[pyecharts学习笔记]——Grid并行多图、组合图、多 X/Y 轴、

最新推荐文章于 2024-06-25 14:38:42 发布
最新推荐文章于 2024-06-25 14:38:42 发布
阅读量1.9w 收藏 168
点赞数 29
分类专栏： # Pyecharts
原文链接：http://pyecharts.org/#/zh-cn/composite_charts
版权

Grid并行多图

具体请参见：Grid并行多图

（1）水平放置

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Grid, Line, Scatter
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

# 散点图
scatter = (
    Scatter()
    .add_xaxis(Faker.choose()) # x轴
    .add_yaxis("商家A", Faker.values()) 
    .add_yaxis("商家B", Faker.values())
    # 全局配置项
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Grid-Scatter"),
        # 设置图例位置
        legend_opts=opts.LegendOpts(pos_left="20%"),
    )
)

# 折线图
line = (
    Line()
    .add_xaxis(Faker.choose()) # x轴
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Grid-Line", pos_right="5%"),
        legend_opts=opts.LegendOpts(pos_right="20%"),
    )
)

# Grid并行多图
grid = (
    Grid()
    
    .add(
        scatter, # 图表实例，仅 `Chart` 类或者其子类
        
        # 直角坐标系网格配置项
        # grid 组件离容器左侧的距离。
        # left 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比，
        # 也可以是 'left', 'center', 'right'。
        # 如果 left 的值为'left', 'center', 'right'，组件会根据相应的位置自动对齐。
        grid_opts=opts.GridOpts(pos_left="55%"))
    
    
    .add(
        line, # 图表实例，仅 `Chart` 类或者其子类
        
        # grid 组件离容器右侧的距离。
        # right 的值可以是像 20 这样的具体像素值，可以是像 '20%' 这样相对于容器高宽的百分比。
        grid_opts=opts.GridOpts(pos_right="55%"))
    .render("grid_horizontal.html")
)

（2）竖直放置

在这里插入图片描述

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

# 条形图
bar = (
    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="Grid-Bar"))
)

# 折线图
line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        # 标题位置
        title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),
        # 图例位置
        legend_opts=opts.LegendOpts(pos_top="48%"),
    )
)

grid = (
    Grid(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
    # 通过设置图形相对位置，来调整是整个并行图是竖直放置，还是水平放置
    .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))
    .add(line, grid_opts=opts.GridOpts(pos_top="60%"))
    .render("grid_vertical.html")
)

（3）Grid_geo_bar

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Geo, Grid
from pyecharts.faker import Faker

# 条形图
bar = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    # 图例位置
    .set_global_opts(legend_opts=opts.LegendOpts(pos_left="20%"))
)


# 动态热力地图
geo = (
    Geo()
    .add_schema(maptype="china")
    .add("geo", [list(z) for z in zip(Faker.provinces, Faker.values())])
    # 标签
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        # 映射
        visualmap_opts=opts.VisualMapOpts(),
        # 主题
        title_opts=opts.TitleOpts(title="Grid-Geo-Bar"),
    )
)

# Grid并行多图
grid = (
    Grid()
    # 添加条形图  并设置位置
    .add(bar, grid_opts=opts.GridOpts(pos_top="50%", pos_right="75%"))
    
    # 添加地图
    .add(geo, grid_opts=opts.GridOpts(pos_left="70%"))
    .render("grid_geo_bar.html")
)

（4）重叠（组合）图

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Line
from pyecharts.faker import Faker

# 数据
v1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
v2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
v3 = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]

# 条形图
bar = (
    Bar()
    .add_xaxis(Faker.months)  # ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']
    # 默认轴索引都为0
    .add_yaxis("蒸发量", v1)
    .add_yaxis("降水量", v2)
    
    # 提前配置 折线图 的 y 轴
    .extend_axis(
        # 对新增y轴设置，轴标签为 摄氏度 间隔为5°C
        yaxis=opts.AxisOpts(
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5
        )
    )
    
    # 系列配置项   不显示标签
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    
    # 全局配置项
    .set_global_opts(
        # 标题
        title_opts=opts.TitleOpts(title="Overlap-bar+line"),
        # 对条形图的 y 轴进行设置
        yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")),
    )
)

# 折线图
line = (
        Line()
        .add_xaxis(Faker.months) # x轴
        .add_yaxis(
            "平均温度", 
            v3, 
            yaxis_index=1  # 上面的条形图默认索引为0，这里设置折线图y 轴索引为1
            )
        )

bar.overlap(line)  # 将折线图重叠到条形图
bar.render("overlap_bar_line.html")

