数据大屏可视化2-超全的基础图形模板（基础模版）

最新推荐文章于 2022-01-07 09:10:05 发布
最新推荐文章于 2022-01-07 09:10:05 发布
阅读量685 收藏 5
点赞数
分类专栏： 项目 文章标签： 大数据
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_40929065/article/details/111351954
版权

内容整理于网络，因为忘了之前是从那几篇文章中整理的了，所以转载的连接不知道填啥，如果作者有看到的话，可以联系下我，谢谢
注意：所有带有import random的都是生成随机数展示的，如果有需要研究对应的数据格式改回

数据大屏可视化1-pyecharts库说明（python）
数据大屏可视化2-超全的基础图形模板（基础模版）
数据大屏可视化3-通用数据大屏模版

一、柱状图
原始柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 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])
    .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
    .set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
)
bar.render('E:\MyProjects\可视化\原始柱状图.html')

在这里插入图片描述
换色彩模式柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 条形图
from pyecharts.globals import ThemeType
bar = (
    Bar(
        init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
        .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
        .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
        .set_global_opts(title_opts=opts.TitleOpts (title="商家销售情况", subtitle="商家对比"))
)
bar.render('E:\MyProjects\可视化\柱状图.html')

在这里插入图片描述
带标记柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 基础数据
xray = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] # x轴数据
y1 =   [114, 55, 27, 101, 125, 27]
y2 =  [57, 134, 137, 129, 145, 60]
bar = Bar()
bar.add_xaxis(xray)
bar.add_yaxis("S1",y1)
bar.add_yaxis("S2",y2)
bar.set_global_opts(title_opts=opts.TitleOpts(title="Bar-datazoom）")
                   ,datazoom_opts = opts.DataZoomOpts(type_ = "inside"))
bar.set_series_opts(
    label_opts = opts.LabelOpts(is_show = False)
    ,markpoint_opts = opts.MarkPointOpts(data = [opts.MarkPointItem(type_ = "max",name = "max")
                                                ,opts.MarkPointItem(name = "min",type_ = "min")] # 这里需要注意data是一个系列，就算只有一个也是必须做list处理
                                                )
    ,markline_opts = opts.MarkLineOpts(data = [opts.MarkLineItem(name = "average",type_ = "average")]))
# bar.render_notebook()
bar.render('E:\MyProjects\可视化\柱状图特殊标记.html')

在这里插入图片描述
横向柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 基础数据
xray = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] # x轴数据
y1 =   [114, 55, 27, 101, 125, 27]
y2 =  [57, 134, 137, 129, 145, 60]
# y轴数据 ，无法直接使用numpy对象，转为list进行处理
bar = Bar()
bar.add_xaxis(xray)
bar.add_yaxis("S1",y1)
bar.add_yaxis("S2",y2)
bar.reversal_axis()
bar.set_global_opts(title_opts=opts.TitleOpts("rever")
                   ,toolbox_opts = opts.ToolboxOpts(is_show = True))
bar.set_series_opts(label_opts=opts.LabelOpts(position = "right"))
# bar.render_notebook()
bar.render('E:\MyProjects\可视化\横向条形图.html')

在这里插入图片描述
时间轴柱状图

# import random
from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline
from pyecharts.globals import ThemeType
# 示例数据
tl = Timeline()
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上", [63, 77, 58, 62, 105, 134])
        .add_yaxis("门店", [133, 174, 115, 163, 131, 167])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2015)))
    )
tl.add(bar, "{}年".format(2015))
bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上", [66, 109, 147, 131, 61, 146])
        .add_yaxis("门店", [110, 117, 144, 134, 104, 105])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2016)))
    )
tl.add(bar, "{}年".format(2016))
bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上",[97, 98, 140, 85, 61, 99])
        .add_yaxis("门店",[194, 120, 176, 124, 128, 192])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2017)))
    )
tl.add(bar, "{}年".format(2017))
bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上",[124, 104, 105, 52, 78, 62])
        .add_yaxis("门店",[157, 107, 161, 184, 124, 142])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2018)))
    )
tl.add(bar, "{}年".format(2018))
bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上",[140, 60, 65, 121, 110, 105])
        .add_yaxis("门店",[111, 117, 182, 156, 108, 131])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2019)))
    )
tl.add(bar, "{}年".format(2019))
tl.render('时间轴柱状图.html')

