开源库PyEcharts交互可视化

最新推荐文章于 2024-01-09 11:01:35 发布
最新推荐文章于 2024-01-09 11:01:35 发布
阅读量1k 收藏 8
点赞数 1
分类专栏： 数据分析 文章标签： 数据分析 数据可视化
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/weixin_39920026/article/details/104201391
版权

文章目录


pyecharts是百度开源的一个数据可视化JS库图形功能十分丰富。

1.Pyecharts绘制交互散点图

from pyecharts.charts import Scatter#导入散点图包
import pyecharts.options as opts#不显示数字，全局配置包
import numpy as np

x=np.linspace(0,2*np.pi,100)
y1=np.sin(x)
y2=np.cos(x)

(
    Scatter()
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name='sin',y_axis=y1)
.add_yaxis(series_name='cos',y_axis=y2,label_opts=opts.LabelOpts(is_show=False))#cos函数图像不显示数字
).render_notebook()

在这里插入图片描述

2.Pyecharts绘制交互曲线图

from pyecharts.charts import Line
import pyecharts.options as opts#参数包，不显示数字
import numpy as np

x=np.linspace(0,2*np.pi,100)
y1=np.sin(x)
y2=np.cos(x)

(
    Line()
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name='sin',y_axis=y1,label_opts=opts.LabelOpts(is_show=False))
.add_yaxis(series_name='cos',y_axis=y2,label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title='曲线'),#标题
                tooltip_opts=opts.TooltipOpts(axis_pointer_type='cross')#有十字线，能算上下距离
                )
).render_notebook()

在这里插入图片描述

3.Pyecharts绘制交互饼图

from pyecharts.charts import Pie
import pyecharts.options as opts#全局配置包，不显示数字

num=[12,11,23,44,29]
lab=['A','B','C','D','E']

(
    Pie(init_opts=opts.InitOpts(width='720px',height='320px'))#图片大小
    .add(series_name='',data_pair=[(i,j)for i,j in zip(lab,num)])
).render_notebook()

在这里插入图片描述

4.Pyecharts绘制交互环图

from pyecharts.charts import Pie
import pyecharts.options as opts#参数包，不显示数字

num=[12,11,23,44,29]
lab=['nancy','jack','jone','simply','jasion']

(
    Pie(init_opts=opts.InitOpts(width='720px',height='320px'))
    .add(series_name='',data_pair=[(i,j)for i,j in zip(lab,num)],radius=['40%','75%'])
).render_notebook()

在这里插入图片描述

5.Pyecharts绘制交互柱状图

from pyecharts.charts import Bar
import pyecharts.options as opts#参数包，不显示数字

num1=[12,11,23,44,29]
num2=[11,34,56,22,18]
lab=['nancy','jack','joneon','dkej','ekjje']

(
    Bar(init_opts=opts.InitOpts(width='720px',height='320px'))
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='商家a',yaxis_data=num1)
    .add_yaxis(series_name='商家b',yaxis_data=num2)
    .set_global_opts(title_opts=opts.TitleOpts(title='各个商家拥有xx数量情况',
                                              subtitle='副标题'))
).render_notebook()

在这里插入图片描述

6.Pyecharts交互图形组合（并排）

from pyecharts.charts import Grid,Line,Scatter#Grid组合图形用
import numpy as np
import pyecharts.options as opts#参数包，不显示数字

x=np.linspace(0,2*np.pi,100)
y=np.sin(x)

lines=(
   Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='',y_axis=y,label_opts=opts.LabelOpts(is_show=False))#不显示数字
    .set_global_opts(title_opts=opts.TitleOpts(title='曲线A'))#标题
)

points=(
    Scatter()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='',y_axis=y,label_opts=opts.LabelOpts(is_show=False))#不显示数字  
)

(
    Grid(init_opts=opts.InitOpts(width='720px',height='320px'))#画布
    .add(points,grid_opts=opts.GridOpts(pos_bottom='60%'))
    .add(lines,grid_opts=opts.GridOpts(pos_top='60%'))
).render_notebook()

