20个精美图表，教你玩转Pyecharts可视化

最新推荐文章于 2023-12-14 00:40:31 发布
最新推荐文章于 2023-12-14 00:40:31 发布
阅读量1.3k 收藏 31
点赞数 1
文章标签： 数据可视化 可视化 甘特图 tooltip vc++
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_43373042/article/details/120715076
版权

再继上一篇Pyecharts相关的教程内容之后，本篇文章我们将继续聚焦Pyecharts模块并且用它来绘制精美的图表，希望读者在看完之后会有不少收获

01

内嵌饼状图

内接一个环状的饼图，里面还有一个饼状的图

(
    Pie()
    .add(
        series_name="访问来源",
        data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=[0, "30%"],
        label_opts=opts.LabelOpts(position="inner"),
    )
    .add(
        series_name="访问来源",
        radius=["40%", "55%"],
        data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],
    )
    .set_global_opts(legend_opts=opts.LegendOpts(pos_left="15%", orient="vertical", pos_top="10%"))
    .set_series_opts(
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
)
    )
    .render("nested_pies.html")
)

49546b90382932753830377ba9f9f3be.png

02

环形饼图

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=["50%", "75%"],
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pie-radius示例"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("pie_radius_test.html")
)

2399c5bc59549993733eb8840c9c32e0.png

03

玫瑰式饼状图

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(Faker.choose(), Faker.values())],
        radius=["40%", "75%"],
        center=["35%", "50%"],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="饼图-玫瑰图示例"))
    .render("pie_rosetype_test.html")
)

01cd43259d91096a3ec92b80d4bfca7a.png

04

多个饼状图合集

c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(["古装", "其他"], [35, 65])],
        center=["20%", "30%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["动作", "其他"], [24, 76])],
        center=["55%", "30%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["爱情", "其他"], [10, 90])],
        center=["20%", "70%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .add(
        "",
        [list(z) for z in zip(["惊悚", "其他"], [20, 80])],
        center=["55%", "70%"],
        radius=[50, 80],
        label_opts=new_label_opts(),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pie-多饼图基本示例"),
        legend_opts=opts.LegendOpts(
            type_="scroll", pos_top="30%", pos_left="70%", orient="vertical"
        ),
    )
    .render("mutiple_pie.html")
)

c5605ec93698a6fe7a68922dddef33ff.png

05

雷达图

雷达图可以帮助我们查看各个维度之下的数据情况，例如

c = (
    Radar()
    .add_schema(
        schema=[
            opts.RadarIndicatorItem(name="A", max_=8500),
            opts.RadarIndicatorItem(name="B", max_=15000),
            opts.RadarIndicatorItem(name="C", max_=35000),
            opts.RadarIndicatorItem(name="D", max_=38000),
            opts.RadarIndicatorItem(name="E", max_=55000),
            opts.RadarIndicatorItem(name="F", max_=25000),
        ]
    )
    .add("计划设想", v1)
    .add("实际情况", v2)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        legend_opts=opts.LegendOpts(),
        title_opts=opts.TitleOpts(title="雷达图示例"),
    )
    .render("radar_test.html")
)

a574824d19c7c73527c9ecd636fecbf1.png

06

散点图

(
    Scatter()
    .add_xaxis(xaxis_data=Faker.choose())
    .add_yaxis(
        series_name="",
        y_axis=Faker.values(),
        symbol_size=30,
        label_opts=opts.LabelOpts(is_show=True),
    )
    .set_series_opts()
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    .render("basic_scatter_chart.html")
)

b015b5be05d6bfbe2c2883d18f9fcbb0.png

07

散点图+渐变色

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), symbol_size=30,
               label_opts=opts.LabelOpts(is_show=True),)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图-颜色分段"),
        visualmap_opts=opts.VisualMapOpts(max_=150),
    )
    .render("scatter_visualmap_color_test.html")
)

13935ea826d58d24d1385585eb3e3267.png

或者我们根据数据的大小来改变散点的大小

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图-点状大小不同"),
        visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),
    )
    .render("scatter_visualmap_size_test.html")
)

207798fb5a6232e3acf1bf694edfdae7.png

08

象形柱状图

c = (
    PictorialBar()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        "",
        Faker.values(),
        label_opts=opts.LabelOpts(is_show=True),
        symbol_size=20,
        symbol_repeat="fixed",
        symbol_offset=[0, 0],
        is_symbol_clip=True,
        symbol=SymbolType.ROUND_RECT,
    )
    .reversal_axis()
    .set_global_opts(
        title_opts=opts.TitleOpts(title="象形柱状图示例"),
        xaxis_opts=opts.AxisOpts(is_show=True),
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=True),
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(opacity=0)
            ),
        ),
    )
    .render("pictorialbar_test.html")
)

f4226112bab768d8ef8b35d14eabc2ff.png

09

K线图+时间轴

c = (
    Kline()
    .add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)])
    .add_yaxis("K线图", data)
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts()],
        title_opts=opts.TitleOpts(title="k线图+时间轴示例"),
    )
    .render("k线图+时间轴_test.html")
)

