21data 数据可视化 代码合集

已于 2024-06-05 09:22:23 修改
阅读量144 收藏
点赞数 1
分类专栏： python-初级 数据应用开发与服务（python） 文章标签： 前端 javascript 开发语言
于 2024-06-03 10:49:12 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/qq_41839921/article/details/139408804
版权 
<!-- <!DOCTYPE html>
<html>
<head>
	<title>视觉映射和图例</title>
	<meta charset="utf-8">
	<script src="echarts.js"></script>
</head>
<body>
<div style="width: 600px;height:400px;">
<script type="text/javascript">
	var myChart = echarts.init(document.getElementById('main'));
	var option = 
	{
  	legend: {
    // Try 'horizontal'
    orient: 'vertical',
    right: 10,
    top: 20,
    bottom: 20,
    type: 'scroll',
    backgroundColor: '#000',
    textStyle:{
      color:'#FFF',
    },
    icon: 'square',
  },
  dataset: {
    source: [
      ['product', '2015', '2016', '2017', '2018', '2019', ],
      ['Matcha Latte', 43.3, 85.8, 93.7, 43.3, 85.8, 93.7, 72.4, 53.9, 39.1],
      ['Milk Tea', 83.1, 73.4, 55.1, 83.1, 73.4, 55.1, 72.4, 53.9, 39.1],
      ['Cheese Cocoa', 86.4, 65.2, 82.5, 86.4, 65.2, 82.5, 72.4, 53.9, 39.1],
      ['Walnut Brownie', 72.4, 53.9, 39.1, 72.4, 53.9, 39.1, 72.4, 53.9, 39.1]
    ]
  },
  xAxis: { type: 'category' },
  yAxis: {},
  series: [{ type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' },]
	};
	myChart.setOption(option);
	</script>


</div>
</body>
</html>
 -->

<!DOCTYPE html>
<html>
  <head>
    <meta charset="utf-8" />
    <!-- 引入刚刚下载的 ECharts 文件 -->
    <script src="echarts.js"></script>
  </head>
  <body>
	 <div id="main" style="width: 600px;height:400px;"> 
      <script type="text/javascript">
      // 基于准备好的dom，初始化echarts实例
      var myChart = echarts.init(document.getElementById('main'),'purple-passion');


      // 指定图表的配置项和数据
	var option = 
	{
  	legend: {
    // Try 'horizontal'
    orient: 'vertical',
    right: 10,
    top: 20,
    bottom: 20,
    type: 'scroll',
    backgroundColor: '#000',
    textStyle:{
      color:'#FFF',
    },
    icon: 'square',
  },
  dataset: {
    source: [
      ['product', '2015', '2016', '2017', '2018', '2019', ],
      ['Matcha Latte', 43.3, 85.8, 93.7, 43.3, 85.8, 93.7, 72.4, 53.9, 39.1],
      ['Milk Tea', 83.1, 73.4, 55.1, 83.1, 73.4, 55.1, 72.4, 53.9, 39.1],
      ['Cheese Cocoa', 86.4, 65.2, 82.5, 86.4, 65.2, 82.5, 72.4, 53.9, 39.1],
      ['Walnut Brownie', 72.4, 53.9, 39.1, 72.4, 53.9, 39.1, 72.4, 53.9, 39.1]
    ]
  },
  xAxis: { type: 'category' },
  yAxis: {},
  series: [{ type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' }, { type: 'line' },]
	};