（5）多y轴

  • 所有轴的索引初始值都是0，在多个轴的情况下，按照添加顺序进行排序

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line

# x 轴数据
x_data = ["{}月".format(i) for i in range(1, 13)]
# ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']


# 条形图
bar = (
    Bar()
    .add_xaxis(x_data)
    
    # y1
    .add_yaxis(
        "蒸发量",# 系列名称
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3], # 系列数据项
        # 添加第一个轴，索引为0,（默认也是0）
        yaxis_index=0,
        
        color="#d14a61", # 系列 label 颜色
    )
    
    
    # y2
    .add_yaxis(
        "降水量", # 系列名称
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3], # 系列数据项
        # 添加第二个轴，索引设为1
        yaxis_index=1,
        color="#5793f3", # 系列 label 颜色
    )
    
    
    # 对 y1 轴进行更加细致的配置
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量", # 坐标轴名称
            type_="value", # 坐标轴类型  'value': 数值轴，适用于连续数据。
            min_=0,  # 坐标轴刻度最小值
            max_=250,  # 坐标轴刻度最大值
            position="right",  # 轴的位置  右侧
            # 轴线配置
            axisline_opts=opts.AxisLineOpts(
                # 轴线颜色
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            # 轴标签显示格式
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    
    # 提前配置 折线图 的 y 轴
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            # 分割线配置
            splitline_opts=opts.SplitLineOpts(
                # 显示分割线
                is_show=True, 
                # 线样式配置 opacity 图形透明度。支持从 0 到 1 的数字，为 0 时不绘制该图形。
                linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    
    
    .set_global_opts(
        # 对 y2 轴进行更加细致的配置
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80, # Y 轴相对于默认位置的偏移，在相同的 position 上有多个 Y 轴的时候有用。
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="Grid-多 Y 轴示例"),
        # 提示框配置
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
)


# 折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        # 折线图对应的y轴索引为2
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)


bar.overlap(line) # 使用overlap(重叠)组件，把折线图重叠在条形图中

# 并行多图
grid = Grid()
grid.add(
    bar, # 图表实例，仅 `Chart` 类或者其子类
    
    # 直角坐标系网格配置项
    opts.GridOpts(
        # grid 组件离容器距离
        pos_left="5%",
        pos_right="20%"), 
        # 是否由自己控制 Axis 索引
        is_control_axis_index=True
        
        )
grid.render("grid_multi_yaxis.html")

（6）多 X/Y 轴

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line

bar = (
    Bar()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "蒸发量",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        yaxis_index=0,
        color="#d14a61",
    )
    .add_yaxis(
        "降水量",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        yaxis_index=1,
        color="#5793f3",
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="Grid-Overlap-多 X/Y 轴示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="25%"),
    )
)

line = (
    Line()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 上面的代码和上个例子  都是差不多的
bar1 = (
    Bar()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "蒸发量 1",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        color="#d14a61",
        xaxis_index=1,
        # y轴索引，继上面的 设为3
        yaxis_index=3,
    )
    .add_yaxis(
        "降水量 2",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        color="#5793f3",
        xaxis_index=1,
        yaxis_index=3,
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(grid_index=1),
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            # 直角坐标系网格索引
            grid_index=1,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="65%"),
    )
)

line1 = (
    Line()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "平均温度 1",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
        # 新增了一个 x轴的索引，上面的line中x轴的索引为0
        xaxis_index=1,
         
        yaxis_index=5,
    )
)

overlap_1 = bar.overlap(line)
overlap_2 = bar1.overlap(line1)


# 使用grid将overlap_1和overlap_2进行水平并行放置
grid = (
        # 初始化
    Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
    .add(
        overlap_1, grid_opts=opts.GridOpts(pos_right="58%"), 
        # 是否由自己控制 Axis 索引
        is_control_axis_index=True
    )
    .add(overlap_2, grid_opts=opts.GridOpts(pos_left="58%"), is_control_axis_index=True)
    .render("grid_overlap_multi_xy_axis.html")
)

