pyecharts

最新推荐文章于 2024-08-23 08:55:28 发布
最新推荐文章于 2024-08-23 08:55:28 发布
阅读量818 收藏 5
点赞数 1
文章标签： python 信息可视化 数据分析
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_52855051/article/details/129351073
版权

柱状图

bar = (
    Bar()
    .add_xaxis(['衬衣','毛衣','羊毛衫','鞋子','袜子'])
    .add_yaxis('商家',[5,12,34,24,54])
    #配置项
    #.set_global_opts(title_opts=opts.TitleOpts(title='主标题',subtitle='副标题'))
    #或
    .set_global_opts(title_opts={'text':'主标题','subtext':'副标题'})
)
bar.render_notebook()
bar.render('asd.html')#渲染出名为asd的html文件

在这里插入图片描述

把柱状图导出为png格式

from snapshot_selenium import snapshot
bar = (
    Bar()
    .add_xaxis(['衬衣','毛衣','羊毛衫','鞋子','袜子'])
    .add_yaxis('商家',[5,12,34,24,54])
)
make_snapshot(snapshot,bar.render(),'niubi.png')

在这里插入图片描述

改变柱状图的背景颜色

#导入主题的包
from pyecharts.globals import ThemeType
bar = (
    Bar(
        init_opts=opts.InitOpts(theme=ThemeType.DARK)
        #这里把DARK换成LIGHT背景就是白的，黑色背景如下图所示
    )
    .add_xaxis(['衬衣','毛衣','羊毛衫','鞋子','袜子'])
    .add_yaxis('商家',[5,12,34,24,54])
)
bar.render_notebook()

在这里插入图片描述

可以加多组y坐标的值，会以不同的颜色显示

bar = (
    Bar()
    .add_xaxis(['衬衣','毛衣','羊毛衫','鞋子','袜子'])
    .add_yaxis('商家A',[5,12,34,24,54])
    .add_yaxis('商家B',[32,43,12,22,64])
    .add_yaxis('商家C',[23,65,23,12,65])
)
bar.render_notebook()

在这里插入图片描述

PyEcharts配置项

在这里插入图片描述
TitlePots:标题配置项
LegendOpts:图例配置项
ToolboxPots:工具箱配置项
VisualMapOpts:视觉映射配置项
TooltipOpts:提示框配置项
DataZoomOpts:区域缩放配置项

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

from pyecharts.faker import Faker
from pyecharts.globals import ThemeType, RenderType
Faker.choose()#随机生成统一属性的7个值
c = (
	Bar()
	.add_xaxis(Faker.choose())
	
	.add_yaxis('商家A',Faker.values())#随机生成7个数
	.add_yaxis('商家B',Faker.values())
)
c.render_notebook()

Faker.choose生成同一属性的7个值
Faker.values生成随机的7个数

初始化配置项Init

c = (
    Bar(
    #初始配置项一般写在图表的对象里(Bar()括号里)
    init_opts=opts.InitOpts(
            width='700px',
            height='400px',#图表的画布大小，px->css的长度单位
            renderer=RenderType.CANVAS, #CANVAS渲染风格，默认就是他，可选：canvas,svg
            page_title='网页标题',
            theme=ThemeType.WALDEN,
            bg_color='gold'#背景颜色
        )
    )
    .add_xaxis(Faker.choose())

    .add_yaxis('商家A',Faker.values())#随机生成7个数
    .add_yaxis('商家B',Faker.values())

全局配置项

.set_global_opts(
	#标题配置项
	title_opts=opts.TitleOpts(
		title='柱形图',#主标题名称
		title_link='https://www.baidu.com',#主标题跳转链接
		title_target='blank',#默认blank表示在新窗口打开，self当前窗口打开(点击主标题的链接时会覆盖当前的网页打开)
		subtitle='副标题',#副标题
		subtitle_link='https://www.baidu.com',#副标题点击后的跳转链接
		subtitle_target='blank',
		#标题的位置
		pos_left='40px' ,#从画布左部开始或20%整个画布的20%的位置处
		pos_top='0px',
		pos_right='',
		pos_bottom=''
		#边距，不用px
		padding=10,
		#主标题和副标题的间隙，不用px
		item_gap=20,
		),

