 解决办法： ...
pyecharts1.7.1实现地图可视化（空间数据可视化）
mango_ZZY的博客
03-24 3573
pyecharts有强大的数据可视化功能，不仅是对二维图表数据，还包括三维空间数据，常用的就是将地理空间数据在地图上可视化。这里要专门说明一下，自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表（Geo、Map），可自行安装对应的地图文件包。 一、地图包的安装 注意：更多地图数据...
pyecharts-1.7.0-py3-none-any.whl
03-11
pyecharts-1.7.0-py3-none-any.whl，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 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。
echarts帮助手册
12-06
echarts帮助手册，包含完整的文档，方便开发者离线使用
JavaScript - Echarts经典教程
09-18
ECharts，一个纯 Javascript 的图表库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖轻量级的 Canvas 类库ZRender，提供直观，生动，可交互，可高度个性化定制的数据可视化图表。 本课程就带着大家从零开始学习Echarts.Js，让大家都可以随心所欲的去使用这款流行图表框架。
Python数据可视化 pyecharts实战
06-03
     本课程是pyecharts的入门课程。主要介绍了pyecharts函数库的基本使用方法。主要内容包括pyecharts简介，用pyecharts绘制离散点、折线、柱状图、柱状图和折线图组合、饼图、地理图等，而且这些图表是可交互的。
python 箱线图_如何利用python 的pyecharts绘制箱线图？
weixin_39719749的博客
12-07 1257
pyecharts绘制箱线图需要用prepare_data() 将传入的列表中的数据转换为的 [min, Q1, median (or Q2), Q3, max]。有多个列表的，分别转换。1.导入Boxplot库。from pyecharts import Boxplot2.这里以两个班级的成绩数据为例。x_axis=['1班','2班']y1=[78, 98, 56, 78, 90, ...
pyecharts箱线图_pyecharts极简入门教程
weixin_36138462的博客
02-01 927
导读数据可视化是整个数据分析流程中的关键环节，甚至有着一图定成败的关键性地位。前期，陆续推出了matplotlib和seaborn详细入门教程，对于常规的数据探索和基本图表制作是足够的，但二者的一个共同短板是图表不可交互，缺少那种活灵灵的样子！当Python遇到百度echarts，pyecharts便应用而生，最重要的是支持交互、且可移植到PPT报告中，这效果简直是再理想不过的。pyec...
用python在jupyter上使用pyecharts库绘制箱线图【二】
Xianglx的博客
08-03 1687
y_value为一个元素为列表的列表，其每一个元素（列表）代表一个系列对应各个x上的取值情况。下面是一个例子，变量x有四种类别，在其各分类下的箱线图如下。x_value的取值为字符串列表，代表x轴上的坐标。x_value：字符串（元素为字符串的列表）2、发现数据的偏态和尾重。1、辨别数据中的异常值。y_value：数值（元素为列表的列表）3、发现数据的形状。这里给出了一个已经封装好的绘图函数。x、y分别为对应的维度名称。...
数据可视化（pyecharts 1.7.1）学习笔记——系列笔记（7）
masonsxu的博客
04-12 1745
七、分类数据可视化 1、分类数据常用图形 分类 条形图 柱形图 整体中的部分 整体中的各个部分 所有模型的总和应代表整体，也就是100% 模型 饼图中的每一个部分都代表着某个类别或者数值 模型角度 数值与模型角度成正比，总和360° 饼图 堆叠条形图 子分类 矩形树图 2、整体中的部分 饼图 环形图 堆叠...
pyecharts1.7.1的安装与使用
mango_ZZY的博客
03-24 5836
一、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，主要用于数据可视化。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。 这个是pyecharts的中文官方文档：http://pyecharts....
pyecharts1.7.1没有radar_component
05-05
是的，Pyecharts 1.7.1 版本确实没有 `radar_component`，但是在 Pyecharts 1.7.1 之后的版本中就已经加入了 `radar_component`。建议你将 Pyecharts 升级到最新版本（目前最新版本为 1.9.0）后再使用 `radar_...

“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

theskylife

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