pyechast绘制多图案例，并介绍相关图表的使用

已于 2022-06-16 21:11:46 修改
阅读量3.3k 收藏 13
点赞数 4
分类专栏： python 文章标签： python
于 2022-03-26 17:40:29 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_60483918/article/details/123759809
版权

话不多说，上代码 

下面重点介绍python中pyechast模块的使用 以及和pandas的交互使用

📣 概况

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，可轻松搭配出精美的图表
  • 详细的文档和示例，帮助开发者更快的上手项目
  • 多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

如何安装

pip 安装

$ pip(3) install pyecharts

源码安装

$ git clone https://github.com/pyecharts/pyecharts.git
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install
# 或者执行 python install.py

 

 

#调用相关模块
from pyecharts import options as opts       
from pyecharts.charts import Bar, Page, Pie,Line
from pyecharts.components import Table
from pyecharts.globals import ThemeType
import pandas as pd
#封装一个sort_order来提取需要的数据
class sort_order():
    colors = ["#5793f3", "#d14a61", "#675bba","pink"] 
    Time = []                
    per_sum = []                        #每天五大类时长       嵌套列表  
    sum_list = []                       #过渡列表             
    part_sums = []                      #每天各项活动时长求和     嵌套列表 
    sum_activity = None                       #各项操作总时长
    def __init__(self):
        '''
        重写初始化方法,封装成员方法
        '''
        self.data = pd.read_excel(r"D:\myLife\myLife(2).xlsx",sheet_name=1)
        self.values = self.data.groupby("日期")
        self.df0 = self.values.groups.keys()
        self.operation = self.data["操作"].unique()
        value = self.data.groupby("操作")
        self.operation_name = list(value.groups.keys())
        self.every_time()
        self.every_sum()
        self.per_sort_sum(self.data)
        self.get_group_values()
        self.sum_all()
    def every_sum(self):
        '''
        获取每天五大类时长
        '''
        for j in self.df0:
            i = self.values.get_group(j)
            val = self.per_sort_sum(i)
            self.per_sum.append(val)
    def every_time(self):
        '''
        获取时间戳
        '''
        for i in list(self.df0):
            self.Time.append(i.strftime("%Y年-%m月-%d日"))
    def sort_sum(self,i):
        '''
        对传入的i进行求和,并转成列表
        '''
        dts = i["时长"].sum()
        return dts.tolist()
    def per_sort_sum(self,i):
        '''
        根据相关操作名称进行分组，并求和
        '''
        if len(i) > 100:
            i = self.data
        a = i.query("操作=='阅读'|操作=='上课'|操作=='写作'|操作=='备课'|操作=='实验'|操作=='思考'|操作=='编程'|操作=='记录'")
        b = i.query("操作=='拍摄'|操作=='玩手机'|操作=='欣赏'|操作=='购物'")
        A = i.query("操作=='睡眠'|操作=='午睡'|操作=='休养'|操作=='吃早餐'|操作=='吃午餐'|操作=='吃晚餐'|操作=='喝水'")
        B = i.query("操作=='打球'|操作=='步行'")
        C = i.query("操作=='讨论'|操作=='开会'|操作=='网聊'")
        list1 = [a,b,A,B,C]
        self.list2 = []
        for i in list1:
            self.list2.append(self.sort_sum(i))
        return self.list2
    def get_group_values(self):
        '''
        获取每天各项活动时长
        '''
        self.part_sums = []
        for j in list(self.df0):
            dt = self.values.get_group(j)
            dts = dt.groupby('操作').sum()
            self.part_sums.append(list(dts['时长']))    
    def sum_all(self):
        '''
        统计所有操作的总时长
        '''
        val = self.data.groupby('操作').sum()
        self.sum_activity = list(val["时长"])
dt = sort_order()
attr = ["学习", "娱乐", "休息", "运动", "交流"]
# 将每个图 封装到 函数
# 1.柱形图
def bar_datazoom_slider() -> Bar:
    c = (Bar()
        .add_xaxis(dt.operation_name)                                                       #x轴的值
        .add_yaxis(series_name="时长总和(min)",y_axis=dt.sum_activity,color=dt.colors[1])  #柱形1的标签，y轴的值，颜色
        .set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True,    #工具箱配置项
	             pos_top="top",                                      
	             pos_left="right",                                      #设置工具箱配置项的位置
	             feature={"saveAsImage": {} ,                           #保存图片工具
	                "magicType":{"show": True, "type":["line","bar"]},  #转换成折线图和柱形图工具
	                "dataView": {} }),                                  #数据视图工具                                      
        xaxis_opts=opts.AxisOpts(name="活动",                           #x轴的标签设置
        axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=dt.colors[1]))),       #坐标轴刻度线配置项
        yaxis_opts=opts.AxisOpts(name="小时",                           #y轴的标签设置
                axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=dt.colors[2])),#坐标轴刻度线配置项
                axislabel_opts=opts.LabelOpts(formatter="{value}")),                     #当前列的数据进行格式化操作 value：表示当前单元格中的值  
                tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),#轴触发触碰到图形显示全部数据 类型为十字准星
                title_opts=opts.TitleOpts(title="学生各项活动时长分析"),                  #设置标题