区域缩放配置项

			
datazoom_opts=opts.DataZoomOpts(
	is_show()=True,#是否显示组件
	type_='slider'#或 组件类型 slider, inside(通过鼠标滚轮缩放)
	is_realtime=True,#拖动时是否实时更新图标
	range_start=20,#数据窗口的起始位置的百分比
	range_end=80#结束百分比
	orient='horizontal'#默认水平放 或 vertical 垂直放
	is_zoom_lock=True,#是否锁定所选区域，如果锁定拉进度条就不能缩放，而是平移，False既可以缩放也可以平移
		)
	)
)
c.render_notebook()

在这里插入图片描述

图例配置项

legend_opts=opts.LegendOpts(
#图例类型：plain普通图例， scroll可以滚动翻页的图例，用于图例较多的情况
type_='plain',
is_show=False,#不显示图例，True显示图例
pos_left='20%',#图例的位置 pos_left,pos_right,pos_top,pos_bottom
orient='',#horizontal或vertical水平或垂直
selected_mode='',#选择模式，有四个值：True:开启图例点击，False:关闭图例点击，single:单选(只显示一个图例)，multiple:多选(默认)
align='left',#图标和文字的位置
padding=10,#内边距
item_gap=5,#相邻两个图例的间距
item_width=30,#每一项图例的宽度
item_height=20,#每项图例的高度
inactive_color='',# 未被选中的图例的颜色，默认是灰色
legend_icon='',#图标的形状 circle,rect(长方形),roundRect(圆角矩形),triangle(三角形),arrow(箭头)，也可以加上自定义图标类型的路径
),

视觉映射的配置项

在这里插入图片描述
显示数量在区间内的元素

visualmap_opts=opts.VisualMapOpts(
	is_show=True,#显示后会出现一个区间条
	type_='color',#color 或 size
	min_=0,#区间的最小值
	max_=100,#区间的最大值
	range_opacity=0.8,#透明度,将图片和标签文字都变透明
	range_text=['max','min'],#两端的文本
	range_color=['blue','green','red'],
	orient='',#horizontal或vertical水平或垂直
	pos_right='5%',
	is_piecewise=True,#是否分段，也可以修改段数
	in_inverse=True,#是否翻转，最大值和最小值 位置相反
)

分段 后
在这里插入图片描述

提示框配置项

tooltip_opts=opts.TooltipOpts(
	is_show=True,#是否要有提示项
	#触发类型
	#item:数据项，一般用于散点图，柱形图，饼图
	#axis：坐标轴，提示线，主要用于条形图，折线图
	trigger='item',
	#触发提示条件
	#mousemove(鼠标移动时)click(点击时)mousemove/click(两个同时)
	trigger_on='click',
	is_show_content=True,#是否显示提示框内容
	#标签内容的格式
	#字符串中的模板变量：{a}:系列名 {b}:数据名 {c}:值
	formatter='{a}:{b}-{c} '#标签显示的格式
	background_color='black',#背景颜色
	border_with=1,#边框的宽度
	border_color='white',#边框的颜色
)

在这里插入图片描述

坐标轴的配置项

xaxis_opts=opts.AxisOpts(
	is_show=True,#是否显示x轴
	#坐标轴的类型:
	#value:数值轴，用于连续数据
	#category：类目轴，用于离散数据，比如星期一，星期二，等
	#time:时间轴，使用与连续的时间序列数据
	type_='category'
)，
yaxis_opts=opts.AxisOpts(
is_show=False,#是否显示y轴
	axisline_opts=opts.AxisLineOpts(is_show=False),#不显示y轴的线，但显示刻度和值
	axistick_opts=opts.AxisTickOpts(is_show=False),
#不显示刻度，但别的还在
)

系列配置项

from pyecharts.charts import Line
c = (
    Line(
    #初始配置项
    init_opts=opts.InitOpts(
            width='700px',
            height='400px',#图表的画布大小，css的长度单位
            renderer=RenderType.CANVAS, #CANVAS渲染风格，默认就是他，可选：canvas,svg
            page_title='网页标题',
            theme=ThemeType.WALDEN,
            bg_color=''#背景颜色
        )
    )
    .add_xaxis(Faker.choose())

