python 仪表盘-python数据可视化：pyecharts

发现了一个做数据可视化非常好的库：pyecharts。

非常便捷好用，大力推荐！！

官方介绍：pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。

展示几个教程中有的例子。

柱状图/折线图

基本的柱状图&折线图

from pyecharts import Bar

bar = Bar("我的第一个图表", "这里是副标题")

bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90],is_more_utils=True)

bar

基本柱状图和折线图.gif

堆叠柱状图

from pyecharts import Bar

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [5, 20, 36, 10, 75, 90]

v2 = [10, 25, 8, 60, 20, 80]

bar = Bar("柱状图数据堆叠示例")

bar.add("商家A", attr, v1, is_stack=True)

bar.add("商家B", attr, v2, is_stack=True)

bar

堆叠柱状图.gif

还可以给柱状图加标记

带标记的柱状图.gif

散点图

from pyecharts import EffectScatter

v1 = [10, 20, 30, 40, 50, 60]

v2 = [25, 20, 15, 10, 60, 33]

es = EffectScatter("带有涟漪特效动画的动态散点图示例")

es.add("effectScatter", v1, v2)

es

带有涟漪特效的散点图.gif

动态散点图形.gif

漏斗图

from pyecharts import Funnel

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

value = [20, 40, 60, 80, 100, 120]

funnel = Funnel("漏斗图示例")

funnel.add("商品", attr, value, is_label_show=True, label_pos="inside", label_text_color="#fff")

funnel

漏斗图.gif

饼图

from pyecharts import Pie

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [11, 12, 13, 10, 10, 10]

pie = Pie("饼图示例")

pie.add("", attr, v1, is_label_show=True)

pie

饼图.gif

from pyecharts import Pie

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [11, 12, 13, 10, 10, 10]

pie = Pie("饼图-圆环图示例", title_pos="center")

pie.add("", attr, v1, radius=[40, 75], label_text_color=None,

is_label_show=True, legend_orient="vertical",

legend_pos="left")

pie

圆环图.gif

仪表盘

from pyecharts import Gauge

gauge = Gauge("仪表盘示例")

gauge.add("业务指标", "完成率", 66.66)

gauge.show_config()

gauge.render()

仪表盘.png

地理坐标系

地理坐标系组件用于地图的绘制，支持在地理坐标系上绘制散点图，线集。

地理坐标系1.gif

地理坐标系2.gif

地理坐标系3.gif

上面这些只是我觉得其中常用的一小部分。除了这些，还包含3D图、关系图、热力图、K线图、水球图、树图等等。效果都是非常炫酷，好看得不行！

我尤其喜欢这个水球图。

水球图.gif

但感觉用到的机会应该不多。。。

总之，非常推荐这个python数据可视化工具！！强大好用，效果炫酷，也支持numpy和pandas，非常便捷。

原文地址：https://www.cnblogs.com/kaibindirver/p/11657396.html