python pyecharts

最新推荐文章于 2024-03-01 07:00:00 发布
最新推荐文章于 2024-03-01 07:00:00 发布
阅读量614 收藏 3
点赞数 2
分类专栏： python pyecharts
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_43287650/article/details/83145160
版权

导入模块：
from pyecharts import Bar

1.柱状图

bar = Bar('我的第一个图标','副标题')
bar.add(
    '服装',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [2,20,36,10,75,90],
    #添加一个工具栏
    is_more_utils =True
)
bar.show_config()
# print_echarts_options()
bar.render('html/02.柱状图-有工具栏.html')  # 生成本地 HTML 文件

在这里插入图片描述

2.柱状图和条形图

(1)画一个

bar=Bar('两个商家的数据堆叠展示')
bar.add(
    '商家A',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [5,20,36,10,75,90],
    is_stack =True # 是否堆叠，是！
)
bar.add(
    '商家B',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [10,40,46,40,25,30],
    is_stack =True
)

# print_echarts_options()
bar.render('html/03.柱状图-堆叠.html')  # 生成本地 HTML 文件

在这里插入图片描述

（2）标记出点和线：

# 给柱状图加标记
bar=Bar('两个商家的数据堆叠展示')
bar.add(
    '商家A',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [5,20,36,10,75,90],
    mark_point = ['average'] # 标记最接近均值的柱子
)
bar.add(
    '商家B',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [10,40,46,40,25,30],
    mark_line = ['max','min']
)

# print_echarts_options()
bar.render('html/04.柱状图-堆叠-有标记.html')  # 生成本地 HTML 文件

在这里插入图片描述

（3）柱状图转换x轴和y轴， 就是变成条形图

# 给柱状图加标记
bar=Bar('转换x-y轴')
bar.add(
    '商家A',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [5,20,36,10,75,90],
    
)
bar.add(
    '商家B',
    ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子'],
    [10,40,46,40,25,30],
    is_convert=True
)

# print_echarts_options()
bar.render('html/05.柱状图-转换x-y轴.html')  # 生成本地 HTML 文件

在这里插入图片描述

3.折线图

（1）画个图

# 导入折线图的模块
from pyecharts import Line
# 准备数据和名称
x_axis = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子']
va = [5,20,36,10,75,90]
vb = [10,40,46,40,25,30]
#画图
line =Line('折线图示例')
line.add('商家A',x_axis,va,mark_point=['average'])
line.add('商家B',x_axis,vb,is_smooth=True,mark_line=['max','min'])
line.render('html/06.折线图.html')

在这里插入图片描述

（2）折线图改显示效果

line =Line('折线图示例')
line.add('商家A',x_axis,va,mark_point=['average','max','min'],
        mark_point_symbol='diamond',
        mark_point_textcolor='#ff0000')
line.add('商家B',x_axis,vb,is_smooth=True,mark_point=['max','min'],
        mark_point_symbol='arrow',
        mark_point_symbolsize=60)
line.render('html/07.折线图-加显示效果.html')

在这里插入图片描述

3.面积图

line =Line('面积图示例')
line.add('商家A',x_axis,va,
        is_fill=True,
        area_opacity=0.5)
line.add('商家B',x_axis,vb,
        is_fill=True,
        area_color='#000000',
        area_opacity=0.2,
        is_smooth=True)
line.render('html/08.面积图-.html')

在这里插入图片描述

4.饼图

（1）饼图

# 导入饼图的模块
from pyecharts import Pie
# 准备数据
attr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子']
va = [5,20,36,10,75,90]
vb = [10,40,46,40,25,30]
pie = Pie('饼图示例')
pie.add('商品',attr,va,is_label_show = True)
pie.render('html/09.饼图.html')

在这里插入图片描述

（2）更改形状 --环形图

pie = Pie('饼图示例')
pie.add('商品',attr,va,
        radius=[50,80],
        label_text_color=None,
        is_label_show = True,
       legend_pos='right',
       legend_orient='vertical')
pie.render('html/10.环形图.html')

在这里插入图片描述

5.散点图

（1）画个散点图

# 导入散点图的模块
from pyecharts import Scatter
# 还是这组数据
attr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子']
va = [5,20,36,10,75,90]
vb = [10,40,46,40,25,30]
scatter=Scatter('散点图示例')
scatter.add('商家A',np.arange(1,7)*10,va)
scatter.add('商家B',np.arange(1,7)*10,vb)
scatter.render('html/11.散点图.html')

在这里插入图片描述

（2）散点图优化

scatter=Scatter('散点图示例')
scatter.add('商家A',np.arange(1,7)*10,va)
scatter.add('商家B',np.arange(1,7)*10,vb,
           is_visualmap=True,
           visual_type='size',
           visual_range_size=[0,60])
scatter.render('html/12.散点图优化显示.html')