    .add_yaxis('商家A',Faker.values())#随机生成7个数
    .add_yaxis('商家B',Faker.values())
    (以上那些配置项都应该在这个位置)
    #全局配置项
    .set_global_opts(
    	title_opts=opts.TitleOpts(title='折线图'),#标题
    	#提示线
    	tooltip_opts=opts.TooltipOpts(trigger='axis')
    )
    #系列配置项
    .set_series_opts(
    	#ItemStyleOpts图片样式配置项
		itemstyle_opts=opts.ItemStyleOpts(
			color='blue',#图片颜色风格，可以使用纯色或RGB: rgb(120,120,120)或透明度rgba(120,120,120,0.5),或括号里直接使用十六进制的颜色代码如#ccc
			#也可以单独设置透明度
			opacity=0.6,
			border_color='green',
			border_width=2,
		),
		#LineStyleOpts:线条样式配置项
		linestyle_opts=opts.LineStyleOpts(
			is_show=True,
			width=2,#线宽
			color='green',#线的颜色
			type_='solid',#solid实线,dashed虚线,dotted点线
		)，
		#LabelOpts标签配置项
		label_opts=opts.LabelOpts(
			is_show=True,
			postion='top'#标签出现在点的相对位置left,bottom,inside,insideLeft,insideTop...
			color='red',#字的颜色
			font_size=14,#字的大小
			font_familt='Arial',#字体
			font_style='normal',#是否斜体，italic
			font_weight='normal'#是否加粗，bold加粗
			#标签旋转，-90到90
			rotate=40,#正数逆时针旋转40度，负数(-40)顺时针旋转
		),
		#标记点的配置项
		markpoint_opts=opts.MarkPointOpts(
			data=[
				#type_:特殊的标记类型,min,max,average可以写其中一个
				#opts.MarkPointItem可以写多个
				opts.MarkPointItem(type_='max',symbol='pin',symbol_size=50#大小),
				opts.MarkPointItem(type_='min',symbol='pin'*标记的图形*,symbol_size=50#大小)
			]
		)，
		#标记线配置项
		markline_opts=opts.MarkLineOpts(
			data=[
				opts.MarkLineItem(type_='average')#其参数设置与标记点一样
			],
			label_opts=opts.LabelOpts(
				color='red'#标记线的颜色
			)
		)
	)
)
c.render_notebook()
    )

在这里插入图片描述

Faker

from pyecharts.faker import Faker
Faker.choose()#随机产生同属性的七个名词
Faker.values()#随机产生七个数
Faker.cars#随机产生七个车的牌子
Faker.country#随机产生七个国家
Faker.clock #时钟的列表

饼图

from pyecharts.charts import Pie
import pyecharts.options as opts
list(zip(Faker.choose(),Faker.values()))

在这里插入图片描述
列表套元组

[list(x) for x in zip(Faker.choose(),Faker.values())]

列表套列表
在这里插入图片描述

c=Pie()
c.add('',[list(x) for x in zip(Faker.choose(),Faker.values())])
c.render_notebook()

在这里插入图片描述

c=(
	Pie()
	.add('',[list(x) for x in zip(Faker.choose(),Faker.values())])
	.set_colors(['red','blue','green','orange','yellow','pink','black'])
	.set_global_opts(
		title_opts=opts.TitleOpts(title='设置颜色'),
		legend_opts=opts.LegendOpts(type_='scroll',pos_bottom="80%",orient='vertical')#
	)
	.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}'))#标签格式为b:c
)
c.render_notebook()

在这里插入图片描述

玫瑰图

v = Faker.choose()
c = (
	Pie()
	.add('',
	[list(i) for i in zip(v, Faker.values())],
	radius=['30%','75%'],#半径
	center=['25%','50%'],#中心点位置分别是x轴和y轴
	rosetype='radius',#还有area
	label_opts=opts.LabelOpts(is_show=True) #显示标签
	)
	.add('',
	[list(i) for i in zip(v, Faker.values())],
	radius=['20%','55%'],#半径
	center=['75%','50%'],#中心点位置分别是x轴和y轴
	rosetype='area',#还有area
	label_opts=opts.LabelOpts(is_show=False) #不显示标签
	)
    .set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图'))
)
c.render_notebook()

