[pyecharts学习笔记]——系统配置项(MarkLineOpts标记线配置项)

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
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-MarkLine"))
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        # MarkLineOpts:标记线配置项
        markline_opts=opts.MarkLineOpts(
            # 标记线数据
            data=[
                # MarkLineItem:标记线数据项
                opts.MarkLineItem(type_="min", name="最小值"),
                opts.MarkLineItem(type_="max", name="最大值"),
                opts.MarkLineItem(                  
                    # 标注名称
                    name="平均值",
                    
                    # 特殊的标注类型,用于标注最大值最小值等。可选:
                    # 'min' 最大值、'max' 最大值 、'average' 平均值。
                    type_ = 'average',
                    
                    # 在使用 type 时有效,用于指定在哪个维度上指定最大值最小值,可以是 
                    # 0(xAxis, radiusAxis),
                    # 1(yAxis, angleAxis),默认使用第一个数值轴所在的维度。
                    value_index = None,
                    
                    # 在使用 type 时有效,用于指定在哪个维度上指定最大值最小值。这可以是维度的直接名称Optional[str],
                    # 例如折线图时可以是 x、angle 等、candlestick 图时可以是 open、close 等维度名称。
                    value_dim = None,
                    
                    # 起点或终点的坐标。坐标格式视系列的坐标系而定,可以是直角坐标系上的 x, y,
                    # 也可以是极坐标系上的 radius, angle。
                    coord = None,
                   
                    # 相对容器的屏幕 x 坐标,单位像素 Optional[Numeric]
                    x = None,
                    
                    # 相对容器的屏幕 y 坐标,单位像素 Optional[Numeric]
                    y = None,
                    
                    # 终点标记的图形。
                    # 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 = None,  #一般默认就好
                    
                    # 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 = None,  #一般默认就好    
                    
                    )],
            # 图形是否不响应和触发鼠标事件,默认为 false,即响应和触发鼠标事件。
            is_silent = False,
            
            # 也可以在这里设置标线两端的标记类型,可以是一个数组分别指定两端,也可以是单个统一指定,具体格式见 data.symbol。
            symbol = None,
            
            
            # 也可以在这里设置标线两端的标记大小,可以是一个数组分别指定两端,也可以是单个统一指定。
            symbol_size= None,

            # 标线数值的精度,在显示平均值线的时候有用。
            precision = 2,

            # 标签配置项,参考 `series_options.LabelOpts`
            label_opts=opts.LabelOpts(),

            # 标记线样式配置项,参考 `series_options.LineStyleOpts`
            # linestyle_opts=opts.LineStyleOpts()
            
        ),
    )
    .render("C:/bar_markline.html")
)

自定义标记线

在这里插入图片描述

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(theme=ThemeType.DARK))
    .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-MarkLine(自定义)"))
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        # MarkLineOpts:标记线配置项
        markline_opts=opts.MarkLineOpts(
            # 标记线数据
            data=[
                # MarkLineItem:标记线数据项
                opts.MarkLineItem(                  
                    name="自定义线",
                    y = 50,              
                    )],
            # 标签配置项,参考 `series_options.LabelOpts`
            label_opts=opts.LabelOpts(),

            # 标记线样式配置项,参考 `series_options.LineStyleOpts`
            linestyle_opts=opts.LineStyleOpts(width = 3,color = '#FFFF00',)            
        ),
    )
    .render("C:/bar_markline.html")
)

  • 9
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
连续系统的时域分析是信号与系统学习中的重要部分。时域分析研究的是信号在时间域内的变化规律,常用的分析方法包括冲激响应法、单位阶跃响应法和相应方程法。 1. 冲激响应法 冲激响应法是一种基于系统输入信号的冲激函数的响应来分析系统时域特性的方法。具体来说,将系统输入信号表示为一个冲激序列的加权和,然后计算出系统对每个冲激的响应,得到系统的冲激响应函数。然后,通过线性时不变系统的特性,可以将任何输入信号都表示为冲激序列的加权和,从而得到系统对任何输入信号的响应。 2. 单位阶跃响应法 单位阶跃响应法是一种基于系统输入信号的单位阶跃函数的响应来分析系统时域特性的方法。具体来说,将系统输入信号表示为一个单位阶跃函数的加权和,然后计算出系统对每个单位阶跃函数的响应,得到系统的单位阶跃响应函数。然后,通过线性时不变系统的特性,可以将任何输入信号都表示为单位阶跃函数的加权和,从而得到系统对任何输入信号的响应。 3. 相应方程法 相应方程法是一种基于系统微分方程的解析解来分析系统时域特性的方法。具体来说,根据系统微分方程的特性,可以得到系统的传递函数,然后通过拉普拉斯变换将输入信号和传递函数变换到频域内,最终通过反变换得到系统的时域响应。 以上三种方法都是分析连续系统时域特性的重要方法,各自适用于不同的情况。掌握这些方法可以帮助我们更好地理解和分析连续系统的时域特性。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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