【Python数据分析】利用Python中的pyecharts制作—不同的折线图

于 2025-04-22 15:15:00 发布
阅读量1.1k 收藏 9
点赞数 26
分类专栏： 可视化 文章标签： python 数据分析 开发语言 信息可视化 python数据分析 python可视化 数据挖掘
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_42636075/article/details/147404313
版权

目录

专栏导读

  • 🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

  • 🏳️‍🌈 博客主页：请点击——> 一晌小贪欢的博客主页求关注

  • 👍 该系列文章专栏：请点击——>Python办公自动化专栏求订阅

  • 🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏求订阅

  • 📕 此外还有python基础专栏：请点击——>Python基础学习专栏求订阅

  • 文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏

  • ❤️ 欢迎各位佬关注！ ❤️

前言

Pyecharts是一个基于Echarts的Python可视化库，可以用Python语言轻松地生成各种交互式图表和地图。它支持多种图表类型，包括折线图、柱状图、散点图、饼图、地图等，并且可以通过简单的API调用实现数据可视化。

Pyecharts的优点包括：

  • 1. 简单易用：Pyecharts提供了简单易用的API，可以轻松地生成各种图表和地图。
  • 2. 丰富的图表类型：Pyecharts支持多种图表类型，包括折线图、柱状图、散点图、饼图、地图等。
  • 3. 交互式可视化：Pyecharts生成的图表可以进行交互式操作，包括缩放、拖拽、数据筛选等。
  • 4. 支持多种数据格式：Pyecharts支持多种数据格式，包括CSV、JSON、Excel等。
  • 5. 可扩展性强：Pyecharts可以与其他Python库和框架集成，如Pandas、Flask、Django等。
总之，Pyecharts是一个功能强大、易于使用的Python可视化库，可以帮助开发者快速生成各种交互式图表和地图。可以帮助开发者快速生成各种交互式图表和地图

1. 库的安装

pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple/

2. 基础折线图

  • 最基本的折线图展示一组数据随时间变化的趋势。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
y_data = [150, 230, 224, 218, 135, 147, 260]

# 创建折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销售额", y_data)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="基础折线图"),
        yaxis_opts=opts.AxisOpts(name="销售额(元)"),
        xaxis_opts=opts.AxisOpts(name="星期"),
    )
)

line.render("basic_line_chart.html")

3. 多系列折线图

在这里插入图片描述

  • 在同一图表中展示多个数据系列，便于比较。 
from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7]
y_data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7]
y_data3 = [3.2, 6.5, 10.3, 29.2, 32.5, 82.7]

# 创建多系列折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("产品A", y_data1)
    .add_yaxis("产品B", y_data2)
    .add_yaxis("产品C", y_data3)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="多系列折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(万件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
    )
)

line.render("multi_series_line_chart.html")

4. 平滑曲线折线图

在这里插入图片描述

  • 将折线图的棱角变为平滑的曲线，使图表更加美观。 
from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7]

# 创建平滑曲线折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "销量",
        y_data,
        is_smooth=True,  # 开启平滑曲线
        linestyle_opts=opts.LineStyleOpts(width=4)  # 设置线宽
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="平滑曲线折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(万件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
    )
)

line.render("smooth_line_chart.html")

5. 面积折线图

  • 在折线下方填充颜色，形成面积图，更突出数据量的变化。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7]

# 创建面积折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "销量",
        y_data,
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),  # 设置面积样式
        linestyle_opts=opts.LineStyleOpts(width=4)
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="面积折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(万件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
    )
)

line.render("area_line_chart.html")

6. 堆叠折线图

  • 多个数据系列堆叠在一起，展示总量的同时也能看到各部分的贡献。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data1 = [120, 132, 101, 134, 90, 230]
y_data2 = [220, 182, 191, 234, 290, 330]
y_data3 = [150, 232, 201, 154, 190, 330]