在这里插入图片描述
二、折线图
基础折线图

import random
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
line = (
    Line()
    .add_xaxis(['{}月第{}周周赛'.format(y,z) 
                     for y in range(1, 3)  # 1、2月  
                         for z in range(1, 5)])  # 1-4周
    .add_yaxis('A题', [random.randint(10, 20) for _ in range(8)], 
               is_smooth=True, # 平滑
               markpoint_opts=opts.MarkPointOpts(
                           # 使用coord这个属性设置自定义标记点数值，我这儿随便写
                           data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='标注值')]
                       )
               )
    .add_yaxis('B题', [random.randint(5, 20) for _ in range(8)])
    .add_yaxis('C题', [random.randint(5, 20) for _ in range(8)])
    .set_series_opts(label_opts=opts.LabelOpts(
                    formatter=JsCode( # 通过定义JavaScript回调函数自定义标签
                         "function(params){"
                                "return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！
                    )
                ))
    .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度
                     yaxis_opts=opts.AxisOpts(name='AC率', min_=3), 
                     title_opts=opts.TitleOpts(title='折线示例_ACM题目分析'))        
    )
line.render('E:\MyProjects\可视化\折线图.html')

在这里插入图片描述
时间轴折线图

import pyecharts.options as opts
from pyecharts.charts import Line,Timeline
from pyecharts.commons.utils import JsCode
tl = Timeline()
#如果静态显示一个折线图数据，到tl前为止格式即可line.render()
line = (
    Line()
    .add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销'])
    .add_yaxis('A店',[11,15,12,13])#,is_smooth=True,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='平滑')))
    .add_yaxis('B店',[17,17,18,19],is_smooth=True,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='平滑')]))
    .set_series_opts(label_opts=opts.LabelOpts(
                    formatter=JsCode( # 通过定义JavaScript回调函数自定义标签
                         "function(params){"
                                "return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！
                    )
                ))
    .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度
                     yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), 
                     title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(1)))
)
tl.add(line, "2020年{}月".format(1))
line = (
    Line()
    .add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销','2月1周周销','2月2周周销','2月3周周销','2月4周周销'])
    .add_yaxis('A店',[11,15,12,13,17,15,12,15])
    .add_yaxis('B店',[17,17,18,19,16,17,18,17])
    .set_series_opts(label_opts=opts.LabelOpts(
                    formatter=JsCode( # 通过定义JavaScript回调函数自定义标签
                         "function(params){"
                                "return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！
                    )
                ))
    .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度
                     yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), 
                     title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(2)))
)
tl.add(line, "2020年1月-{}月".format(2))
line = (
    Line()
    .add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销','2月1周周销','2月2周周销','2月3周周销','2月4周周销','3月1周周销','3月2周周销','3月3周周销','3月4周周销'])
    .add_yaxis('A店',[11,15,12,13,17,15,12,15,10,13,15,17])
    .add_yaxis('B店',[17,17,18,19,16,17,18,17,20,17,18,16])
    .set_series_opts(label_opts=opts.LabelOpts(
                    formatter=JsCode( # 通过定义JavaScript回调函数自定义标签
                         "function(params){"
                                "return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！
                    )
                ))
    .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度
                     yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), 
                     title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(3)))
)
tl.add(line, "2020年1月-{}月".format(3))
tl.render('时间轴折线图.html')