                datazoom_opts=[opts.DataZoomOpts()]                                      #设置滑动轴
        ))
    return c
# # 2.带标记点的折线图
def line_markpoint() -> Line:
    c = (
        Line()
        .add_xaxis(attr)
        .add_yaxis("总时长(min)",dt.list2,color=dt.colors[2])         
        .set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True,  #工具箱配置项
	             pos_top="top",         
	             pos_left="right",                                    #设置工具箱配置项的位置
	             feature={"saveAsImage": {} ,                         #保存图片工具
	                "magicType":{"show": True, "type":["line","bar"]},#转换成折线图和柱形图工具
	                "dataView": {} }),                                #数据视图工具                          
                xaxis_opts=opts.AxisOpts(name="活动",                 #x轴的标签设置
                axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=dt.colors[0]))), #坐标轴刻度线配置项
                yaxis_opts=opts.AxisOpts(name="小时",                 #y轴的标签设置
                axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=dt.colors[3])),  #坐标轴刻度线配置项
                axislabel_opts=opts.LabelOpts(formatter="{value}")),  #当前列的数据进行格式化操作 value：表示当前单元格中的值
                tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
                title_opts=opts.TitleOpts(title="学生活动时长分析"),
                datazoom_opts=[opts.DataZoomOpts()]
    ))
    return c
# 3.饼图
def pie1_rosetype() -> Pie:
    c = (
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,width='1000px',height='600px'))     #主题风格
    .add("",   [list(z) for z in zip(attr,dt.sum_activity)] )
    .set_global_opts(title_opts=opts.TitleOpts(title="学生活动时长占比",pos_top="top",pos_left="left"),
                    legend_opts=opts.LegendOpts(pos_left="right", orient="vertical"))       # 设置标题   
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{d}%')))    # 显示百分比
    return c
# #zip函数同时获取两组值，并按照对应的位置组合形成元组，存放到列表里
# #zip 每个元素是 x/df1 两个列表中同位置元素的 tuple，比如('上课',上课对应的时长)
# # list(z) 本质是 list(('上课', 上课对应的时长))，结果是[('上课',上课对应的时长)]
# 4.嵌套饼图
inner_data_pair = [z for z in zip(attr,dt.list2 )]
outer_data_pair = [z for z in zip(attr, dt.sum_activity)]
def pie2_rosetype() -> Pie:
    c =(
        Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,width='1400px',height='800px'))
    .add(
        series_name="总时长(min)",
        data_pair=inner_data_pair,
        radius=[0, "30%"],
        label_opts=opts.LabelOpts(position="inner"),
    )
    .add(
        series_name="总时长(min)",
        radius=["40%", "55%"],
        data_pair=outer_data_pair,
        label_opts=opts.LabelOpts(
            position="outside",
            formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",
            background_color="#eee",
            border_color="#aaa",
            border_width=1,
            border_radius=4,
            rich={
                "a": {"color": "#999", "lineHeight": 22, "align": "center"},
                "abg": {
                    "backgroundColor": "#e3e3e3",
                    "width": "100%",
                    "align": "right",
                    "height": 22,
                    "borderRadius": [4, 4, 0, 0],
                },
                "hr": {
                    "borderColor": "#aaa",
                    "width": "100%",
                    "borderWidth": 0.5,
                    "height": 0,
                },
                "b": {"fontSize": 16, "lineHeight": 33},
                "per": {
                    "color": "#eee",
                    "backgroundColor": "#334455",
                    "padding": [2, 4],
                    "borderRadius": 2,
                },
            },
        ),
    )
    .set_global_opts(legend_opts=opts.LegendOpts(pos_left="right", orient="vertical"))
    .set_series_opts(
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
        )
    ))
    return c
# #6.表格
def table_base() -> Table:
    table = Table()
    headers =["Activity summary"]
    rows = [
          ["The sum of the dates"],
          [len(dt.df0)],
          ["Analysis 学习 娱乐 休息 运动 交流 Total duration (小时)"],
          [dt.list2],
          ["上课 步行 吃晚餐 吃午餐 吃早餐 喝水 记录 排泄 睡眠 思考 洗漱 写作 网聊 拍摄 玩手机 阅读 午睡 沏茶做饭 编程 分发 讨论 备课 欣赏 开会 休养 驾车 购物 实验 打球 充值 (小时)"],
          [dt.sum_activity]
           ]
    table.add(headers,rows).set_global_opts(
        title_opts=opts.ComponentTitleOpts(title="学生活动时长数据视图"))
    return table
# #7.page()运行多图
def page_simple_layout():
    page = Page(layout=Page.SimplePageLayout)
    page.add(                       
        bar_datazoom_slider(),
        pie1_rosetype(),
        line_markpoint(),
        pie2_rosetype(),
        table_base())
    page.render("人生导航数据分析.html")
#放到主函数执行   
#作用：当模块被直接运行时，以下代码块将被运行.当模块是被导入时(从另一个py文件调用模块时)，以下代码块不被运行。
if __name__ == "__main__":
    page_simple_layout()
    print('完成')