在这里插入图片描述

带动画的柱形图

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

c = (
    Bar(
		init_opts=opts.InitOpts(
		#动画配置
			animation_opts=opts.AnimationOpts(
				animation_delay=1000,#动画延时1秒
				animation_easing='elasticOut',#动画类型-easingOut弹性减速
			)
		)
	)
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A ',Faker.values()，category_gap=0)#同一系列间柱子的距离
    .add_yaxis('商家B ',Faker.values(),gap='0%')#与上一个系列柱子之间的间距
    .set_global_opts(title_opts=opts.TitleOpts(title='柱形图',subtitle='副标题'))
  
)
c.render_notebook()

堆叠柱状图

c = (
    Bar()
	.add_xaxis(Faker.choose())
    .add_yaxis('商家A ',Faker.values(),stack='abc')
    .add_yaxis('商家B ',Faker.values(),stack='abc')
	)
	.set_global_opts(
		title_opts=opts.TitleOpts(
			title='堆叠柱状图',
			subtitle='副标题'
		),
		***.reversal_axis()***#加这一行变成条形图
		xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),#x轴上的标签逆时针旋转45度
		#缩放
		datazoom_opts=[
			opts.DataZoomOpts(), #在x轴拖拉的方式缩放
			opts.DataZoomOpts(type_='inside')
		]
	)
)

stack后面的字符串如果一样，会产生堆叠效果
在这里插入图片描述

is_show=True可以换成 position=‘left’，更改数据便签是否出现和出现的位置

地图

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

时间轮播多图

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

x = Faker.choose()
tl=Timeline()#创建一个时间轮播图的对象
for i in range(2020,2025):
	bar=(
		Bar()
		.add_xaxis(x)
		.add_yaxis('A',Faker.values())
		.add_yaxis('B',Faker.values())
		
		.set_global_opts(
			title_opts=opts.TitleOpts(title='某商家{}年营业额'.format(i))
		)
	)
	tl.add(bar,'{}年'.format(i))#第一个参数是图形对象，第二个参数是自定义文字
tl.render_notebook()

在这里插入图片描述

轮播玫瑰图
from pyecharts import options as opts
from pyecharts.charts import Bar,Timeline,Pie
from pyecharts.faker import Faker

attr = Faker.choose()
tl=Timeline()#创建一个时间轮播图的对象
for i in range(2020,2025):
	pie=(
        Pie()
        .add(
        '',
        [list(z) for z in zip(attr,Faker.values())],
        rosetype='radius',
        radius=['30%','55%']
        )
        .set_global_opts(
        title_opts=opts.TitleOpts(title='某商家{}年营业额'.format(i))
		)
	)
	tl.add(pie,'{}年'.format(i))#第一个参数是图形对象，第二个参数是自定义文字
tl.render_notebook()

在这里插入图片描述

项目1

#导入包和数据
import pandas as pd
data = pd.read_excel('D:/桌面/机器学习文件/电商数据可视化(1)/某公司电商数据.xls',header=0, dtype = object)
data.head()

#查看省份的数据
data.省份.value_counts()

#查看订单时间不为空的
data.订单付款时间.notnull()

#过滤掉没有付款的订单数据(过滤为空的数据)
data[data.订单付款时间.notnull()]

#统计各个省份的订单量,
result = data[data.订单付款时间.notnull()].groupby('收货地址')[['订单编号']].count()

#将数据转变成字典结构
result2 = result.to_dict()['订单编号']

#将数据转变为二维数组的形式
[*result2.items()]# *将字典展开 .items()得到key和values结合的形式

#画地图展示
c = (
	Map()
	.add('各省份订单量',
		[*result2.items()],#数据左边会自动匹配地图各个省
		'china',#选择地图类型
		is_map_symbol_show=False#隐藏地图符号
	)
	.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
	.set_global_opts(
		title_opts=opts.TitleOpts(title='各省份订单量'),
		visualmap_opts=opts.VisualMapOpts(max_=2000)#订单量的最大值,默认是100
	)
)

时间序列分析

#要先把数据修改成时间类型，然后就可以把其当做日期对象来使用而不是字符串
data.订单创建时间 = pd.to_datatime(data.订单创建时间)