# 创建堆叠折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "产品A",
        y_data1,
        stack="总量",  # 设置堆叠组
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
    )
    .add_yaxis(
        "产品B",
        y_data2,
        stack="总量",
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
    )
    .add_yaxis(
        "产品C",
        y_data3,
        stack="总量",
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="堆叠折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
    )
)

line.render("stacked_line_chart.html")

7. 带有标记点的折线图

  • 在数据点上添加标记，突出显示关键数据。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7]

# 创建带标记点的折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "销量",
        y_data,
        symbol="circle",  # 设置标记点形状
        symbol_size=10,   # 设置标记点大小
        label_opts=opts.LabelOpts(is_show=True)  # 显示数据标签
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="带标记点的折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(万件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
    )
)

line.render("marked_line_chart.html")

8. 动态数据折线图

  • 展示数据随时间动态变化的折线图。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据
x_data = ["1月", "2月", "3月", "4月", "5月", "6月"]
y_data = [[random.randint(1, 100) for _ in range(6)] for _ in range(5)]
categories = ["产品A", "产品B", "产品C", "产品D", "产品E"]

# 创建动态数据折线图
line = (
    Line()
    .add_xaxis(x_data)
)

for idx, name in enumerate(categories):
    line.add_yaxis(
        name,
        y_data[idx],
        label_opts=opts.LabelOpts(is_show=False),
        linestyle_opts=opts.LineStyleOpts(width=3)
    )

line.set_global_opts(
    title_opts=opts.TitleOpts(title="动态数据折线图"),
    yaxis_opts=opts.AxisOpts(name="销量(件)"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    tooltip_opts=opts.TooltipOpts(trigger="axis"),
    datazoom_opts=[opts.DataZoomOpts()]  # 添加数据缩放组件
)

line.render("dynamic_line_chart.html")

9. 带有数据缩放的折线图

  • 对于数据点较多的折线图，添加数据缩放功能可以方便查看细节。

在这里插入图片描述

from pyecharts.charts import Line
from pyecharts import options as opts
import random

# 准备数据 - 生成一年的数据
x_data = [f"{i+1}月" for i in range(12)]
y_data = [random.randint(100, 1000) for _ in range(12)]

# 创建带数据缩放的折线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "销量",
        y_data,
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_="max", name="最大值"),
                opts.MarkPointItem(type_="min", name="最小值")
            ]
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="带数据缩放的折线图"),
        yaxis_opts=opts.AxisOpts(name="销量(件)"),
        xaxis_opts=opts.AxisOpts(name="月份"),
        datazoom_opts=[
            opts.DataZoomOpts(),  # 内置型数据区域缩放
            opts.DataZoomOpts(type_="inside")  # 内置型数据区域缩放
        ]
    )
)

line.render("datazoom_line_chart.html")

10. 极坐标折线图

  • 将折线图显示在极坐标系中，适合展示周期性数据。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Polar
from pyecharts.faker import Faker

# 创建极坐标折线图
polar = (
    Polar()
    .add_schema(
        radiusaxis_opts=opts.RadiusAxisOpts(data=Faker.week, type_="category")
    )
    .add(
        "A",
        [1, 2, 3, 4, 3, 5, 1],
        type_="line",
        itemstyle_opts=opts.ItemStyleOpts(color="red"),  # 设置颜色
        symbol="circle",
        symbol_size=8
    )
    .add(
        "B",
        [2, 4, 6, 1, 3, 2, 1],
        type_="line",
        itemstyle_opts=opts.ItemStyleOpts(color="blue"),  # 设置颜色
        symbol="triangle",
        symbol_size=8
    )
    .add(
        "C",
        [1, 2, 3, 4, 1, 2, 5],
        type_="line",
        itemstyle_opts=opts.ItemStyleOpts(color="green"),  # 设置颜色
        symbol="diamond",
        symbol_size=8
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="极坐标折线图"))
)

polar.render("polar_line_chart.html")