在这里插入图片描述
折线面积图

import random
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
 
line = (
    Line()
    .add_xaxis(['{}月第{}周周赛'.format(y,z) 
                     for y in range(1, 3)  # 1、2月  
                         for z in range(1, 5)])  # 1-4周
    .add_yaxis('蔡队', 
               [random.randint(10, 20) for _ in range(8)], 
               is_symbol_show=False,         
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='average', name='均值'),
                                                   opts.MarkPointItem(type_='max', name='最大值'),
                                                   opts.MarkPointItem(type_='min', name='最小值')], 
                                                   symbol_size=50)           
               )
    .add_yaxis('旺神', 
               [random.randint(6, 20) for _ in range(8)], 
               is_smooth=True, 
               is_symbol_show=False,
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
               )
    .set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度
                     yaxis_opts=opts.AxisOpts(name='完成积分', min_=5), 
                     title_opts=opts.TitleOpts(title='折线面积图示例_周赛分析'))        
    )

line.render('E:\MyProjects\可视化\折线面积图.html')

在这里插入图片描述
组合展示图

from pyecharts.charts import Bar,Grid,Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ["{}月".format(i) for i in range(1, 13)]
zengfaliang =  [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
jiangshuiliang = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
average_wendu = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]
grid = Grid()
bar = Bar()
grid.theme = ThemeType.PURPLE_PASSION
line = Line()
bar.add_xaxis(x_data)
bar.add_yaxis("蒸发量",zengfaliang)
bar.add_yaxis("降水量",jiangshuiliang)
bar.set_global_opts(title_opts=opts.TitleOpts("Grid-多Y轴展示")
                   ,tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") # 交叉指向工具
                   )
bar.extend_axis(yaxis=opts.AxisOpts(type_="value",
                                     name="温度",
                                     min_=0,
                                     max_=25,
                                     position="right",                    
                                     axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
                                     ))
# 在bar上增加Y轴，在line图上选择对应的轴向
line.add_xaxis(x_data)
line.add_yaxis("平均温度",average_wendu,yaxis_index = 1)
# 把line添加到bar上
bar.overlap(line)
# 这里如果不需要grid也可以，直接设置bar的格式，然后显示bar即可
#bar.render_notebook()
grid.add(chart = bar,grid_opts = opts.GridOpts(),is_control_axis_index = True)
# grid.render_notebook()
grid.render('E:\MyProjects\可视化\多轴展示.html')

在这里插入图片描述
三、饼图
基础饼图

import random
from pyecharts import options as opts
from pyecharts.charts import Page, Pie
pie = (
    Pie()
    .add('鼠标选中分区后的tip',
         [list(z) for z in zip(['20{}年第{}季'.format(year,season)   
                                        for year in [19, 20]  # count 2                                        
                                                for season in range(1,5)] # count 2
                ,[random.randint(2, 10) for _ in range(8)])]) # count 8
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}: {c}万套'))
    .set_global_opts(title_opts=opts.TitleOpts(title='饼图实例-近两年季度销售'),
                         legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\饼图.html')

在这里插入图片描述
环形图

import random
from pyecharts import options as opts
from pyecharts.charts import Pie
pie = (
    Pie()
    .add(
        '鼠标选中分区后的tip',
        [list(z) for z in zip(['20{}年第{}季'.format(year,season)   
                                    for year in [19, 20]  # count 2                                        
                                            for season in range(1,5)] # count 2
            ,[random.randint(2, 10) for _ in range(8)])],
        radius=['50%', '75%'],          #设置内径外径           
        label_opts=opts.LabelOpts(is_show=True)        
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='圆环图示例-近两年季度销售'),
                     legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\环形图.html')

