python——pyecharts组合图形

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

目录

文章目录

前言

一、pyecharts是什么？

二、使用步骤

1.下载

2.导入库

三、读取数据

3.1转换成列表并打印

3.2将名为“牛奶”的数据列转换为列表，并将其打印出来。

3.3同理打印面包的列表

四、构造data1增长率数据

4.1同理构建data2的增长率数据增长率数据

五、画图

总结

---

前言

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

一、pyecharts是什么？

ECharts是一款基于JavaScript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。ECharts最初由百度团队开源，并于2018年初捐赠给Apache基金会，成为ASF孵化级项目。

二、使用步骤

1.下载

代码如下（示例）：

pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple

2.导入库

代码如下（示例）：

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

三、读取数据

读取一个名为“折线图作业数据-商品销量(2).xlsx”的Excel文件，并将其存储在一个名为“data”的变量中。这个变量可以被用来进行数据分析和可视化。

结果如下：

data = pd.read_excel(r'./折线图作业数据-商品销量(2).xlsx')
data

3.1转换成列表并打印

使用了 pandas 库中的 agg 函数，对日期列进行聚合操作，lambda 函数中的 str(x)[5:10] 表示将日期转换成字符串后，取其中的第 5 到第 10 个字符，即月份和日期。最后将结果转换成列表并打印出来。

结果如下：

x=data['日期'].agg(lambda x:str(x) [5:10]).tolist()
print(x)

3.2将名为“牛奶”的数据列转换为列表，并将其打印出来。

data1=data["牛奶"].tolist()
print(data1)

3.3同理打印面包的列表

结果如下：

data2=data["面包"].tolist()
print(data2)

四、构造data1增长率数据

首先创建了一个空列表rate_of_rise1，然后通过for循环遍历data1中的每个元素。如果是第一个元素，增长率为0，否则计算当前元素与前一个元素的增长率，并将结果保留小数点后3位后添加到rate_of_rise1列表中。最后返回rate_of_rise1列表。

结果如下：

rate_of_rise1 = []
for i in range(len(data1)):
    if i==0:
        rate_of_rise1.append(0)
    else:
        rate = data1[i]/data1[i-1]-1 # 计算增长率
        rate_of_rise1.append((round(rate,3))) # 保留小数点后3位，添加到列表中
rate_of_rise1

---

4.1同理构建data2的增长率数据增长率数据

定义了一个空列表rate_of_rise2，然后通过循环遍历data2中的每个元素，计算出当前元素与前一个元素的增长率，并将其保留小数点后3位后添加到rate_of_rise2列表中。如果是第一个元素，则增长率为0。最后返回rate_of_rise2列表。

结果如下：

rate_of_rise2 = []
for i in range(len(data2)):
    if i==0:
        rate_of_rise2.append(0)
    else:
        rate = data2[i]/data2[i-1]-1 # 计算增长率
        rate_of_rise2.append((round(rate,3))) # 保留小数点后3位，添加到列表中
rate_of_rise2

五、画图

使用了pyecharts库中的Bar()和Line()方法，分别用于生成柱形图和折线图。同时，还使用了一些配置项，如设置坐标轴名称、最大值、颜色等。最后，调用render_notebook()方法将图表渲染到notebook中。

如图所示：

bar = (
    Bar()
    .add_xaxis(x)
    .add_yaxis("牛奶", data1)
    .add_yaxis("面包", data2)
    #.set_colors([ "#82CAFF", "#F62817"])  # 另一种颜色设置方法
    .extend_axis( # 添加副坐标轴
        yaxis=opts.AxisOpts(name='增长率',min_=-3) # 配置副坐标轴
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="数据增长率柱形、折线复合图"),
        yaxis_opts=opts.AxisOpts( # 配置主坐标轴
                        name='数值',
                        max_=250
        ),
    )
)

line = (
    Line()
    .add_xaxis(x)
    .add_yaxis("牛奶增长率", 
               rate_of_rise1, 
               is_smooth = True,
               yaxis_index=1,
               linestyle_opts = opts.LineStyleOpts(color='red',
                                                  width=3,
                                                  type_ = 'dashed'
                                                  ),
    )
    .add_yaxis("面包增长率", 
               rate_of_rise2, 
               is_smooth = True,
               yaxis_index=1,
               linestyle_opts = opts.LineStyleOpts(color='skyblue',
                                                  width=3,
                                                  type_ = 'solid'
                                                  ),
    )
    .set_series_opts(
        markline_opts=opts.MarkLineOpts(   # 标记副y轴0刻度线，突出增长率的正负属性
            data=[
                {"yAxis": 0},
            ],
            label_opts=opts.LabelOpts(is_show=True),
            linestyle_opts = opts.LineStyleOpts(color='green',
                                                  width=3,
                                                  type_ = 'dotted',
                                                ),
        )
    )
)
bar.overlap(line) # 调用overlap组件（方法）实现层叠
bar.render_notebook()

总结

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。