#每天订单量统计可视化
order_add_time = data.订单创建时间.map(lambda x: x.strftime('%Y-%m-%d'))#将时间中的年月日取出来（原数据还要时分秒）

#按照订单创建时间分组，得到每一天的订单量
result3=data.groupby(order_add_time).agg(['订单编号':‘count’]).to_dict()

#画图
c=(
	Line()
	.add_xaxis(list(result3.keys()))
	.add_yaxis('订单量',list(result.values())
	)
)
c.render_notebook()

在这里插入图片描述
在这里插入图片描述

睥睨意
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
pyecharts图形初始化与通用配置项 新版详解！
qq_43527959的博客
12-08 8156
def set_global_opts( self, title_opts: types.Title = opts.TitleOpts(), legend_opts: types.Legend = opts.LegendOpts(), tooltip_opts: types.Tooltip = None, toolbox_opts: types.Toolbox = None, brush_opts: types.
[pyecharts学习笔记]——全局配置项（TitleOpts标题配置项）
热门推荐
积一时之步，臻千里之遥程
04-19 1万+
TitleOpts标题配置项 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(th...
PyEcharts知识点详解（每张图都有！）(巨详细！！）
qq_52649952的博客
07-26 734
类目轴，适用于离散数据，例如星期一，星期二。：数据项，一般用于散点图，柱形图，饼图，坐标轴，提示线，主要用于条形图，折线图等。时间轴，适用于连续的时序数据。设置饼图的内圈半径和外圈半径。设置饼图的内圈半径和外圈半径。主标题和副标题之间的间隙。：数值轴，用于连续数据，拖动时是否实时更新图表。设置饼图在容器中的位置。设置饼图在容器中的位置。，可以滚动翻页的图例。图标和文字的对齐方式。排斥力，越大分的越开。排斥力，越大分的越开。
pyecharts设置全局配置项，通过set_global_opts进行设置
weixin_50626279的博客
02-04 3210
下面以折线图为例，使用set_global_opts设置全局配置。
pyechart轴数据赋值出错 TypeError: add_yaxis() got an unexpected keyword argument yaxis_data
木下瞳的博客
11-17 695
复制官网代码报的错 参考：https://blog.csdn.net/chenbaixing/article/details/106866821
pyecharts可视化大屏，可拖拽布局！
04-17
Pyecharts是一个基于JavaScript的Python图表库，它为Python开发者提供了丰富的数据可视化功能。这个资源包，"Pyecharts可视化大屏，可拖拽布局！"，旨在帮助用户利用Pyecharts创建交互式的数据可视化大屏，并且支持...
pyecharts-assets:pyecharts中的所有资产
05-10
pyecharts-assets pyecharts-assets 提供了 的静态资源文件。 可通过 localhost-server 或者 notebook-server 启动本地服务。首先将项目下载到本地 # 通过 git clone $ git clone ...
Pyecharts50个例子
11-30
《Pyecharts50个实例解析：开启数据可视化的奇妙之旅》 Pyecharts，作为Python中的一个Echarts图表库，是数据可视化领域的一把利器。它为Python开发者提供了丰富的Echarts图形接口，使得在Python环境中创建交互式、...
pyecharts动态轨迹图的实现示例
12-20
【PyEcharts动态轨迹图的实现】 PyEcharts是一个基于JavaScript的Python数据可视化库，它提供了丰富的图表类型，包括地图、折线图、柱状图等。在本示例中，我们将关注如何使用PyEcharts创建动态地理轨迹图。动态...
pyecharts-assets-master.rar
10-17
《Pyecharts资产库详解与应用》 Pyecharts是一个强大的Python库，专门用于生成具有交互性的、美观的JavaScript图表。这个"pyecharts-assets-master.rar"文件是Pyecharts的一个数据引用包，包含了用于在Jupyter环境...
【pyecharts】.add_yaxis添加纵坐标的值可视化后数据不显示
DedicationTechnology
08-04 1万+
问题代码【发现横坐标可以正确显示但纵坐标一直不显示】 from pyecharts.charts import Bar import pandas as pd import os path = "./tmp_overseas" files = os.listdir(path) usa_date = [] usa_new = [] for i in files: usa_data = pd.read_csv("./tmp_overseas/{}".format(i), index_col=0)