在这里插入图片描述
玫瑰图

import random
from pyecharts import options as opts
from pyecharts.charts import Pie
pie = (
    Pie()
    .add(
        '鼠标选中分区后的tip',
        [list(z) for z in zip(['20{}年第{}季'.format(year,season)   
                                    for year in [19, 20]  # count 2                                        
                                            for season in range(1,5)] # count 2
            ,[random.randint(0, 10) for _ in range(8)])],
        radius=['10%', '75%'],          #设置内径外径
        # rosetype='radius' 圆心角展现数据百分比，半径展现数据大小
        # rosetype='area' 圆心角相同，为通过半径展现数据大小
        rosetype='radius',             
        label_opts=opts.LabelOpts(is_show=True)        
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图示例-近两年季度销售'),
                     legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\玫瑰图.html')

在这里插入图片描述
四、其他图形
漏斗图

from pyecharts.charts import Funnel
from pyecharts import options as opts

# 示例数据
cate = ['访问', '注册', '加入购物车', '提交订单', '付款成功']
data = [30398, 15230, 10045, 8109, 5698]
"""
漏斗图示例：
1. sort_控制排序，默认降序；
2. 标签显示位置
"""
funnel = (Funnel()
          .add("用户数", [list(z) for z in zip(cate, data)], 
               sort_='ascending',
               label_opts=opts.LabelOpts(position="inside"))
          .set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例", subtitle="我是副标题"))
         )

funnel.render_notebook()
funnel.render('漏斗图.html')

在这里插入图片描述
热力图

from pyecharts.charts import HeatMap
from pyecharts import options as opts
from pyecharts.faker import Faker
import random
# 示例数据
data = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heat = (HeatMap()
        .add_xaxis(Faker.clock)
        .add_yaxis("访客数", 
                   Faker.week, 
                   data,
                   label_opts=opts.LabelOpts(is_show=True, position="inside"))
        .set_global_opts(
            title_opts=opts.TitleOpts(title="HeatMap-基本示例", subtitle="我是副标题"),
            visualmap_opts=opts.VisualMapOpts(),
            legend_opts=opts.LegendOpts(is_show=False))
       )
#heat.render_notebook()
heat.render('热力图.html')

在这里插入图片描述
雷达图

from pyecharts import options as opts
from pyecharts.charts import Page, Radar
#雷达图
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
def radar_base() -> Radar:
    c = (
        Radar()
            .add_schema(
            schema=[
                opts.RadarIndicatorItem(name="销售", max_=6500),
                opts.RadarIndicatorItem(name="管理", max_=16000),
                opts.RadarIndicatorItem(name="信息技术", max_=30000),
                opts.RadarIndicatorItem(name="客服", max_=38000),
                opts.RadarIndicatorItem(name="研发", max_=52000),
                opts.RadarIndicatorItem(name="市场", max_=25000),
            ]
        )
            .add("预算分配", v1)
            .add("实际开销", v2)
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
            .set_global_opts(title_opts=opts.TitleOpts(title="部门开销"))
    )
    return c
c = radar_base()
c.render('E:\MyProjects\可视化\雷达图.html')

在这里插入图片描述
雷达面积图

import random
from pyecharts import options as opts
from pyecharts.charts import Page, Radar
def radar_simple() -> Radar:
    c = (
        Radar()
        .add_schema(
            # 各项的max_值可以不同
            schema=[
                opts.RadarIndicatorItem(name='计算几何学', max_=100),
                opts.RadarIndicatorItem(name='动态规划', max_=100),
                opts.RadarIndicatorItem(name='图论', max_=100),
                opts.RadarIndicatorItem(name='搜索', max_=100),
                opts.RadarIndicatorItem(name='模拟', max_=100),
                opts.RadarIndicatorItem(name='数论', max_=100),
            ]
        )
        .add('旺神', [[random.randint(10, 101) for _ in range(6)]],           
             color='red',           
             areastyle_opts = opts.AreaStyleOpts(  #设置填充的属性
                 opacity = 0.5,                  
                 color='red'                     
         ),)
        .add('蔡队', [[random.randint(10, 101) for _ in range(6)]],
             color='blue',
             areastyle_opts = opts.AreaStyleOpts(
                 opacity = 0.5,#透明度
                 color='blue'
         ),)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
        .set_global_opts(title_opts=opts.TitleOpts(title='雷达图示例-ACM集训队队员能力'))
    )
    return c
radar_simple().render('雷达面积图.html')