在这里插入图片描述

6.词云

# 拿词云的数据
import csv
attr =[]
value =[]
with open('word.csv','r',encoding='utf-8') as csvfile:
    lines = csv.reader(csvfile)
    for each in lines:
        attr.append(each[0])
        value.append(int(each[1]))
# 导入词云模块
from pyecharts import WordCloud
wordcloud = WordCloud('词云',width=1000,height=600)
wordcloud.add('',attr,value,word_size_range= [10,50],rotate_step=90)
wordcloud.render('html/13.词云.html')

在这里插入图片描述

7.堆叠两个表

#同时bar与line
attr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子']
va = [5,20,36,10,75,90]
vb = [10,40,46,40,25,30]

bar = Bar('bar+line示例')
bar.add('bar',attr,va)

line=Line()
line.add('line',attr,vb)

from pyecharts import Overlap
overlap = Overlap()
overlap.add(bar)
overlap.add(line)
overlap.render('html/14.重叠在一起.html')

在这里插入图片描述

8.增加动态点

from pyecharts import EffectScatter
attr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','臭袜子']
va = [5,20,36,10,75,90]
vb = [10,40,46,40,25,30]

line = Line('line+es 效果示例')
line.add('',attr,va,is_random=True)
es = EffectScatter()
es.add('',attr,va,effect_scale=8)
overlap = Overlap()
overlap.add(line)
overlap.add(es)
overlap.render('html/15.动态点效果.html')