      // 使用刚指定的配置项和数据显示图表。
      myChart.setOption(option);
    </script></div>
  </body>
</html>
<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8">
		<title>多图表示例</title>
		<!-- 引入 ECharts 文件 -->
		<script src="echarts.js"></script>
	</head>
	<body>
		<!-- 柱状图容器 -->
		<div id="barChart" style="width: 400px; height: 300px; float: left;"></div>
		<!-- 条形图容器 -->
		<div id="barHorizontalChart" style="width: 400px; height: 300px; float: left;"></div>
		<!-- 折线图容器 -->
		<div id="lineChart" style="width: 400px; height: 300px; float: left;"></div>
		<!-- 饼图容器 -->
		<div id="pieChart" style="width: 400px; height: 300px; float: left;"></div>
		<!-- 雷达图容器 -->
		<div id="radarChart" style="width: 400px; height: 300px; float: left;"></div>
		<script type="text/javascript">
			var barChart = echarts.init(document.getElementById('barChart'));
			var barHorizontalChart = echarts.init(document.getElementById('barHorizontalChart'));
			var lineChart = echarts.init(document.getElementById('lineChart'));
			var pieChart = echarts.init(document.getElementById('pieChart'));
			var radarChart = echarts.init(document.getElementById('radarChart')); 
			// 柱状图配置项 
			var barOption = {
				xAxis: { type: 'category',data: ['A', 'B', 'C', 'D', 'E', 'F'] },
				yAxis: { type: 'value' }, 
				series: [{ data: [210, 320, 280, 330, 350, 420], type: 'bar' }] 
			}; 
			// 条形图配置项
			var barHorizontalOption = {
				yAxis: { type: 'category', data: ['A', 'B', 'C', 'D', 'E', 'F'] }, 
				xAxis: { type: 'value' }, 
				series: [{ data: [210, 320, 280, 330, 350, 420], type: 'bar' }] 
			};
			// 折线图配置项
			var lineOption = {
				xAxis: { type: 'category', data: ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] }, 
				yAxis: { type: 'value' }, 
				series: [{ data: [120, 200, 150, 80, 70, 110, 130], type: 'line' }] 
			};
			// 饼图配置项
			var pieOption = {
				series: [{ data: [ {value: 335, name: 'A'}, 
								   {value: 310, name: 'B'}, 
								   {value: 234, name: 'C'}, 
								   {value: 135, name: 'D'}, 
								   {value: 1548, name: 'E'} 
								 ], 
						   type: 'pie' }] 
			};
			// 雷达图配置项
			var radarOption = { radar: { indicator: [ {name: 'A', max: 6500}, 
													  {name: 'B', max: 16000}, 
													  {name: 'C', max: 30000}, 
													  {name: 'D', max: 38000}, 
													  {name: 'E', max: 52000} ] 
										}, 

								series: [{ type: 'radar', 
								           data : [ { value : [4300, 10000, 28000, 35000, 50000], 
								           	          name : 'Data' } ] }] 
							   }; 
								           	          
			barChart.setOption(barOption); 
			barHorizontalChart.setOption(barHorizontalOption); 
			lineChart.setOption(lineOption); 
			pieChart.setOption(pieOption); 
			radarChart.setOption(radarOption);
		</script>
	</body>
</html>
import matplotlib.pyplot as plt

# 定义 x 轴数据
x = [0, 1, 2, 3, 4]

# 定义 y 轴数据
y = [0, 1, 2, 3, 4]

# 绘制图形
plt.plot(x, y)

# 显示图形
plt.show()


import matplotlib.pyplot as plt


# x 轴数据
x = [1, 2, 3, 4, 5]
# y 轴数据
y = [2, 4, 6, 8, 10]

# 绘制折线图
plt.plot(x, y)

# 添加图表标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')

# 显示图形
plt.show()

import matplotlib.pyplot as plt

# x 轴数据
x = [1, 2, 3, 4, 5]
# y 轴数据
y = [2, 4, 6, 8, 10]
# 绘制折线图并设置线条样式为虚线
plt.plot(x, y, linestyle='--')
# 添加图表标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
# 显示图形
plt.show()