在这里插入图片描述

7.Pyecharts交互图形组合（重合上下覆盖）

from pyecharts.charts import Bar,Line

num=[11,34,56,22,18]
lab=['nancy','jack','jone','simply','jasion']

bar=(
    Bar(init_opts=opts.InitOpts(width='720px',height='320px'))
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='',yaxis_data=num)
)

lines=(
    Line()
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='',y_axis=num,label_opts=opts.LabelOpts(is_show=False))

)
bar.overlap(lines).render_notebook()

在这里插入图片描述

8.Pyecharts绘制交互中国地图

from pyecharts.charts import  Geo#地理包
import pyecharts.options as opts

from commons import Faker#数据包

(
    Geo()
    .add_schema(maptype='china')
    .add(series_name='',data_pair=[(i,j) for i,j in zip(Faker.provinces,Faker.values())])
    .set_global_opts(
        title_opts=opts.TitleOpts(title='中国地图'),
        visualmap_opts=opts.VisualMapOpts()#视觉映射
    )
).render_notebook()

在这里插入图片描述

9.Pyecharts绘制交互中国地图(特效点图波纹)

from pyecharts.charts import  Geo
import pyecharts.options as opts
from pyecharts.globals import ChartType

from commons import Faker
(
    Geo()
    .add_schema(maptype='china')
    .add(series_name='',data_pair=[(i,j) for i,j in zip(Faker.provinces,Faker.values())],
        type_=ChartType.EFFECT_SCATTER)#图表类型是特效散点图
    .set_global_opts(
        title_opts=opts.TitleOpts(title='中国地图（特效散点图）'),
        visualmap_opts=opts.VisualMapOpts(is_piecewise=True)#视觉映射
    )
).render_notebook()

在这里插入图片描述

10.Pyecharts绘制全国各省xx数据分布点图

c = (
    Geo()
    .add_schema(maptype="china")
    .add("jone", [list(z) for z in zip(['江苏','浙江','湖北','湖南','河南'], [22,34,27,53,42])])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(),
        title_opts=opts.TitleOpts(title="全国各省xx数据分布"),
    )
)

c.render_notebook()

在这里插入图片描述

11.Pyecharts绘制江苏省各市区的数据分布图

c = (
        Geo()
        .add_schema(maptype="江苏")
        .add(            "geo",
            [list(z) for z in zip(['盐城市','苏州市','盐都区','常州市','镇江市'], [150,100,300,200,500])],
            type_=ChartType.EFFECT_SCATTER,
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(),
            title_opts=opts.TitleOpts(title="热力图江苏"),
        )
    )

c.render_notebook()

在这里插入图片描述

12.Pyecharts绘制全国主要城市航班路线和数量

from pyecharts.globals import ChartType, SymbolType

c = (
        Geo()
        .add_schema(maptype="china")
        .add(            "",
            [("深圳", 120), ("哈尔滨", 66), ("杭州", 77), ("重庆", 88), ("上海", 100), ("乌鲁木齐", 30),("北京", 30),("武汉",70)],
            type_=ChartType.EFFECT_SCATTER,
            color="green",
        )
        .add(            "geo",
            [("北京", "上海"), ("武汉", "深圳"),("重庆", "杭州"),("哈尔滨", "重庆"),("乌鲁木齐", "哈尔滨"),("深圳", "乌鲁木齐"),("武汉", "北京")],
            type_=ChartType.LINES,
            effect_opts=opts.EffectOpts(
                symbol=SymbolType.ARROW, symbol_size=6, color="blue"
            ),
            linestyle_opts=opts.LineStyleOpts(curve=0.2),
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(title_opts=opts.TitleOpts(title="全国主要城市航班路线和数量"))
    )

c.render_notebook()

在这里插入图片描述

13绘制交互地理迁徙图

from pyecharts.charts import  Geo
from pyecharts.globals import ChartType,SymbolType#特效散点和带箭头
import pyecharts.options as opts#全局配置

city_num=[('广州',105),('成都',70),('上海',80),('江苏',130)]#颜色深浅和数据大小有关
start_end=[('江苏','成都'),('江苏','上海'),('江苏','广州')]