在这里插入图片描述
散点图

from pyecharts.charts import Scatter
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
import pandas as pd

def scatter_simple() -> Scatter:
    # 数据源
    df = pd.DataFrame({'AC':[21,22,23,24,28,30,34,35,40,44,45],  # 刷题数
                       'ACB':[140,120,380,120,200,190,160,300,300,400,500],
                       '姓名':['小军','NIL','假冒NOI','小白','弱刚','晓雷','窜天','云云','依图','蔡队','旺神',]})
    # inplace=True：不创建新的对象，直接对原始对象进行修改
    # 升序
    df.sort_values('AC', inplace=True, ascending=True)  
    
    c = (
        Scatter()
        .add_xaxis(df.AC.values.tolist())
        .add_yaxis(
            '刷题_能力_姓名',
            df[['ACB','姓名']].values.tolist(),
            label_opts=opts.LabelOpts(
                formatter=JsCode(
                    'function(params){return params.value[2];}' #通过定义JavaScript回调函数自定义标签
                )
            )
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title='散点图示例--ACM集训队队员能力'),
            xaxis_opts=opts.AxisOpts(name='AC(刷题数)', type_='value', min_=20),  #x轴从20开始，原点不为0
            yaxis_opts=opts.AxisOpts(name='ACB(能力值)', min_=100),  # y轴起始点的值
            legend_opts=opts.LegendOpts(is_show=True)
        )
    )
    return c
scatter_simple().render('E:\MyProjects\可视化\散点图.html')

在这里插入图片描述
箱线图

from pyecharts import options as opts
from pyecharts.charts import Boxplot
def boxpolt_base() -> Boxplot:
    v_sophomore = [
        [1.1, 2.2, 2.6, 3.2, 3.7, 4.2, 4.7, 4.7, 5.5, 6.3, 8.0],
        [2.5, 2.5, 2.8, 3.2, 3.7, 4.2, 4.7, 4.7, 5.5, 6.3, 7.0]
    ]
    v_junior = [
        [3.6, 3.7, 4.7, 4.9, 5.1, 5.2, 5.3, 5.4, 5.7, 5.8, 5.8],
        [3.6, 3.7, 4.7, 4.9, 5.1, 5.2, 5.3, 5.4, 5.7, 5.8, 5.8]
    ]
    # 最小值，下四分位数，中位数、上四分位数、最大值
    # [min, Q1, median (or Q2), Q3, max]
    c = (
        Boxplot()
        .add_xaxis(['寒假作业','暑假作业'])
        .add_yaxis('大二队员', Boxplot.prepare_data(v_sophomore))
        .add_yaxis('大三队员', Boxplot.prepare_data(v_junior))
        .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
        .set_global_opts(title_opts=opts.TitleOpts(title='ACM集训队祖传练习完成时长离散度'),
                         xaxis_opts=opts.AxisOpts(name='单位：小时'), 
                         legend_opts=opts.LegendOpts(is_show=True))
        .reversal_axis() #翻转XY轴
    )
    return c

boxpolt_base().render('箱线图.html')

在这里插入图片描述
词云图

from pyecharts import options as opts
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType

words = [
    ('背包问题', 10000),
    ('大整数', 6181),
    ('Karatsuba乘法算法', 4386),
    ('穷举搜索', 4055),
    ('傅里叶变换', 2467),
    ('状态树遍历', 2244),
    ('剪枝', 1868),
    ('Gale-shapley', 1484),
    ('最大匹配与匈牙利算法', 1112),
    ('线索模型', 865),
    ('关键路径算法', 847),
    ('最小二乘法曲线拟合', 582),
    ('二分逼近法', 555),
    ('牛顿迭代法', 550),
    ('Bresenham算法', 462),
    ('粒子群优化', 366),
    ('Dijkstra', 360),
    ('A*算法', 282),
    ('负极大极搜索算法', 273),
    ('估值函数', 265)
]
def wordcloud_base() -> WordCloud:
    c = (
        WordCloud()
        .add("", words, word_size_range=[20, 100], shape=SymbolType.ROUND_RECT)
        .set_global_opts(title_opts=opts.TitleOpts(title='WordCloud示例-OJ搜索关键字'))
    )
    return c
wordcloud_base().render('词云图.html')