import matplotlib.pyplot as plt

# x 轴数据
x = [1, 2, 3, 4, 5]
# y 轴数据
y = [2, 4, 6, 8, 10]

# 设置 x 轴刻度
plt.xticks([1, 2, 3, 4, 5], ['A', 'B', 'C', 'D', 'E'])

# 绘制折线图
plt.plot(x, y)

# 添加图表标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('自定义 X 轴')
plt.ylabel('Y 轴')

# 显示图形
plt.show()



import matplotlib.pyplot as plt

# x 轴数据
x = [1, 2, 3, 4, 5]
# y 轴数据
y = [2, 4, 6, 8, 10]

# 设置 x 轴字体大小和颜色
plt.xticks(fontsize=16, color='red')
# 设置 y 轴字体大小和颜色
plt.yticks(fontsize=16, color='red')

# 绘制折线图
plt.plot(x, y)

# 添加图表标题和坐标轴标签
plt.title('折线图示例')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')

# 显示图形
plt.show()



import matplotlib.pyplot as plt

# x 轴数据
x = [1, 2, 3, 4, 5]
# y1 轴数据
y1 = [2, 4, 6, 8, 10]
# y2 轴数据
y2 = [4, 6, 8, 10, 12]

# 绘制第一个折线图
plt.subplot(211)
plt.plot(x, y1)
plt.title('折线图 1')

# 绘制第二个折线图
plt.subplot(212)
plt.plot(x, y2)
plt.title('折线图 2')

# 设置子图之间的间距
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=0.5, hspace=0.5)

# 显示图形
plt.show()
import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
x = np.arange(1, 11)
print(x)
y_line = np.random.randint(1, 10, size=10)
print(y_line)
y_bar = np.random.randint(1, 10, size=10)
y_barh = np.random.randint(1, 10, size=10)
theta = np.linspace(0, 2*np.pi, 10)
y_radar = np.random.randint(1, 10, size=10)
print(y_bar,y_barh,y_radar)


# 折线图
plt.figure(figsize=(8, 6)) #创建图像窗口，大小为8*6英寸
plt.plot(x, y_line, marker='o', linestyle='-', color='b') #绘制折线图，圆形标记，实线，蓝色
plt.title('折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True) #显示网格线
plt.show()




#柱状图
# 创建一个图像窗口，并设置大小为8x6英寸
plt.figure(figsize=(8, 6))
# 绘制柱状图，x为横坐标数据，y_bar为纵坐标数据，颜色为绿色，透明度为0.7
plt.bar(x, y_bar, color='g', alpha=0.7)
# 设置图像标题
plt.title('柱状图')
# 设置横坐标标签
plt.xlabel('X轴')
# 设置纵坐标标签
plt.ylabel('Y轴')
# 启用纵向网格线
plt.grid(axis='y')
# 显示图像
plt.show()



#条形图
# 创建一个图像窗口，并设置大小为8x6英寸
plt.figure(figsize=(8, 6))
# 绘制条形图，x为纵坐标数据，y_barh为横坐标数据，颜色为红色，透明度为0.7
plt.barh(x, y_barh, color='r', alpha=0.7)
# 设置图像标题
plt.title('条形图')
# 设置横坐标标签
plt.xlabel('X轴')
# 设置纵坐标标签
plt.ylabel('Y轴')
# 启用横向网格线
plt.grid(axis='x')
# 显示图像
plt.show()

#雷达图

# 创建一个图像窗口，并设置大小为8x6英寸
plt.figure(figsize=(8, 6))
# 创建一个极坐标子图
ax = plt.subplot(111, polar=True)
# 绘制雷达图，theta为角度数据，y_radar为雷达图的值，使用圆形标记
ax.plot(theta, y_radar, marker='o')
# 填充雷达图内部，颜色为蓝色，透明度为0.1
ax.fill(theta, y_radar, 'b', alpha=0.1)
# 设置图像标题
plt.title('雷达图')
# 显示图像
plt.show()
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [20, 50, 80, 150, 300]
# 气泡大小
# 绘制气泡图
plt.scatter(x, y, s=sizes, alpha=0.6, c='blue', label='气泡')
# 添加标签和标题
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('简单的气泡图')
# 显示图例
plt.legend()
# 显示图表
plt.show()