(
    Geo()
    .add_schema(maptype='china',
               itemstyle_opts=opts.ItemStyleOpts(color='#323c48',border_color='#111'))
    .add('',data_pair=city_num,color='white')
    .add('',data_pair=start_end,type_=ChartType.LINES,
         effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW,#添加指向线段
                                     color='blue',
                                     symbol_size=8))
).render_notebook()

在这里插入图片描述

pyecharts应用：教你如何让数据变成优美的交互式可视化图形
全栈川川
04-26 8264
python数据可视化之美应用案例
Pyecharts：Python数据可视化工具详细攻略
带你成为别人眼中的大佬！
04-08 232
Pyecharts是一款基于Echarts开发的数据可视化工具，使用Python进行编写，可以轻松地实现各种类型的图表展示，如折线图、柱状图、散点图、地图等。Pyecharts支持多平台数据交互，包括Jupyter Notebook、Flask、Django等，同时也支持生成HTML和图片格式的图表，方便展示和共享。Pyecharts是一个十分强大的Python数据可视化工具，使用简单方便，支持多平台数据交互，并且可以输出多种格式的图表对象，例如HTML、图片等。安装Pyecharts。
利用pyecharts组件实现数据的可视化分析
qiujin818的博客
08-17 796
用pyecharts组件技术以各类图表形式（柱状图、折线图、饼图、k线图）实现爬取互联网中金融基金指数、股票信息、期货期权等数据可视化模块的展示。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。Echarts 是百度开源的一个数据可视化JS 库。 实现效果： 相关代码： import random from pyecharts.charts.basic_charts import bar,line from pyecharts.
flask pyecharts_教你用pyecharts制作交互式桑基图，赶快学起来吧！
weixin_39636645的博客
11-27 324
由于工作的需要，经常需要进行可视化展示，除了一些常用的BI工具，我也会使用python对数据进行可视化。python的第三方可视化库有很多，比如matplotlib、seaborn、plotly、bokeh、pyecharts等等。这次就来说一说，如何用python的第三方库-pyecharts制作交互式桑基图。示例什么是桑基图？桑基图是可视化图表的一种，一般用来表示数据流量。桑基图（Sankey...
pyecharts︱交互式pyecharts的相关使用教程
热门推荐
素质云笔记
08-07 1万+
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，为了与 Python 进行对接，方便在 Python 中直接使用数据生成图，我写了这个项目。以下是最新版echart的靓图。当然，pyecharts貌似没有这么齐全。 官方文档：http://pyecharts.herokuap............
PyQt6 与 Pyecharts 交互：必要操作
最新发布
AbigailQin 的博客
01-09 2067
PyQt6 与 pyecharts 交互学习
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
"财报数据可视化 —— pandas数据分析，pyecharts可视化"的主题聚焦于使用Python中的pandas库进行数据预处理和分析，以及利用pyecharts库进行数据可视化。这两个强大的工具结合，能够帮助我们高效地理解并展示财务...
Pyecharts实践：数据可视化大屏
2302_76827918的博客
12-25 3062
Pyecharts是一个基于Python的开源可视化库，它能够生成Echarts图表的JSON数据，并使用JavaScript进行渲染。Echarts是一个使用JavaScript开发的，开源的数据可视化库，它可以生成各种类型的图表，包括折线图、柱状图、饼图、散点图等。
Pyecharts数据可视化
2301_79641790的博客
12-17 1366
Pyecharts是一款开源的Python可视化库，它基于Echarts.js实现，可以生成各种类型的图表，包括折线图、柱状图、饼图、散点图等。Pyecharts支持生成动态交互式的图表，用户可以通过鼠标拖拽、缩放等方式对图表进行操作。同时，Pyecharts还提供了丰富的图表配置选项，用户可以根据需要调整图表的颜色、样式等。