在这里插入图片描述
日历图

from pyecharts.charts import Calendar
from pyecharts import options as opts
import random
import datetime
# 示例数据
begin = datetime.date(2019, 1, 1)
end = datetime.date(2019, 12, 31)
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]
        for i in range((end - begin).days + 1)]
"""
日历图示例：
"""
calendar = (
        Calendar()
        .add("微信步数", data, calendar_opts=opts.CalendarOpts(range_="2019"))
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Calendar-基本示例", subtitle="我是副标题"),
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(
                max_=25000,
                min_=1000,
                orient="horizontal",
                is_piecewise=True,
                pos_top="230px",
                pos_left="100px",
            )
        )
    )

calendar.render_notebook()
calendar.render('日历数据图.html')

在这里插入图片描述
地理图

from pyecharts import options as opts
from pyecharts.charts import Map
import random
province = ['广东', '湖北', '湖南', '四川', '重庆', '黑龙江', '浙江', '山西', '河北', '安徽', '河南', '山东', '西藏']
data = [(i, random.randint(50, 150)) for i in province]
_map = (
        Map()
        .add("销售额", data, "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-基本示例"),
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),
        )
    )

_map.render_notebook()
_map.render('地理数据图.html')

在这里插入图片描述
地理热点图

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
import random
province = ['武汉', '十堰', '鄂州', '宜昌', '荆州', '孝感', '黄石', '咸宁', '仙桃']
data = [(i, random.randint(50, 150)) for i in province]
geo = (Geo().
        add_schema(maptype="湖北")
        .add("门店数", data,type_=ChartType.HEATMAP)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(),
            legend_opts=opts.LegendOpts(is_show=False),
            title_opts=opts.TitleOpts(title="Geo-湖北热力地图"))
      )
geo.render_notebook()
geo.render('地理热力图.html')

在这里插入图片描述
3D散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter3D
from pyecharts.faker import Faker
import random
data = [(random.randint(0, 100), random.randint(0, 100), random.randint(0, 100))
        for _ in range(80)]
scatter3D = (Scatter3D()
             .add("", data)
             .set_global_opts(
                 title_opts=opts.TitleOpts("Scatter3D-基本示例"),
                 visualmap_opts=opts.VisualMapOpts(range_color=Faker.visual_color))
            )
scatter3D.render_notebook()
scatter3D.render('3D散点图.html')