import matplotlib.pyplot as plt
import numpy as np
# 定义数据
categories = ['类别1', '类别2', '类别3']
group1 = [3, 5, 2]
group2 = [4, 2, 7]
group3 = [6, 8, 3]
# 定义x轴的索引位置
x = np.arange(len(categories))
# 创建堆积柱形图
plt.bar(x, group1, label='组1')
plt.bar(x, group2, bottom=group1, label='组2')
plt.bar(x, group3, bottom=np.array(group1) + np.array(group2), label='组3')
# 添加x轴的标签
plt.xticks(x, categories)
# 添加图例
plt.legend()
# 添加标题和轴标签
plt.title('堆积柱形图')
plt.xlabel('类别')
plt.ylabel('数量')
# 显示图表
plt.show()




import matplotlib.pyplot as plt

# 数据
x = [20,21,22,23]
y1 = [10, 20, 15, 25]
y2 = [15, 25, 20, 30]

# 绘制簇状柱形图
width = 0.35
plt.bar(x, y1, width, label='Group 1')
plt.bar([i + 0.35 for i in x], y2, width, label='Group 2')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('簇状柱形图')
plt.xticks(x)
plt.legend()
plt.show()





import matplotlib.pyplot as plt
import numpy as np
# 定义数据
years = np.array([2016, 2017, 2018, 2019, 2020])
category1 = np.array([3, 4, 6, 7, 9])
category2 = np.array([1, 3, 4, 3, 6])
category3 = np.array([2, 2, 3, 4, 5])
# 绘制堆积折线图
plt.stackplot(years, category1, category2, category3,
              labels=['类别1', '类别2', '类别3'],
              colors=['#FFDDC1', '#FFABAB', '#FF6F61'])
# 添加图例
plt.legend(loc='upper left')
# 添加标题和轴标签
plt.title('堆积折线图示例')
plt.xlabel('年份')
plt.ylabel('数量')
# 显示图表
plt.show()

