python之利用pyecharts可视化(各种图表的绘制)

pyecharts可视化

pyecharts是基于Echart图表的一个类库,而Echart是百度开源的一个可视化JavaScript库。

简介:
pyecharts主要基于web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图、地图、极坐标图等,代码量很少,而且很灵活,绘制出来的图形很美观。

使用pyecharts时,需要安装相应的库,安装命令为:
pip install pyecharts

图形绘制过程,基本上所有的图表类型都是这样绘制的:

chart_name = Type()      #初始化具体类型图表
chart_name .add()         #添加数据及配置项
chart_name .render() 
#生成本地文件(html/svg/jpeg/png/pdf/gif)
chart_name .render_notebook  #在jupyter notebook中显示

常用图表绘制

柱状图

利用Bar方法可以绘制柱状图在这里插入图片描述

from pyecharts.charts import Bar
from pyecharts import options as opts
%matplotlib inline
# V1 版本开始支持链式调用
bar = ( Bar()
       .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
       .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
       .set_global_opts(title_opts = opts.TitleOpts(title = "某商场销售情况")) )
bar.render_notebook()
#bar.render() 生成html

在这里插入图片描述
V1版本开始支持链式调用,如果不习惯链式调用的开发者依旧可以单独调用方法,上面代码为:
使用多个add_yaxis可以绘制并列柱状图。

bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.set_global_opts(title_opts = opts.TitleOpts(title = "某商场销售情况"))
bar.render_notebook()
from pyecharts.charts import Bar
from pyecharts import options as opts
%matplotlib inline
bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
bar.set_global_opts(title_opts = opts.TitleOpts(title = "货品销售情况",subtitle  =  "A和B公司"))
  • 12
    点赞
  • 89
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
Python有很多可视化图表绘制的库,以下是其中一些常用的库及其用法: 1. Matplotlib:Matplotlib是Python中最流行的可视化库之一。它支持多种图表类型,如折线图、散点图、直方图、条形图等。以下是一个简单的折线图绘制示例: ``` import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [10, 8, 6, 4, 2] plt.plot(x, y) plt.show() ``` 2. Seaborn:Seaborn是一个基于Matplotlib的高级可视化库,它提供了更多的图表类型和更好的默认样式。以下是一个简单的散点图绘制示例: ``` import seaborn as sns tips = sns.load_dataset("tips") sns.scatterplot(x="total_bill", y="tip", data=tips) ``` 3. Plotly:Plotly是一个交互式可视化库,它可以生成漂亮的图表并支持多种输出格式。以下是一个简单的散点图绘制示例: ``` import plotly.express as px tips = px.data.tips() fig = px.scatter(tips, x="total_bill", y="tip", color="sex") fig.show() ``` 4. Bokeh:Bokeh是一个交互式可视化库,它可以生成漂亮的图表并支持多种输出格式。以下是一个简单的散点图绘制示例: ``` from bokeh.plotting import figure, output_file, show x = [1, 2, 3, 4, 5] y = [10, 8, 6, 4, 2] output_file("scatter.html") p = figure() p.circle(x, y, size=10) show(p) ``` 5. Altair:Altair是一个基于Vega-Lite的声明式可视化库,它可以生成漂亮的图表并支持多种输出格式。以下是一个简单的散点图绘制示例: ``` import altair as alt from vega_datasets import data iris = data.iris() alt.Chart(iris).mark_circle().encode( x='petalLength', y='petalWidth', color='species' ) ```

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

黎明之道

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
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