 这个是文件链接【金山文档】 myLife(2)1，需要的小伙伴可打开下载

想要了解更详细的操作或者是想要绘制其他的图表，请点击下方链接

pyechast的GitHub官方文档

十一月的肖邦689
关注
  • 4
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
基于pyecharts巧妙运用各图表，利用“并行多图”进行排布
2301_77210166的博客
12-14 630
【代码】基于pyecharts巧妙运用各图表，利用“并行多图”进行排布。
Flask使用Pyecharts在单个页面展示多个图表的方法
01-20
在Flask页面展示echarts，主要有两种方法： 方法1、原生echarts方法 自己在前端引入echarts.js文件、自己创建div、自己初始化echarts对象、自己从官网复制并且配置图表、自己给echarts对象设置配置项实现绘制，这种方法的缺点是配置项都是js的形式比较繁琐，对于后端开发人员来说有点过于参与前端js部分的配置开发； 这种方式参照echarts官网的方式，其实跟flask没有多大关系，php/java不同后端语言都一样，地址 方法2：使用pyecharts pyecharts主要是做了一件事情，把js的配置option，完全抽离使用Python代码配置，把js的数据
Python pyecharts Bar图(1)
最新发布
2401_83817689的博客
04-12 413
家的负担。**[外链图片转存中…(img-780Az7Xs-1712892518619)][外链图片转存中…(img-nVfQbd2o-1712892518619)][外链图片转存中…(img-kalXCTt1-1712892518619)][外链图片转存中…(img-FEoQ4LRQ-1712892518620)]
python数据分析及可视化（十三）pyecharts可视化（简介、特性、全局配置项、图形的绘制、多图布局）
hwwaizs的博客
11-04 6080
pyecharts可视化的简介、特性、全局配置项、图形的绘制、多图布局，需要多参考官方文档进行学习和修改
Pyecharts绘制上下组合图、左右组合图、一轴多图，超经典！
华章IT官方博客
10-06 8514
1. 上下组合frompyecharts.chartsimportBar,Line,Grid frompyechartsimportoptions #1、准备数据 co...
利用pyecharts绘制图表并排布
2301_76977807的博客
12-21 678
是基于的一个类库，而Echart是百度开源的一个可视化JavaScript库。
使用pyecharts实现并行多图
2301_80020065的博客
12-14 905
请基于pyecharts，用柱形图和折线图在同一个坐标系展示表1数据，得到图1。将上述图1到图4，利用“并行多图”的方式排布，得到图5。请基于pyecharts，用堆积柱形图展示表3数据，得到图3。请基于pyecharts，用雷达图展示表4数据，得到图4。请基于pyecharts，用环图展示表2数据，得到图2。
使用python绘制常用的图表
09-21
在本文中，我们将探讨如何利用Python来绘制常见的图表，如折线图、柱状图和条形图，这些图表通常用于展示和解释数据。我们将使用pandas库来处理Excel数据，matplotlib库来绘制图形。 首先，我们需要导入必要的库。...
使用EXCEL绘制安全监测工程图表的技巧.pdf
11-17
使用EXCEL绘制安全监测工程图表的技巧.pdf
extjs4图表绘制之折线图实现方法分析
10-15
本文将深入探讨EXTJS4中绘制折线图的实现过程，包括从后端获取数据、设置图表配置以及响应用户交互。 首先，EXTJS4提供了丰富的图表组件，使得开发者能够方便地构建各种类型的图表，如折线图、柱状图、饼图等。在...
extjs图表绘制之条形图实现方法分析
10-15
在EXTJS中，绘制图表是实现数据可视化的重要方式，尤其对于条形图，它能直观地展示分类数据的比较情况。本篇文章将深入探讨EXTJS如何实现条形图的绘制，包括从后端请求数据、展示每月人数以及自定义条形颜色等关键...