素玥
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数据可视化——实验3 空间数据数据可视化代码
weixin_45918830的博客
11-10 1062
绘制螺旋线 <!DOCTYPE html> <html> <head> <meta charset = "utf-8"> <title>实验3——螺旋线</title> <script src = "echarts.js"></script> <!--导入ECharts-gl包--> <script src="https://cdn.jsdelivr.
python代码实现TSNE降维数据可视化教程
09-17
### Python代码实现t-SNE降维数据可视化教程 #### 一、引言 在数据分析与机器学习领域，数据可视化是一项非常重要的技能。通过可视化技术，我们可以直观地理解数据分布及特征之间的关系，这对于后续的数据分析、...
有这5小段代码在手，轻松实现数据可视化（Python+Matplotlib）
大数据周刊
04-23 1963
本文要讲的是Matplotlib，一个强大的Python可视化库。一共5小段代码，轻松实现散点图、折线图、直方图、柱状图、箱线图，每段代码只有10行，也是再简单不过了吧！...
5个快速而简单的数据可视化方法和Python代码
AI公园
01-29 486
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：George Seif编译：ronghuaiyang导读数据可视化的方法，做大数据的人不可错过，直接把代码...
数据可视化代码
最新发布
Chenjiayu005的博客
04-10 193
数据可视化图形化代码
ECharts数据可视化完整代码
nanxun201314的博客
12-03 2390
ECharts数据可视化完整代码
基于python的NBA球员数据可视化分析
04-07
在本项目"基于python的NBA球员数据可视化分析"中，我们主要探讨了如何使用Python这一强大且广泛使用的编程语言来获取、处理和可视化NBA球员的数据。该项目分为几个关键阶段，包括数据爬取、数据预处理、数据分析以及...
对鸢尾花数据可视化.zip
09-13
`Data` 文件夹可能存储了鸢尾花数据集，这是一个常用的机器学习和数据可视化示例数据集。数据集通常包含鸢尾花的各个测量值，每个样本对应一种鸢尾花种类。 `echarts` 目录可能包含ECharts库的文件，如JavaScript库...
python加html做彩票数据可视化大屏源码
06-08
本项目是基于Python、HTML和JavaScript技术实现的彩票数据可视化大屏展示的源代码，旨在提供一个娱乐和学习的平台。下面将详细讲解这个项目所涉及的技术知识点。 1. **Python**： - Python作为主要的数据处理语言...
KITTI数据集三维可视化代码
04-02
KITTI数据集三维可视化代码，You can run python kitti/kitti_object.py to see whether data is downloaded and stored properly. If everything is fine, you should see image and 3D point cloud visualizations...
R数据可视化手册代码
12-12
R graphics cookbook的代码 中文名是《R数据可视化手册》 代码我已经整理过。如果你在官网下下载，得到的条形图文档打开格式很乱，我这个就能正常查看了
python代码实现数据可视化
weixin_44822403的博客
07-06 2669
对数据进行可视化展现，包含常用柱状图，折线图，散点图，堆积图等
数据可视化（完整编码实现）
热门推荐
qq_41060065的博客
03-18 1万+
如何实现数据可视化 在开发过程中，我们往往会遇到很多包罗万象的需求，往往这些需求通过简单的业务流都可以解决，但是在现有的开发需求中，往往简单的工作流已经不满足现有的需求，通过不一样的方式来解决现有的需求变得尤为重要，这就用到了数据可视化的这个理念。数据可视化就是让数据通过图形的形式直观的显示出来，以便用户可以更加直观清晰的理解数据，而不是让数据变得死板没有规律。 那么该如何实现呢？ 今天我就来详...
Python 万能代码模版：数据可视化篇
数据森麟
11-15 7629
公众号后台回复“图书“，了解更多号主新书内容 作者：AI悦创 来源：AI悦创其实，除了使用 Python 编写爬虫来下载资料， Python 在数据分析和可视化方面也非常强...
python-数据可视化代码实例
weixin_48134870的博客
02-28 154
AI
【数据报表中心】数据可视化代码怎么写？看看这里做大屏不用愁
GzMian_的博客
07-19 249
有了好的数据可视化工具就不用您再写代码了，迈安科技的数据应用开发平台提供一站式解决方案，需求，实现，运维之类的，开发平台全部能够完成，再也不用为寻找各种厂商而发愁。不但如此，开发平台出人出力搭建好您的整个项目后，还会再留给客户一整套根据客户习惯单独定制化出来的产品。让客户的大数据、数据可视化操作，完全黑盒化，客户不需要懂得这些知识，在以后的运维中，自己就可以1-2分钟进行功能逻辑调整。开发平台还支...
python数据可视化显示(附代码)
阿利同学的博客
05-21 4210
Python提供了多种数据可视化工具，包括Matplotlib、Seaborn、Plotly、Bokeh等。在数据可视化中，需要选择合适的图表类型、坐标系、标签和标题等，以便更好地表达数据和信息。本文提供了Matplotlib和Seaborn的代码示例，介绍了如何使用Python进行数据可视化。希望本文能够帮助读者更好地理解Python数据可视化的基本概念、工具和技术。
python做可视化数据图表,python可视化图表代码
Rtee1的博客
02-20 353
大家好，小编为大家解答python可视化图做好了怎么弄下来的问题。很多人还不知道python做可视化数据图表，现在让我们一起来看看吧！可视化图表，有相当多种，但常见的也就下面几种，其他比较复杂一点，大都也是基于如下几种进行组合，变换出来的。对于初学者来说，很容易被这官网上众多的图表类型给吓着了，由于种类太多，几种图表的绘制方法很有可能会混淆起来。因此，在这里，我特地总结了六种常见的基本图表类型，你可以通过对比学习，打下坚实的基础。
R数据可视化手册：精简代码实例与ggplot2应用
本资源是一份关于R语言数据可视化的详细教程，主要围绕《R数据可视化手册》（中文名：R graphics cookbook）中的代码进行讲解。它提供了实用的代码示例，帮助用户理解和掌握如何在R环境中创建清晰、有效的图表。 ...
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