在这里插入图片描述

isSamle
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python 箱线图_如何利用python 的pyecharts绘制箱线图？
weixin_39719749的博客
12-07 1294
pyecharts绘制箱线图需要用prepare_data() 将传入的列表中的数据转换为的 [min, Q1, median (or Q2), Q3, max]。有多个列表的，分别转换。1.导入Boxplot库。from pyecharts import Boxplot2.这里以两个班级的成绩数据为例。x_axis=['1班','2班']y1=[78, 98, 56, 78, 90, ...
ecahrtss实现环形进度条
qq_42628504的博客
01-28 533
option = { title: [ { text: '已完成', x: 'center', top: '55%', textStyle: { color: '#FFFFFF', fontSize: 16, fontWeight: '100', }, .
2022，这些大屏可视化素材，够你用一整年了（附可视化素材包）
热门推荐
帆软商业智能技术
01-07 1万+
美观好用的可视化报表能帮助用户更容易洞察到数据背后的趋势。而想要做出一张可视化报表，模板背景、组件背景、标题背景、边框等是必要的素材。 很多人苦于不知道去哪找这些图片素材。今天，帆软君就帮大家整理了一批常用的图片素材，无版权风险，可随意取用！ ps：文末可获得完整素材包噢~ 1、模版背景图 普通模版背景 长屏幕模版背景 2、大标题背景图 3、组件背景图 4、组件标题背景图 5、图标及分割线 图标 分割线 6、大屏特效背景 除了静态图片素材，通过JS和一些插件还可以实现如下的大屏动态背景，参考
超全面设计指南：如何做大屏数据可视化设计
weixin_30485379的博客
12-29 4838
文章结构及思维导图： 一、基础概念 1. 什么是数据可视化 把相对复杂、抽象的数据通过可视的方式以人们更易理解的形式展示出来的一系列手段叫做数据可视化，数据可视化是为了更形象地表达数据内在的信息和规律，促进数据信息的传播和应用。 在当前新技术支持下，数据可视化除了“可视”，还可有可交流、可互动的特点。数据可视化的本质是数据空间到图形空间的映射，是抽象数据的具象表达。 数据可...
数据可视化大屏数据显示模板html
02-09
数据可视化大屏数据显示模板html，html+css
HTML+CSS+JS数据可视化大屏平台模板实例21-大数据可视化通用模板
03-25
HTML+CSS+JS数据可视化大屏平台模板实例21是一个专为大数据可视化设计的通用模板，它结合了三种核心技术：HTML、CSS和JavaScript，来创建交互式且具有吸引力的数据展示界面。这种模板对于数据分析、监控和决策支持...
前端数据可视化大屏-echarts数字大屏模版-监控预警平台-直接可对接数据
04-13
本文将深入探讨“前端数据可视化大屏”这一主题，重点关注使用ECharts库构建数字大屏模板以及其在监控预警平台中的应用。 首先，让我们了解“前端数据可视化大屏”。这是一个专门用于展示大量复杂数据的交互式界面...
45款超宽科技大屏数据可视化展示统计分析UI界面AI矢量分层模板.zip
09-11
例如，在智慧城市项目中，可能需要实时显示交通流量、环境质量、公共服务状态等多种数据，大屏可视化能确保信息的即时传达。 AI矢量分层模板的优势在于其灵活性和清晰度。矢量图形可以无限缩放而不会失真，这意味着...
092 酷炫大屏数据可视化模板_大屏幕展屏（html源码）.rar
04-29
2. 前端技术：这个大屏数据可视化模板运用了前端技术，包括CSS（层叠样式表）和JavaScript，用于控制网页的样式和交互性。CSS允许开发者定制颜色、布局和动画效果，使得展示更加酷炫。JavaScript则负责处理动态更新...
30套数据可视化源码示例(数据大屏模板).rar
12-12
"30套数据可视化源码示例(数据大屏模板).rar" 是一个压缩包，包含了30个不同的数据可视化大屏模板，适用于多个行业，对于学习和应用数据可视化技术的人来说，这是一个宝贵的资源库。 首先，我们来了解一下数据可视...
LED 大屏幕图片生成器
12-26
LED 大屏幕需要图片格式的文件予以显示条幅等，此工具可以自动生成图片（BMP格式）并且能够保存下来。
数据可视化大屏Echarts，这里就是你想要的数据可视化大屏
04-29
数据可视化大屏+Echarts+HTML+vscode开发环境，数据可视化大屏Echarts，柱状图、折线图、饼图、中国地图怎么使用。