还可以参考：pyecharts 之神奇的轴索引

卖山楂啦prss
关注
专栏目录
利用并行多图方法将柱形折线图，环形图，堆积图，雷达图融合到一张画布展现中医药市场可视化
Kvooi的博客
12-21 1208
并行多图是属于自定义图表中的一大类，自定义图表类主要有以下四种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。
使用pyecharts实现并行多图
2301_78482043的博客
12-15 723
并行多图： 就是往组合图表里面填充各种图表（Bar，Line，Scatter） —— 往图表里面填充图表。# 2.往Grid图表里面填充其他图表（Bar，Line，Scatter）# 组合图表，也是一种特殊的图表类型。# 1.创建一个Grid图表。# 【组合图表:并行多图】
echarts使用一个option渲染多个图表，图表组件化
最新发布
Zqqq7的博客
06-25 267
在开发过程中，使用绘制图表时，会遇到同时渲染多张图表的情况，在前端代码中如果每个图表都写一遍option的话未免太过复杂，所以可以将其写成一个组件，提高代码质量。
在Pyecharts中使用Grid绘制4图合一的组合图表（附完整代码）
lingyaoJUN的博客
12-14 3819
在数据可视化领域中，组合图表是一种非常常见的呈现方式。它可以将不同类型的图表结合起来，让人们更加直观地了解数据之间的关系。在 Python 的数据可视化库 pyecharts 中，Grid 是一种用于绘制组合图表的容器，可以让我们轻松地将多个图表进行排列组合。在本篇博客中，我将教会大家如何使用 Grid 在 pyecharts 中绘制组合图表。首先，我们需要安装 pyecharts 库和其依赖项。接下来，我们将使用一个包含四个图表的示例代码作为教学实例。
pyecharts图表库学习:Grid并行显示多张图
热门推荐
错位的梦寐的博客
11-17 2万+
自定义图表类 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 Grid：并行显示多张图 用户可以自定义结合 Line/Bar/Kline/Scatter/EffectScatter/Pie/HeatMap/Boxplot 图表，将不同类型图表画在多张图上。第一个图需为 有 x...
pyecharts绘制并行多图
yiiixsc的博客
12-15 1081
pyecharts.charts的Grid类表示并行排列的组合图表，它可以采用左右布局或上下布局的方式显示多个图表。Grid类中包含一个add()方法,使使用add()方法可以为组合图表添加配置项。is_control_axis_index：表示是否由自己控制坐。grid_index：表示直角坐标系网格索引，默认为0。grid_opts：表示直角坐标系配置项。索引，默认为False。该方法的参数含义如下。chart：表示图表。
pyecharts的并行多图
z2224070148的博客
12-15 400
【代码】pyecharts的并行多图。
java编程思想学习笔记——21多线程
Burnup_110的博客
04-01 511
一、并发简介 实现并发最直接的方式是在操作系统级别使用进程。进程是运行在它自己的地址空间内的自包含的程序。多任务操作系统可以通过周期性地将CPU 从一个进程切换到另一个进程，来实现同时运行多个进程（程序）。对于进程来说，他们之间没有任何彼此通信的需要，因为他们都是完全独立的。 但是如果将进程当做并发的唯一选择，那么进程来做并发来说的话，也有他的局限性，因为进程通常来说是有数量和开销的限制的，以避免他们在不同的并发系统之间的可应用性 java采用在顺序型语言的基础上提供对线程的支持，即线程机制是在由执行程序表
Python地理做图GMT-Pygmt-rasterio——学习笔记
qq_36980284的博客
07-20 770
J投影方式-R区域-B网格-W线条-G陆地填充-A区域面积舍弃-C湖泊颜色-D岸线精度-S海洋颜色。
【机器学习笔记】——Bagging、Boosting、Stacking（RF / Adaboost / Boosting Tree / GBM / GBDT / XGBoost / LightGBM）
孙悟充的博客
05-17 1349
目 录 1  集成学习1.1  概念1.2  思维导图2  Bagging算法2.1  概念2.2  编程（分类）2.3  随机森林2.3.1  扩展2.3.1.1  Extremely randomized Tree...
Python机器学习笔记——随机森林算法
weixin_30273931的博客
02-25 2537
随机森林算法的理论知识 　　随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。 一，随机森林的随机性体现在哪几个方面？ 1，数据集的随机选取 　　从原始的数据集中采取有放回的抽样（bagging），构造子数据集，子数据集的数据量是和原始数...
python pyecharts 实现一个文件绘制多张图
12-17