【Python数据可视化源码实例Pyecharts库集合】组合可视化图.zip
07-12
Pyecharts是一个Python的ECharts封装库，ECharts是百度开源的一款JavaScript可视化库，支持丰富的图表类型，包括折线图、柱状图、饼图、散点图等，并且具有高度交互性和灵活性。Pyecharts则将这些功能带入了Python...
python+pyecharts生成网页可视化图表
06-10
PyEcharts就是这样一个工具，它结合了Python的简洁性和ECharts的丰富图表类型，为开发者提供了一种方便的方式来创建交互式的、动态的网页可视化图表。在本主题中，我们将深入探讨如何使用Python和PyEcharts生成网页...
教你用pyecharts制作交互式桑基图，赶快学起来吧！
Python数据之道
09-18 560
柠檬2069点击右侧关注，遇见更好的自己！点击右侧关注，遇见更好的自己！作者：朱卫军来源：Python大数据分析教你用pyecharts制作交互式桑基图，赶快学起来吧！由...
Python数据分析32——pyecharts绘制交互式图表
Py.ziMing的博客
06-21 4172
pyecharts模块 pycharts模块是百度开元的一个数据可视化JavaScnpt库。最重要的是：使用pyecharts绘制的图表美观且具有交互性。 pyecharts安装 使用PIP安装。 pip install pycharts==0.5.11 注意：pyecharts包在1.0版本之后就大版本更新了，现有的语法结构都变了。所以，安装的时候要留心版本。 准备工作 import py...
pyecharts交互式动态可视化案例_全国各省近20年GDP 动态展示
weixin_43400973的博客
12-28 1780
全国各省近20年GDP 动态展示 1. 数据描述： 数据存在EXCEL，命名为全国各省财政收入 2. 编写代码： import pandas as pd import openpyxl from pyecharts.globals import ThemeType import pyecharts.options as opts from pyecharts.commons.utils import JsCode from pyecharts.charts import Timeline, Grid, B
使用 JavaScript 实现的开源可视化库-ECharts
stryang的博客
08-14 3148
为什么选择Echarts 1、上手快，只需要简单的配置即可生成各种图形 2、百度开源项目，文档全，社区活跃（之前人保项目使用过的chart.js国外开源框架，中文文档较少） 3、实例丰富，可以适用各种各样的功能 4、跨平台使用，支持PC端及移动端，从 4.0 开始提供了对微信小程序的适配，支持node上的服务端渲染 Echarts简介 ECharts，一个使用 JavaScript 实现的开源可视...
Bokeh，一个超强交互式Python可视化库！
SeizeeveryDay的博客
05-15 771
大家好，我是小z给大家介绍一下Python中常用且可灵活交互使用的的可视化绘制包- Bokeh，由于网上关于该包较多及官方介绍也较为详细，这里就在不再过多介绍，我们直接放出几副精美的可视化...
matplotlib扩展篇—pyecharts绘图
MESSI_JAMES的博客
06-28 5092
一.pyecharts介绍 .简介 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。 .官网 官网：http://pyecharts.org GitHu...
20套Echarts大屏数据可视化、数据可视化驾驶舱源码，智慧物流、大数据分析、车联网、大数据运维等多行业数据可视化驾驶舱
Python代码大全
01-07 1103
20套Echarts大屏数据可视化、数据可视化驾驶舱源码，智慧物流、大数据分析、车联网、大数据运维等多行业数据可视化驾驶舱。
echarts 自定义事件交互方式修改
mingwei_zhu的博客
10-26 831
需求： 1.点击某个图例，图例高亮，只显示并选中当前的图例，同时展示数据。 再次点击这个高亮的图例，则全部图例选中 2.点击其他置灰图例，则此图例高亮，再次点击后，全部选中。 实现的方式类似与于排他思想吧。 // 1.找到实例化的图例对象 也就是dom 比如 vue 的ref let myChart = this.$refs.myChart.echarts; // 或者 echarts 官方的 var chartDom = docum...
Pyecharts库数据可视化图表实例教程
Pyecharts是一个用于Python的数据可视化库，它基于百度开源的Echarts项目，提供了简单易用的API接口，使得生成具有高度交互性的图表变得轻而易举。 Pyecharts支持多种图表类型，包括但不限于3D纹理图、3D散点图、3D...
评论
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
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