pyecharts x轴字体大小调整_pyecharts基本图形的实现

“  

阅读本文大概需要 7 分钟。

  ” 好久没更了，主要也是不知道要更新些什么，还是欢迎各位小伙伴给我找难题的，有什么爬不动的网站可以直接私信发我(发送‘微信’即可添加我)。言归正传，今天更一篇用pyecharts的基础图形篇，折线图、柱状图、散点图、饼状图。

链接

本篇采用Pyecharts 0.5.x版进行讲解

https://pyecharts.readthedocs.io/projects/pyecharts-en/zh/latest/#welcome-to-read-the-docs

环境：

pyecharts 0.5.11

下载命令：pip install pyecharts==0.5.11

折线图：

数据：

时间：['2019-03-01星期五', '2019-03-02星期六', '2019-03-03星期日', '2019-03-04星期一', '2019-03-05星期二', '2019-03-06星期三', '2019-03-07星期四', '2019-03-08星期五', '2019-03-09星期六', '2019-03-10星期日', '2019-03-11星期一', '2019-03-12星期二']温度：[23, 25, 21, 23, 24, 19, 16, 15, 18, 17, 22, 24]

def line_(x, y, title='折线图'):    line = Line('折线图',                width=800,                height=350,)    line.add(title, x, y)    line.render('{}.html'.format(title))line_(x, y, '气温')

运行结果：

可以在这基础上添加平均值、最大/小值，在line.add()中添加mark_point=["average", "max", "min"]，mark_line=["average", "max", "min"]，mark_point可以标出目标点，mark_line可以做出与y轴的连线

line.add(title, x, y,         mark_point=["average", "max", "min"],         mark_line=["average", "max", "min"])

运行结果：

既然是显示温度，那y轴的数字后加上个℃是不是会更好，添加参数 yaxis_formatter ="°C"即可

运行结果：

还有很多参数如平滑度、折线图转阶梯图、折线面积图等，可以参考官网进行详细查看。如下 图：

柱状图

查看add()方法

add(name, x_axis, y_axis,is_stack=False,bar_category_gap='20%', **kwargs)名称-> str图例名称x_axis-> listx坐标轴数据y_axis->列表y坐标轴数据is_stack-> bool数据堆栈，同个类目轴上系列配置相同的stack值可以堆叠放置bar_category_gap-> int / str类目轴的柱状距离，当设置为0时柱状是紧挨着(直方图类型)，最小为'20％'

数据：

时间：['2019-03-01星期五', '2019-03-02星期六', '2019-03-03星期日', '2019-03-04星期一', '2019-03-05星期二', '2019-03-06星期三', '2019-03-07星期四', '2019-03-08星期五', '2019-03-09星期六', '2019-03-10星期日', '2019-03-11星期一', '2019-03-12星期二']温度：[58, 48, 33, 41, 34, 23, 19, 22, 23, 25, 48, 82]

def bar_(x, y, title):    fig = Bar('柱状图',              width=800,              height=350,)    fig.add(title, x, y)    fig.render('{}.html'.format(title))bar_(x, y, '广州天气2')

运行结果：

参数is_convert交换XY轴，如下图：

散点图

add(name, x_axis, y_axis,extra_data=None,symbol_size=10, **kwargs)名称-> str图例名称x_axis->列表x坐标轴数据y_axis->列表y坐标轴数据extra_data->列表[int]第三维度数据，x轴为第一个维度，y轴为第二个维度。(可在visualmap中将视图元素映射到第三维度)extra_name->列表[str]的数据项的名称，可以为每个数据点指定一个名称。symbol_size-> int标记图形大小，交替为10

基本使用

v1 = [10, 20, 30, 40, 50, 60]v2 = [10, 20, 30, 40, 50, 60]scatter = Scatter("散点图示例")scatter.add("A", v1, v2)scatter.render('散点图.html')

运行结果：

参数 is_visualmap=True 可以像热力图那样对数据进行渐变色，如下图 ：

饼图

查看add()方法

add(name, attr, value,radius=None,center=None,rosetype=None, **kwargs)名称-> str图例名称attr->列表属性名称值->列表属性所对应的值半径->列表饼图的尺寸，层叠的第一项是内部尺寸，第二项是外部薄片，尺寸为[0，75 ]模式设置成比例，相对于容器高宽中较小的一个的一半center- > list 饼图的中心(圆心)坐标，数组的第一项是横坐标，第二项是纵坐标，替换为[50，50]设置设置成比例，设置成比例时第一项是相对于容器宽度，第二项是相对于容器高度rosetype-> str是否展示成南丁格尔图，通过尺寸区分数据大小，有'radius'和'area'两种模式。而是为'radius'radius：半径圆心角展现数据的百分比，局部展现数据的大小区域：所有同轴圆心角相同，仅通过木板展现数据大小

数据：

['第一产业(亿元)', '第二产业(亿元)', '第三产业(亿元)'][64734, 366001, 469575]

def pie_(x, y, title='折线图'):    pie = Pie(title)    pie.add(title, x, y)    pie.render('{}.html'.format(title))pie_(x, y, '产业')

运行结果：

总结：

每种类型的 add() 方法都有很多参数，我的建议是没必要死记硬背下来，没必要，大概知道能实现什么功能，用的时候再具体查就好了。

end

  扫描二维码

了解更多技能

好文和朋友一起看