总结

  • 希望对初学者有帮助

  • 致力于办公自动化的小小程序员一枚

  • 希望能得到大家的【一个免费关注】！感谢

  • 求个 🤞 关注 🤞

  • 此外还有办公自动化专栏，欢迎大家订阅：Python办公自动化专栏

  • 求个 ❤️ 喜欢 ❤️

  • 此外还有爬虫专栏，欢迎大家订阅：Python爬虫基础专栏

  • 求个 👍 收藏 👍

  • 此外还有Python基础专栏，欢迎大家订阅：Python基础学习专栏

python+re正则表达式匹配指定10位整数 \ 小数 \ 整数
weixin_42636075的博客
04-04 1501
python+re正则表达式匹配整数和小数 re匹配整数可指定位数 re匹配小数
Python数据可视化 Pyecharts 制作 Line 折线、面积图
Mr数据杨
04-02 4万+
大家好，我是Mr数据杨。记得在三国时期，为了帮助刘备取得荆州，诸葛亮和周瑜联手布下“连环计”，诱使曹操放走了刘备，此举犹如精妙绝伦的折线图，将荆州从曹操的手中安全地移交到刘备的手中。在这个过程中，刘备的兵力如同折线图的Y轴，各个城市则可视为X轴。周瑜与诸葛亮的联手，犹如设定的坐标轴，为整个战局铺设出基础。周瑜与诸葛亮的谋略，就如同设置的数据项，每一个城市的争夺、每一场战斗的胜负，都形成了一次次的数据变化，折线的起伏不定就像是这场战争的激烈程度。以一个Demo来看看如何形成一幅完整的折线图。
7-Zip批量压缩
11-21
添加7-Zip右键菜单批量压缩，把每个文件放到单独的压缩文件中。
7-zip 批量压缩文件夹工具 by Pia1024
03-12
多资料夹批量压缩成7zip: 将执行目录下的所有资料夹分别压缩为单一的7zip压缩档,预设为最大化压缩,需要安装7-zip于下面位置 C:\Program Files\7-Zip\7z.exe D:\Program Files\7-ZipPortable\App\7-Zip64\7z.exe
【Python】openpyxl单元格合并
ovejur的专栏
04-06 9452
from openpyxl import Workbook wb = Workbook() ws = wb.active # 需要合并的左上方和右下方单元格坐标 ws.merge_cells(range_string='A1:B3') ws.merge_cells(start_row=5, start_column=4, end_row=8, end_column=8) # 单元格取消合并使用unmerge_cells ws.unmerge_cells(range_string='A1:B3') .
7-zip 批量单个压缩.zip
07-01
因为最近需要压缩许多文件夹和文件，一个一个手工压缩太累了，于是就写了一个批处理文件，放在文件所在目录下，双击就可以自动全部压缩完了，不会对已经是如.7z .zip .rar的压缩文件压缩，注意，压缩完之后会自动删除原文件和文件夹，使用方法在压缩包中。
Python数据可视化 Pyecharts 制作 Line3D 3D折线图
Mr数据杨
06-15 3万+
大家好，我是Mr数据杨。想象一下，郭嘉正在用Python为曹操分析各路诸侯的兵力走势。Line3D作为郭嘉手中的神兵利器，能够以三维折线图形式直观地展示每个诸侯国家的兵力变化，其在时间、地点和数量三个维度的波动一览无遗。这个图就像是一幅历史的长卷，将三国历年来的动荡局面绘制出来。基本设置，就如同军师为主公摆开的战场大盘，它决定了这个3D折线图的基础框架。是否开启动画，展示的颜色，以及初始的视角位置，都在这里一一设定。坐标轴设置，它就像是兵种的部署，决定了战场上士兵的分布和行进方向。
Python数据可视化 Pyecharts 制作 Map 地图
热门推荐
Mr数据杨
04-14 4万+
大家好，我是Mr数据杨。想象一下，作为一名军师，如诸葛亮或郭嘉，'Map’就如同那战争的沙盘，兵马行动的轨迹，都需要准确的地图作为基础。‘基本设置’，就如同摆设这张战争沙盘，规定棋子的起始位置。‘数据配置选项’和’地图数据项’，就好比是军师们手中的情报，了解各路诸侯的兵力、粮草、地形等重要信息，以便于他们更好地布局。‘Demo’则代表着练兵之地，军师们可以在此基于已有数据，试验各种战术。
【Python数据可视化源码实例Pyecharts库集合】折线图.zip
07-12
【Python数据可视化源码实例Pyecharts库集合】折线图.zip这个压缩包文件主要包含的是使用Python的Pyecharts库进行数据可视化的具体代码示例，特别关注的是折线图的绘制。Pyecharts是一个强大的工具，它使得在Python...