大数据可视化模板
05-07
基于ECHARTS的大屏可视化展示模板，可以直接用于项目开发
matplotlib+seaborn几种可视化图的模板
shelgi的博客
01-07 1429
无论是数据分析还是写论文报告，我们都离不开数据可视化这一步，但是平时简单的图形又显得单调乏味，所以准备写一篇博客把几种常用的可视化图放上，以后使用的时候套模板借鉴就好 2.代码+可视化图形 首先是一些最基本需要导入的库，另外的会在不同的代码中另外添加 import pandas as pd import numpy as np import matplotlib import matplotlib...
echarts解决一些大屏图形配置方案汇总
weixin_30815469的博客
06-25 611
本文主要记录使用echarts解决各种大屏图形配置方案。 1、说在前面 去年经常使用echarts解决一些可视化大屏项目，一直想记录下使用经验，便于日后快速实现。正好最近在整理文档，顺道一起记录在博客中。 2、基本使用 Echarts3.0是通过配置实现图形的，根据不同的配置或者组合配置生成想要的图形。后面主要介绍options中的配置内容。 setOption // dom表示对应的dom节点，...
jsp页面整合ECharts绘制图表(以折线图为例)
ClearZero的博客
03-09 2126
文章目录jsp页面整合ECharts绘制折线图先看效果图前端代码后端测试代码 jsp页面整合ECharts绘制折线图 官网: https://echarts.apache.org/zh/index.html 官网上有demo可以直接调试样式。 话不多说, 直接上代码, 因为好久没写过jsp页面, 语法、用法啥的可能都比较糙, 主要参考整合ECharts的js代码部分, 我是为了方便调试, js直接放在了jsp页面中。 先看效果图 这个是下面 interval: 1 时的显示样式, x轴数据太多的话可以跳几
20套大屏可视化模板大放送，分分钟做出酷炫的可视化大屏不是梦
amsonga的博客
09-16 4424
犹记得好莱坞大片《摩天营救》中，监控中心的全方位展示屏幕给人印象深刻，而这种立体化大屏幕似乎已成了科幻电影大片的标配。其实，这种逼格很高的镜头就是一个数据可视化大屏。如今在会议展厅、园区管理、城市交通调度中心、企业生产监控等重要场所，数据可视化大屏已经愈加彰显商业价值。 网络图片 看起来高大上的东东都是比较难的，我们很多人会下意识地这么认为，这些数据可视化都是一些大神的玩法，自己只能默默地仰望高端大玩家。 的确，对于大多数人来说呢，如果缺乏一定的设计手法，做出来的可视化数据可能只能到达Excel的
整理了20个数据可视化大屏，源码限时领取！
zandaoguang的博客
06-06 3224
文末获取源码最近有不少小伙伴问小编：有没有数据可视化大屏模板，而且要B格很高的。立马安排。给大家整理了一波。下载到本地后，直接运行文件夹中的index.html，即可看到大屏。以下是部分截...
大屏数据可视化 免费html模板下载
最新发布
08-17
大屏数据可视化是指将大量的数据通过图表、图形等可视化方式展示出来，以便用户更直观地理解和分析数据。在数据可视化中，使用适当的工具和技术可以大大提高数据分析的效率和准确性。 对于需要进行大屏数据可视化的用户而言，免费html模板的下载则是一个非常便捷和经济的选择。通过下载免费html模板，用户可以获得一套已经设计好的数据可视化模板，其中包含了各种常见的图表和图形的样式和布局。用户只需要将自己的数据填充进去，就可以快速地创建出一套专业水平的大屏数据可视化界面。 免费html模板的下载不仅节省了用户的时间和精力，还可以避免重复建设和设计的成本。通常情况下，数据可视化的设计需要考虑到数据的呈现方式、用户交互和界面美观等因素，这需要设计师和开发人员花费较多的时间和精力。而下载免费html模板则可以直接使用别人已经设计好的界面和交互效果，减少了自行设计的过程，从而更快速地完成大屏数据可视化的建设。 综上所述，对于需要进行大屏数据可视化的用户，免费html模板的下载可以提供方便快捷的建设方式，节省时间和成本，并且还可以获得专业水平的可视化界面。因此，免费html模板下载是一个值得推荐的选择。

“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
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

打赏作者

isSamle

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