0eba7fa6f755c872d4c2d4adc741748c.gif

当然这个时间轴既可以放在外面也可以放在里面

c = (
    Kline()
    .add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)])
    .add_yaxis("K线图", data)
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts(type_="inside")],
        title_opts=opts.TitleOpts(title="K线图+时间轴示例"),
    )
    .render("K线图+时间轴示例_inside.html")
)

1afd237324ed7f3a076aa64e95cd2e12.gif

10

区域地图

c = (
    Map()
    .add("商家A", [list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市",
                                       "金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"],
                                      Faker.values())], "浙江")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map浙江地图-Test"), visualmap_opts=opts.VisualMapOpts()
    )
    .render("map_zhejiang.html")
)

c197c8ebb13d185d20550a4f33011b58.gif

11

区域地图+热力图

c = (
    Geo()
    .add_schema(maptype="浙江")
    .add(
        "geo",
        [list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市",
                               "金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"], Faker.values())],
        type_=ChartType.HEATMAP,
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-浙江地图")
    )
    .render("geo_zhejiang.html")
)

f585f1043d7a34dc4a85d658054e3632.png

12

地图+颜色分段

c = (
    Map()
    .add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="地图 + 颜色分段（连续型）"),
        visualmap_opts=opts.VisualMapOpts(max_=150),
    )
    .render("map_visual_test.html")
)

2d99d6ba2845063e63b07664378efb1e.png

13

世界地图

c = (
    Map()
    .add("商家1", [list(z) for z in zip(Faker.country, Faker.values())], "world")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Pyecharts-世界地图"),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
    .render("map_world_test.html")
)

95fc0b06bff274f0ef7d0508ad66f007.gif

14

地图+散点图

地图+涟漪散点图的示例

c = (
    Geo()
    .add_schema(maptype="china")
    .add(
        "geo",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="地图+涟漪散点图示例"))
    .render("geo_effectscatter_test.html")
)

1abbcab7ae48ad28e6ff2c16b1d4b634.png

15

地图+方向箭头

c = (
    Geo()
    .add_schema(
        maptype="china",
        itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),
    )
    .add(
        "",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
        color="white",
    )
    .add(
        "geo",
        [("宁波", "南京"), ("宁波", "北京"), ("宁波", "兰州"), ("宁波", "拉萨"), ("宁波", "银川"), ("宁波", "武汉")],
        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="Geo-Lines-background"))
    .render("geo_lines_background_test.html")
)

175be839eeeb5ba34f85debf273324c1.gif

16

关系图

nodes = [
    opts.GraphNode(name="结点A", symbol_size=10),
    opts.GraphNode(name="结点B", symbol_size=30),
    opts.GraphNode(name="结点C", symbol_size=20),
    opts.GraphNode(name="结点D", symbol_size=50),
    opts.GraphNode(name="结点E", symbol_size=70),
]
links = [
    opts.GraphLink(source="结点A", target="结点B"),
    opts.GraphLink(source="结点B", target="结点C"),
    opts.GraphLink(source="结点C", target="结点D"),
    opts.GraphLink(source="结点D", target="结点E"),
    opts.GraphLink(source="结点E", target="结点A"),
]
c = (
    Graph()
    .add("", nodes, links, repulsion=2000)
    .set_global_opts(title_opts=opts.TitleOpts(title="关系图"))
    .render("graph_test1.html")
)

582151e362a91a6b6936f71bc5079f27.gif

17

柱状图+水印

pyecharts还可以给图表增添水印

c = (
    Bar(init_opts=opts.InitOpts(width='900px', height='600px'))
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(title=""),
        graphic_opts=graphics_lst,
    )
)
c.render("watermark.html")

402e52757fbd0f32fe1bcd521a37db3f.png

18

饼图+时间轴组件

我们可以在饼图下面加一个时间轴，看一下随着时间的变化，各个类目是怎么来变化的

attr = Faker.choose()
tl = Timeline()
for i in range(2015, 2022):
    pie = (
        Pie()
        .add(
            "商家A",
            [list(z) for z in zip(attr, Faker.values())],
            center=["50%", "50%"], radius=["40%", "60%"],
        )
        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
    )
    tl.add(pie, "{}年".format(i))
tl.render("timeline_pie_test.html")