Python数据可视化 Pyecharts 制作 Effectscatter 涟漪散点图
Mr数据杨
03-15 3万+
大家好，我是Mr数据杨，在这里就如同三国演义的战场，数据与算法争霸，智者制胜。让我以涟漪特效散点图（EffectScatter）为例，解读三国般的数据世界。涟漪特效散点图，如其名就像是三国战场上的烽火连天。想象一下，曹操、刘备、孙权分布在江山地理之坐标轴上，他们就像散点图上的数据点，每个领导的实力，每个势力的范围，就是涟漪特效的展现。基本设置就好比战略布局。以赤壁之战为例，周瑜的火攻策略，就像在散点图的基本设置中定义点的大小，颜色，以及是否显示等属性。这些都是影响战局，也即数据视觉呈现的关键元素。
python操作Mysql/openpyxl实现excel单元格合并
03-07
本demo学习python操作mysql与openpyxl实现数据库数据读取写入excel，excel操作实现单元格合并。
7zip批量压缩-把每个文件放到单独的压缩文件中
12-24
在右键增加操作菜单 把每个文件放到单独的压缩文件中
7zip批量压缩程序V1.0 - 用于批量压缩文件.
11-05
这个是用vs2008 MFC 写的一个很简单的程序,用于批量压缩文件(格式为7z). 其实只能算是 7zip 的另一个外壳罢了. 使用方法: 用鼠标拖拉文件到程序的"任务列表"中,点击"开始压缩"即可. 更加详细的说明请点击程序的 "其他说明" 按钮. (因为当初开发的目的是方便自己整理电脑的资料用的,所以,一切以方便易用为前提,什么界面啊,布局啊,这些就没有怎么注意了.) 注意: 1)这个程序实际上是调用 7z.exe 进行压缩的,所以,请先下载 7zip 这个程序安装后,再使用. 2)这个程序只提供批量压缩,不提供解压. 3)开发环境是vs2008,MFC,所以,可能需要先安装vs2008的C++运行库. 4)这个压缩包里面只有exe文件,没有源代码(其实程序很简单的,会MFC就写得出了). 5)欢迎对这个程序提提意见或建议.
python实现两张图片拼接为一张图片并保存
09-19
主要为大家详细介绍了python实现两张图片拼接为一张图片并保存，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
openpyxl合并单元格
m0_57793634的博客
07-24 2802
openpyxl合并单元格
TypeError: Object of type date is not JSON serializable
weixin_42547786的博客
12-09 3366
def test(request): queryset = models.EntInfo.objects.all() data = [] for i in queryset: p_tmp ={ "entName":i.entName, "entLevel":i.entLevel, "entSerialnumber":i.entSerialnumber, "opStatu.
json.dumps遇到TypeError: Object of type date is not JSON serializable
Python_Billy的博客
04-13 2446
从数据库读取数据然后转为json时遇到： TypeError: Object of type date is not JSON serializable TypeError: Object of type Decimal is not JSON serializable 等错误，发现需要在json.dumps()时传入一个参数，如下 class DateEncoder(json.JSONEncoder): def default(self, obj): # 处理返回数据中有date类
【附代码】Python Excel合并单元格（OpenPyXL） Pandas.DataFrame groupby样式保存xlsx
最新发布
ymzhu385的博客
02-19 4587
pandas groupby 后直接合并单元格保存Excel
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

小庄-Python办公

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