Grid并行显示多张图 注意： 第一个图需为 有 x/y 轴的图，即不能为 Pie，其他位置顺序任意 from pyecharts import Bar, Line, Scatter, EffectScatter, Grid ''' Grid类：并行显示多个图表 TODO 第一个图需为 有 x/y 轴的图，即不能为 Pie，其他位置顺序任意。 ''' attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] v1 = [5, 20, 36, 10, 75, 90] v2 = [10, 25, 8, 60, 20, 80] bar = Bar("柱状图示例
图卷积神经网络笔记——第六章：（２）基于PyTorch的交通流量预测
Ma Sizhou
08-15 1万+
上一小节介绍了交通流量数据的处理，主要是把拿到的数据的结构信息（邻接矩阵）和节点信息（流量数据）处理成了模型所需要的train_data和test_data，上一小节： 链接. 这一小节基于上节的交通流量数据来构造图卷积模型，预测未来时刻的交通流量情况．分别使用GCN,Chebnet和GAT三种模型来构造． ...
pyecharts 进阶之并行多图（八）
m0_60495479的博客
01-19 1003
pyecharts 关于并行多图的绘制
pyecharts学习6--多x轴和多y轴，多图叠加
shadowsland的专栏
06-24 1万+
多坐标轴 先上图：两个x轴和两y轴 先看extend_axis的源码片段： def extend_axis( self, xaxis_data: Sequence = None, xaxis: types.Axis = None, yaxis: types.Axis = None, ): 其中只有xaxis_data而没有，yaxis_data，因而y轴的添加不能一步完成， 因为数据是绑定到y轴的 添加额外的x轴：直接使用.
使用pyecharts绘制并行组合图表
2301_76732898的博客
12-14 1048
【代码】使用pyecharts绘制并行组合图表。
pyecharts将多图显示在一起的方案
nbxuwentao的博客
11-23 3251
reference: 参考 方案1： Grid：并行显示多张图表 方案2： Overlap:图表混合使用 方案3： Page:一个页面顺序渲染多个图表 方案4：Timeline:时间线轮播多图 推荐使用方案1
pyecharts x轴字体大小调整_基于Pyecharts可视化大屏案例一（2）
weixin_39570530的博客
11-20 717
上篇文章《基于Pyecharts可视化大屏案例一(1)》已经为大家详细展示了大屏中间第一张图形的制作过程以及可视化大屏的布局，我们先来回顾下完整的精美大屏：请看下本文在上文基础上制作左上图形的最终效果：视频显示：接下来，请开始你的表演......1. 加载一箩筐的库from pyecharts.charts import ...
python pyecharts 一个文件绘制多张图
weixin_43632687的博客
12-18 1万+
Grid并行显示多张图 注意： 第一个图需为 有 x/y 轴的图，即不能为 Pie，其他位置顺序任意 from pyecharts import Bar, Line, Scatter, EffectScatter, Grid ''' Grid类：并行显示多个图表 TODO 第一个图需为 有 x/y 轴的图，即不能为 Pie，其他位置顺序任意。 ''' attr = ["衬衫", "羊毛衫...
SWT学习笔记7——组件背景图片，鼠标事件，鼠标样式
05-26
组件背景图片： 在 SWT 中，可以通过 setBackgroundImage() 方法为组件设置背景图片。例如： ``` Shell shell = new Shell(display); Image image = new Image(display, "background.jpg"); shell.setBackgroundImage(image); ``` 其中，Shell 表示窗口组件，Image 表示图片对象。需要注意的是，在使用完图片后，需要通过 dispose() 方法释放资源，如： ``` image.dispose(); ``` 鼠标事件： 在 SWT 中，可以通过 addMouseListener() 方法为组件添加鼠标事件监听器。例如： ``` Button button = new Button(shell, SWT.PUSH); button.addMouseListener(new MouseAdapter() { public void mouseDown(MouseEvent e) { System.out.println("Button Clicked!"); } }); ``` 其中，Button 表示按钮组件，SWT.PUSH 表示按钮类型。MouseAdapter 是一个适配器类，用于实现鼠标事件监听器。在上面的示例中，我们重写了 mouseDown() 方法，当用户按下鼠标时，会输出一条信息。 鼠标样式： 在 SWT 中，可以通过 Cursor 类设置鼠标样式。例如： ``` Cursor cursor = new Cursor(display, SWT.CURSOR_WAIT); shell.setCursor(cursor); ``` 其中，SWT.CURSOR_WAIT 表示等待样式。需要注意的是，在使用完 Cursor 对象后，需要通过 dispose() 方法释放资源，如： ``` cursor.dispose(); ```
评论 2
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