392f9a9de5fc5dd8c6329e389833b441.gif

19

横向柱状图 + 时间轴组件

tl = Timeline()
for i in range(2015, 2022):
    bar = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家1", Faker.values(), label_opts=opts.LabelOpts(position="right"))
        .add_yaxis("商家2", Faker.values(), label_opts=opts.LabelOpts(position="right"))
        .reversal_axis()
        .set_global_opts(
            title_opts=opts.TitleOpts("时间轴 + 横向柱状图 (时间: {} 年)".format(i))
        )
    )
    tl.add(bar, "{}年".format(i))
tl.render("timeline_bar_reversal_test.html")

ee12d657b85aabb61d9a413e5e8ee631.gif

20

地图 + 时间轴组件

tl = Timeline()
for i in range(2015, 2022):
    map0 = (
        Map()
        .add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="{}年数据".format(i)),
            visualmap_opts=opts.VisualMapOpts(max_=200),
        )
    )
    tl.add(map0, "{}年".format(i))
tl.render("timeline_map.html")

18b09fb8df45a481e3d85cb1e9f467fe.gif

21

柱状图 + 自定义标识

有时候我们需要将最大、最小值以及平均值标识出来，于是乎

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="直方图 + 标识特殊值（指定类型）"))
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_="max", name="最大值"),
                opts.MarkPointItem(type_="min", name="最小值"),
                opts.MarkPointItem(type_="average", name="平均值"),
            ]
        ),
    )
    .render("bar_markpoint_test.html")
)

c19f8eed87f27340eafadaed2aafcb81.png

22

柱状图 + 渐变色

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), category_gap="50%")
    .set_series_opts(
        itemstyle_opts={
            "normal": {
                "color": JsCode(
                    """new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                offset: 0,
                color: 'rgba(0, 244, 255, 1)'
            }, {
                offset: 1,
                color: 'rgba(0, 77, 167, 1)'
            }], false)"""
                ),
                "barBorderRadius": [50, 50, 50, 50],
                "shadowColor": "rgb(0, 160, 221)",
            }
        }
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="圆角直方图-渐变圆柱示例"))
    .render("bar_border_test.html")
)