Android使用HelloCharts绘制多曲线图
07-07
在本文中，我们将深入探讨如何在Android项目中使用HelloCharts库来绘制多曲线图。首先，你需要将HelloCharts库添加到你的项目依赖中。通常，你可以通过在`build.gradle`文件中添加以下依赖来实现： ```groovy ...
python——pyecharts组合图形
qq_65047269的博客
06-13 1120
本文是通过对牛奶面包销售量的日期数据处理，然后算当前元素与前一个元素的增长率，最终得到数据增长率的折现、柱形图。提示：以下是本篇文章正文内容，下面案例可供参考以上就是今天要讲的内容，本文仅仅简单介绍了用Pyecharts实现方法组合图形的方法，由此得知yecharts提供了大量有的图表还有高度灵活的配置项。
python读取多张图片_python pyecharts 实现一个文件绘制多张图
weixin_39643244的博客
11-24 197
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", "...
pyecharts 进阶之顺序多图（九）
m0_60495479的博客
01-19 811
pyecharts 关于顺序多图的绘制
pyecharts源码解读（17）HTML组件包components之表格组件Table
mighty13的专栏
06-22 3万+
当前pyecharts的版本为1.9.0。 components包概述 components包位于pyecharts包顶级目录中，用于定义pyecharts的HTML组件。包结构如下： ├─components # HTML组件包 │ │ image.py # 定义图像组件类Image │ │ table.py # 定义表格组件类Table │ │ __init__.py # 重构命名空间，将组件类命名空间提升至components包命名空间 Table类 pyecharts/componen
web实战基础（pycharts篇）：pycharts基础知识（组合图形）
dhjabc_1的专栏
04-23 1521
这是一篇非常非常基础的入门教程，但是也能让你深入了解pycharts的实现机制和带着你深入了解细节的设计，因此非常建议你能看完，相信一定会有所收获！ 这一篇讲深入介绍组合图形的基础知识。 有四种类型，分别是： Grid：并行多图 Page：顺序多图 Tab：选项卡多图 Timeline：时间线轮播多图 文章目录一、Grid：并行多图（一）基本函数（二）上下布局（三）左右布局二、Page：顺序多...
Python数据可视化 Pyecharts 制作 Tab 选项卡多图控制
热门推荐
Mr数据杨
06-15 4万+
大家好，我是Mr数据杨。想象一下，Tab就像三国的战场，各个州郡是不同的选项卡，其中隐藏着无尽的可能。就像那些被划分为蜀、魏、吴的三个国家，每个国家都有自己的特色，自己的英雄和战略。基本设置就像是郭嘉、诸葛亮、周瑜这些军师们制定的战略。每个军师都有自己的智谋和策略，就像Python中各种设置让程序更加完善，从而实现各种功能。而Demo，就好比是三国里的那些决定胜负的关键战役。那些战役，就如同程序中的示例，直观地展现出策略是否有效，程序是否运行成功。
用Excel作统计分析图形案例讲解.pdf
07-13
"《用Excel作统计分析图形案例讲解》是一份详细的教程，介绍了如何利用Microsoft Excel的强大统计分析功能来进行数据分析和可视化。这份文档以实际案例的形式展示了如何使用Excel来制作直方图，这是一种常用的数据...

“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 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

打赏作者

十一月的肖邦689

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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