Pyecharts全局配置项03---DataZoomOpts
此心安处是吾乡
11-26 1万+
Intro   DataZoomOpts可以提供区域缩放的功能，当数据很多，我们想看某些局部数据信息时，可以通过区域缩放查看更细节的数据。版本信息如下： python 3.7.0 pyecharts 1.6.2 import pyecharts print("pyecharts版本: "+pyecharts.__version__) import sys print("python版本: "+sys.version) pyecharts版本: 1.6.2 python版本: 3.7.0 (defaul
Pyecharts全局配置项01---TitleOpts
此心安处是吾乡
11-26 6586
Intro   Pycharts分为 v0.5.X 和 v1 两个大版本，v0.5.X 和 v1 间不兼容，v1 是一个全新的版本。用法和v0.5差异较大，由此做些学习笔记。本文介绍标题相关的参数设置。 参数设置 class TitleOpts( # 主标题文本，支持使用 \n 换行。 title: Optional[str] = None, # 主标题跳转 URL 链接 title_link: Optional[str] = None, # 主标题跳转链接方式
echarts 动态设置标题_大赞Pyecharts，教你做动态可视化！
weixin_36176546的博客
02-06 1232
原标题：大赞Pyecharts，教你做动态可视化！前言基本使用链式调用单独调用全局配置系列配置基本图表饼图折线图漏斗图热力图日历图地理图地理热点图3D散点图其他特性xy轴翻转组合图表主题设置时间轴可视化分享航线图????气泡效果散点图前言pyecharts 是一个用于生成 Echarts 图表的Python库。Echarts是百度开源的一个数据可视化 JS 库，可以生成一些非常酷炫的图表。 AQI指数P...
【Python可视化图表开发pyecharts】第3课时-pyecharts全局配置项
最新发布
xzs51job的专栏
08-23 820
【代码】【Python可视化图表开发pyecharts】第3课时-pyecharts全局配置项。
用python在jupyter上使用pyecharts库绘制条形图【一】
Xianglx的博客
07-23 4196
因此，x_value的维度和y_value里面元素的维度一致，y的维度和y_value的维度一致，x为单个字符串。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。2、形象、直观，体现每组中的具体数据更突出的比较数据之间的差别。x代表横纵名称，y为一个列表，里面元素分别为各个系列的名称。1、能够使人们一眼看出各个数据的大小。x_value的取值为字符串列表，代表x轴上的坐标。x_value字符串（列表）y_value数值（列表）...
pyecharts 入门之条形图（一）
m0_60495479的博客
01-15 887
pyecharts 关于条形图的绘制
pyecharts ipynb
06-07
PyEcharts是一个用于Python的数据可视化库，它提供了方便的方式来创建交互式的图表和仪表板，尤其适合在Jupyter Notebook（IPython Notebook）环境中使用。它是基于ECharts（一个强大的JavaScript图表库）构建的，能够生成高质量的图表，并支持实时数据更新、数据绑定和动态交互。 在Jupyter Notebook中使用PyEcharts，你可以： 1. **导入库**：首先需要安装pyecharts和相关的依赖库，如pandas或json，可以通过pip进行安装。 ```python !pip install pyecharts pandas (或者其他必要的库) ``` 2. **加载数据**：如果你的数据存储在DataFrame或其他数据结构中，可以轻松加载到图表中。 ```python import pandas as pd data = pd.read_csv('data.csv') # 假设数据文件是CSV格式 ``` 3. **创建图表**：使用PyEcharts提供的各种图表类型，如Bar、Line、Pie等，创建可视化。 ```python from pyecharts import Bar bar = Bar('销售额') bar.add_xaxis(data['产品']) bar.add_yaxis('销售额', data['sales']) ``` 4. **显示图表**：在Notebook中，PyEcharts会返回一个HTML字符串，可以直接输出。 ```python bar.render_notebook() # 或者使用to_html()方法保存为静态HTML文件 ``` 5. **交互式功能**：PyEcharts支持一些交互选项，比如悬停提示、点击事件等，可以增强用户体验。
评论 1
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