7eceec49bd473f7e32d41035b33052eb.png

HISTORY

/

往期推荐

Python一键生成国庆出行攻略，助你出门远游嗨不停！

年轻人如何才能实现年薪百万呢？用数据分析来帮你探探路

介绍如何用Python来绘制高清的交互式地图，建议收藏

国内最让人失望的景点有哪些？哪些景点冷门却又十分好玩、值得一去，数据来为你揭晓

分享、收藏、点赞、在看安排一下？

1065a69faf859808fe51c4504e741ce1.gif

ce787d8d5313dfe3f67b87186f12facb.gif

4b26cfa9d9ac75fd229298af4d2fff28.gif

cbccc81cf259f5eb4a8a3ab12cae6789.gif

欣一2002
关注
  • 1
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
「Python系列」Python pyecharts模块
日常笔记/总结/系列知识梳理
03-01 1363
ECharts 是一个使用 JavaScript 实现的，开源的可视化库，可以运行在浏览器和 Node.js 中。：如果你的 Python 安装中没有包含 pip，你需要先安装 pip。是一个用于生成 ECharts 图表的 Python 库，它凭借一些独特的特点和功能，为数据可视化提供了丰富的可能性。或者，如果你使用的是 Python 3，并且系统中同时存在 Python 2 和 Python 3，你可能需要使用。：首先，你需要确保你的系统中已经安装了 Python。，你需要先安装这个库。
python+pyecharts生成网页可视化图表
06-10
python+pyecharts生成网页可视化图表，同一张网页生成多个图标
ECHARTS模板
03-18
4个ECHARTS模板，基于大数据DASHBOARD的几个漂亮的ECHART模板，
pyecharts的一些用法和示例及效果展示（不定更新）
学习笔记
02-12 1120
pyecharts的一些用法1.geo-地图2.map-地图 1.geo-地图 from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import GeoType import os g0 = Geo() g0.add_schema(maptype="杭州") # 选定地图的范围 g0.add_coordinate("萧山城厢街道", 120.01, 30.29) #
Pyecharts实例
2302_76713122的博客
12-14 128
四、利用pyecharts将以上实例并行多图（折线图和柱形图请看上一章发行代码说明）二、利用pyecharts绘制堆积图。一、利用pyecharts绘制圆环图。三、利用pyecharts绘制雷达图。
python的pyecharts绘制各种图表案例（代码+效果）
weixin_44947339的博客
02-05 1万+
说明 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。 今天我们就用jupyter notebook（工具）和pyecharts（库）绘制图形 阅读目录 一、Pyecharts绘制散点...
python数据分析及可视化（十三）pyecharts可视化（简介、特性、全局配置项、图形的绘制、多图布局）
hwwaizs的博客
11-04 5888
pyecharts可视化的简介、特性、全局配置项、图形的绘制、多图布局，需要多参考官方文档进行学习和修改
pyecharts绘制各种数据可视化图表案例（效果+代码）
weixin_61370021的博客
06-08 1万+
python利用pyecharts绘制各种基本图表，玫瑰图、饼图、柱形图、雷达图、中国地图、世界地图、词云图、嵌套饼图、散点图、折线图、柱形折线组合图
pyecharts模块的几个经典案例（python经典编程案例）
热门推荐
数据知道的博客
11-05 2万+
一. pyecharts概述 pyecharts是基于ECharts图表库开发的python第三方模块。 ECharts是一个纯JavaScript的商业级图表库，兼容当前绝大部分浏览器，能够创建类型丰富，精美生动，可交互，可高度个性化定制的数据可视化效果。 安装：pip3 install pyecharts 二. 案例 2.1 图表配置项 from pyecharts import options as opts from pyecharts.charts import Bar from pyechart
几个好看的echarts表格效果
weixin_43807981的博客
09-10 4753
option代码 init3() { let myChart = this.$echarts.init(document.getElementById("main3")); let option = { backgroundColor: "rgba(0,0,0,0)", title: { text: "单位/kg", textStyle: { color: "#a8aab0....
PyEcharts应用教程及实例
SeekforU的博客
12-22 4323
ECharts是一款基于JavaScript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。ECharts最初由百度团队开源，并于2018年初捐赠给Apache基金会，成为ASF孵化级项目。 ECharts官网：Apache ECharts PyEcharts 是一个用于生成 Echarts 图表的类库。 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，PyEcharts 诞生了。 目录 一、安装 二、操作 1、折线图（柱状图、.
ECharts中的一些小技巧：创建漂亮的图表
GnqEditor的博客
09-16 161
ECharts是一个强大且灵活的JavaScript图表库，它可以帮助您创建各种类型的交互式图表和数据可视化。除了基本的图表功能外，ECharts还提供了一些小技巧和技巧，可以帮助您增强和定制您的图表。通过自定义主题、数据筛选和过滤、动画效果、标签和提示框的格式化以及图表导出功能，您可以创建出漂亮和交互性强的图表。在ECharts中，您可以使用数据筛选和过滤功能来动态显示或隐藏图表中的数据。通过自定义主题，您可以根据自己的需求来定义图表的颜色、字体和其他样式。方法来实现图表的导出。
pyecharts可视化大屏，可拖拽布局！
04-17
本资源为pyecharts数据可视化大屏，含用法说明，可视化大屏源码。可以根据自己需求修改数据和样式，制作自己需要的数据可视化大屏。
数据可视化-基于Pyecharts制作电商销售数据可视化图表
最新发布
04-22
数据可视化-基于Pyecharts制作电商销售数据可视化图表
一些好看的VUE-Echart图表（柱状图、折线图、饼图）
hwlll的博客
08-24 2572
一些好看的echarts图表
如何使用ECharts绘制甘特图
acheding的博客
10-08 2万+
本文将从是什么(What)、为什么(Why)、怎么做(How)三个方面讲述如何使用ECharts绘制甘特图。
小程序 - ECharts，画出好看的图表
weixin_43166227的博客
12-12 1066
简介 为了兼容小程序 Canvas，ECharts官方提供了一个小程序的组件，用这种方式可以方便地使用 ECharts。该项目是ECharts微信小程序版本，包含小程序组件和使用的示例。开发者可以通过熟悉的 ECharts 配置方式，快速开发图表，满足各种可视化需求。 ec-canvas 是ECharts提供的组件，其他文件是如何使用该组件的示例。 ec-canvas 目录下有一个 echarts.js，可以自行从 ECharts 项目中下载最新发布版。默认的echarts.js文件较大，可以从官网自定义
好看的Echarts实例
爱飞的小飞的博客
09-26 4089
好看的Echarts实例 连接 http://gallery.echartsjs.com/explore.html
pyecharts可视化大屏
05-20
Pyecharts 是一个基于 Python 语言的数据可视化库，可以用于创建各种类型的图表和大屏数据可视化。下面是创建 Pyecharts 可视化大屏的一些步骤： 1. 安装 Pyecharts：使用 pip install pyecharts 命令安装 ...

“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
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