在这里插入图片描述

Z_mirror
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
PyPI 官网下载 | pyecharts-0.5.0.tar.gz
02-12
资源来自pypi官网。 资源全名：pyecharts-0.5.0.tar.gz
当python遇上echarts（一）了解基本知识
leidawangzi的博客
02-17 1万+
pyecharts 一、简介 Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。 简单来说，pyecharts就是echarts的python接口，方便python用户开发。当然，精通Html，JavaScript的同学，可以直接使用echarts。 二、优势 python中，有很多的可视化模块，比如matplotlib,seaborn
「Python系列」Python pyecharts模块
最新发布
日常笔记/总结/系列知识梳理
03-01 1168
ECharts 是一个使用 JavaScript 实现的，开源的可视化库，可以运行在浏览器和 Node.js 中。：如果你的 Python 安装中没有包含 pip，你需要先安装 pip。是一个用于生成 ECharts 图表的 Python 库，它凭借一些独特的特点和功能，为数据可视化提供了丰富的可能性。或者，如果你使用的是 Python 3，并且系统中同时存在 Python 2 和 Python 3，你可能需要使用。：首先，你需要确保你的系统中已经安装了 Python。，你需要先安装这个库。
python数据分析——pyecharts折线图全解
MaNong125的博客
04-12 2万+
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。 下面我给大家介绍一下如何用pyecharts画出各种折线图 1.基本折线图 import pyecharts.options as opts from pyecharts.charts import Line x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日'] y=[100,200,300,400,5
python-绘图-echart
淋巴cell学习py之路
02-24 2060
文章目录1echarts简介2安装pyecharts3条形图Bar4多个变量的条形图5散点图Scatter6漏斗图 Funnel7水球图Liquid8饼状图9折线图10地图绘制 1echarts简介 ECharts，缩写来自Enterprise Charts，商业级数据图表，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（IE6/7/8/9/10/11...
pyecharts-python的交互可视化库
門門的博客
02-24 3898
pyecharts库的安装以及使用笔记，常见的bug解决
python pyecharts 实现一个文件绘制多张图
09-16
主要介绍了python pyecharts 实现一个文件绘制多张图，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
通过Python pyecharts输出保存图片代码实例
01-19
安装pyecharts：pip install pyecharts 安装snapshot-selenium：pip install snapshot-selenium 安装ChromeDriver：下载地址 注意：下载和电脑上的谷歌浏览器版本相同或者相近的版本，将ChromeDriver.exe放到项目...
python Pyecharts的基本绘图
04-11
日历图，漏斗图，仪表盘，水球图，关系图，平行坐标系，饼图，极坐标系，桑基图，主题河流图，词云图等图，更加详细的绘图推荐去看pyecharts官网
数据分析 python pyecharts
03-02
数据分析 python pyecharts
Anaconda下载pyecharts的小方法
2201_75289942的博客
04-01 2548
我 ...真.小白，用网上的其他办法操作完还是用不了，最后点点点 点出这个小方法，解决了我当前作业要用到的pyecharts库。emmm，感觉也不失为一个方法，就写了出来，不好之处请见谅。3.点击你要项目名 我的是pythonProjiect，点击运行符号，出现Open Terminal。4.进入，输入命令pip install pyecharts（我这已经安好没有安装过程）这仅限一个项目，要在其他项目用还要重新按上述步骤在操作一遍。5.输入命令pip list 查看。1. 打开anaconda。
Echarts+Python让你的数据可视化（文末有完整源码）
一个不会射日的后羿
07-20 8573
用一个小例子+一个小程序带你了解pyecharts的基础用法什么是Echarts？Echarts介绍代码演示支持自定义主题使用Echarts安装pyecharts库使用pyecharts制作柱形图Echarts+Python制作一个统计票数的程序要用到的第三方库主程序模块添加投票信息模块删除单个投票信息模块清空所有投票信息模块显示所有投票信息的模块重点来了！！！生成饼状图的模块生成条形图的模块生成CSV文件的模块退出程序模块完整源码Finally 什么是Echarts？ Echarts介绍 ECharts
pyecharts模块的下载方法以及介绍，折线图的创立
2301_79431343的博客
01-25 826
还可以通过网站gallery.pyecharts.org找到官方的画廊，里面提供了各种类型的图表的实现代码。如果pycharm里面还是不能使用，可以在pycharm里面进行操作。pyecharts是一个模块，可以帮助我们做出可视化图表。输入pip list寻找是否存在pyecharts。pyecharts.org就是官方的网站。render方法可以将代码生成为一个图表。在这里重复上面的操作即可成功下载。通过浏览器打开即可查看图表。如果有则说明安装完成。运行后会多出来一个文件。
【Python】pyecharts 介绍
康师傅没有眼泪
04-18 8515
ECharts，一个使用 JavaScript 实现的开源可视化库，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），底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。 Echarts 百度开源可视化工具 http...
基于Python+Flask+Echart实现二手车数据分析展示
BS009的博客
09-05 410
本项目基于Python+Echart实现二手车市场数据分析和大屏展示，通过采集到的二手车相关数据，读取采集的数据文件，进行数据分析和展示。采用Flask Web框架开发实现动态WEB页面数据加载和展示。
PyEcharts简介
热门推荐
白痴式学习
03-13 3万+
Echarts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。 特性 简洁的 API 设计，使用如丝滑般流畅，支持链式调用 囊括了 30+ 种常见图表，应有尽有 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab 可轻松集成至 Flask，Django 等主流 Web 框架 高度灵活的配置项，可轻松搭配.
【Python】通过Pyecharts 可视化制作饼图Pie 、直方图
disy924的博客
06-23 5367
饼图：以饼状图形显示一个数据系列中各项的大小与各项总和的比例，也称作扇形统计图。场景：适用于二维数据，即一个分类字段，一个连续数据字段，当用户更关注与简单占比时，适合使用饼图。优点：简单直观，很容易看到组成成分的占比缺点不适合较大的数据集（分类）展现数据项中不能有负值当比例接近时，人眼很难准确判别类似图表：环形图、3D饼图直方图又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据类型，纵轴表示分布情况，直方图是数值数据分布的精确图形表示。
Pyecharts数据可视化分析—折线图
qq_40433634的博客
09-24 3980
1. 实验介绍 本实验主要介绍折线图理论与基于Python的折线图实现。 1.1. 实验目的 掌握折线图基本使用场景，使用Python的pyecharts模块实现折线图。 1.2. 知识点 折线图理论 折线图实现 2. 折线图理论 线图介绍： 线图也叫折线图，将值标注成点，并通过直线将这些点按照某种顺序连接起来形成的图。 使用场景： 数据在一个有序的因变量上的变化，它的特点是反映事物随序列而发生变化的趋势，可以清晰展现增减趋势、增减速率、增减规律、峰值等特征。 线图优点： 能很好的展现沿某
可视化 | pyecharts之柱状图常用配置篇
weixin_47172744的博客
04-20 7141
前言 pyecharts的可视化大法，让人爱不释手。柱状图是我们最为常用的可视化统计图，本篇主要介绍了pyecharts的绘制柱状图的常用配置，主要包括以下内容： 基础柱状图 隐藏图例标签数字 坐标轴名称命名 旋转X轴标签 增加标记线或者标记点 柱子宽度设置 不同系列间柱间距离 自定义柱状颜色 柱状堆叠图 在柱状图中同时绘制折线图 实例详解 基础柱状图 from pyecharts import options as opts from pyecharts.charts import * x_inde
python pyecharts
07-27
Pyecharts是一个Python可视化库，可以用于创建各种类型的图表，包括地图。Pyecharts提供了多种类型的地图，包括中国地图、世界地图和各种国家和地区的地图。您可以使用Pyecharts创建具有交互性的地图，可以通过鼠标...

“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 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