pyecharts数据可视化

最新推荐文章于 2024-05-08 11:46:30 发布
最新推荐文章于 2024-05-08 11:46:30 发布
阅读量1.5k 收藏 1
点赞数
分类专栏： 大数据 Python 数据大屏 文章标签： python
原文链接：https://www.cnblogs.com/lizm166/p/9449261.html
版权

Python3：pyecharts数据可视化插件

一、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。主要用于数据可视化。

二、安装

pip install pyecharts

在线安装不成功，采用离线插件whl安装：

（1）下载：pyecharts-0.1.9.4-py2.py3-none-any.whl

（2）然后进入到所咋的文件夹，执行安装命令：

D:\whl>pip install pyecharts-0.1.9.4-py2.py3-none-any.whl

三、示例

1，代码：

from pyecharts import Bar
bar =Bar("我的第一个图表", "这里是副标题")
bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])
bar.show_config()
bar.render()

2，效果：

3，分析：

　　Tip：可以按右边的下载按钮将图片下载到本地；

  • add()：主要方法，用于添加图表的数据和设置各种配置项

  • show_config()：打印输出图表的所有配置项

  • render()：默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 render(r"e:my_first_chart.html")，文件用浏览器打开。

　　默认的编码类型为 UTF-8，在 Python3 中是没什么问题的，Python3 对中文的支持好很多。但是在 Python2 中，编码的处理是个很头疼的问题，暂时没能找到完美的解决方法，目前只能通过文本编辑器自己进行二次编码，我用的是 Visual Studio Code，先通过 Gbk 编码重新打开，然后再用 UTF-8 重新保存，这样用浏览器打开的话就不会出现中文乱码问题了。

　　基本上所有的图表类型都是这样绘制的：

  1. chart_name = Type() 初始化具体类型图表。

  2. add() 添加数据及配置项。

  3. render() 生成 .html 文件。

四、图表类型

1，Bar（柱状图/条形图）

1.1 示例1：

复制代码 
from pyecharts import Bar
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[20, 40, 60, 80, 100, 120]
v2 =[10, 20, 30, 40, 120, 80]
bar =Bar("标记线和标记点示例")
bar.add("商家A", attr, v1, mark_point=["average"])
bar.add("商家B", attr, v2, mark_line=["min", "max"])
bar.render()
复制代码

 效果：

1.2 示例2：

复制代码 
from pyecharts import Bar
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[20, 40, 60, 80, 100, 120]
v2 =[10, 20, 30, 40, 120, 80]
bar =Bar("x 轴和 y 轴交换")
bar.add("商家A", attr, v1)
bar.add("商家B", attr, v2, is_convert=True)
bar.render()
复制代码

效果：

 

2，EffectScatter（带有涟漪特效动画的散点图）

复制代码 
#示例2：EffectScatter（带有涟漪特效动画的散点图）
from pyecharts import EffectScatter
v1 =[10, 20, 30, 40, 50, 60]
v2 =[25, 20, 15, 10, 60, 33]
es =EffectScatter("动态散点图示例")
es.add("effectScatter", v1, v2)
es.render()
es =EffectScatter("动态散点图各种图形示例")
es.add("", [10], [10], symbol_size=20, effect_scale=3.5, effect_period=3, symbol="pin")
es.add("", [20], [20], symbol_size=12, effect_scale=4.5, effect_period=4,symbol="rect")
es.add("", [30], [30], symbol_size=30, effect_scale=5.5, effect_period=5,symbol="roundRect")
es.add("", [40], [40], symbol_size=10, effect_scale=6.5, effect_brushtype='fill',symbol="diamond")
es.add("", [50], [50], symbol_size=16, effect_scale=5.5, effect_period=3,symbol="arrow")
es.add("", [60], [60], symbol_size=6, effect_scale=2.5, effect_period=3,symbol="triangle")
es.render()
复制代码

效果：

3，Funnel（漏斗图）

复制代码 
#示例四：Funnel（漏斗图）
from pyecharts import Funnel
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
value =[20, 40, 60, 80, 100, 120]
funnel =Funnel("漏斗图示例")
funnel.add("商品", attr, value, is_label_show=True, label_pos="inside", label_text_color="#fff")
funnel.render()
复制代码

效果：

4，Gauge（仪表盘）

复制代码 
#示例五： Gauge（仪表盘）
from pyecharts import Gauge 
gauge =Gauge("仪表盘示例")
gauge.add("业务指标", "完成率", 66.66)
gauge.show_config()
gauge.render()
复制代码

效果：

5，Geo（地理坐标系）

5.1 示例1：

复制代码 
#示例5： Geo（地理坐标系）
#5.1
from pyecharts import Geo 
data=[("海门",9),("鄂尔多斯",12),("招远",12),("舟山",12),("齐齐哈尔",14),("盐城",15),("赤峰",16),("青岛",18),("乳山",18),("金昌",19),("泉州",21),("莱西",21), ("日照",21),("胶南",22),("南通",23),("拉萨",24),("云浮",24),("梅州",25)]
geo=Geo("全国主要城市空气质量","data from pm2.5",title_color="#fff",title_pos="center",width=1200,height=600,background_color='#404a59')
attr,value=geo.cast(data)
geo.add("",attr,value,visual_range=[0,200],visual_text_color="#fff",symbol_size=15,is_visualmap=True)
geo.show_config()
geo.render()
复制代码

效果：

5.2 示例2：

复制代码 
#6.2
from pyecharts import Geo 
data =[("海门", 9), ("鄂尔多斯", 12), ("招远", 12), ("舟山", 12), ("齐齐哈尔", 14), ("盐城", 15)]
geo =Geo("全国主要城市空气质量", "data from pm2.5", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')
attr, value =geo.cast(data)
geo.add("", attr, value, type="effectScatter", is_random=True, effect_scale=5)
geo.show_config()
geo.render()
复制代码

效果：

6， Graph（关系图）

6.1 示例1：

复制代码 
#示例6：Graph（关系图）
#6.1
from pyecharts import Graph
nodes =[{"name": "结点1", "symbolSize": 10}, {"name": "结点2", "symbolSize": 20}, {"name": "结点3", "symbolSize": 30}, {"name": "结点4", "symbolSize": 40}, {"name": "结点5", "symbolSize": 50}, {"name": "结点6", "symbolSize": 40}, {"name": "结点7", "symbolSize": 30}, {"name": "结点8", "symbolSize": 20}]
links =[]
for i in nodes: 
    for j in nodes: 
        links.append({"source": i.get('name'), "target": j.get('name')})
        graph =Graph("关系图-环形布局示例")
        graph.add("", nodes, links, is_label_show=True, repulsion=8000, layout='circular', label_text_color=None)
        graph.show_config()
        graph.render()
复制代码

效果：

 

6.2 示例2：

复制代码 
#6.2
from pyecharts import Graph
import json 
with open("..jsonweibo.json","r",encoding="utf-8") as f:
    j =json.load(f)
nodes, links,categories,cont,mid,userl=jgraph=Graph("微博转发关系图", width=1200, height=600)
graph.add("",nodes,links,categories,label_pos="right", repulsion=50, is_legend_show=False, line_curve=0.2, label_text_color=None)
graph.show_config()
graph.render()
复制代码

效果：待测试

7，Line（折线/面积图）

7.1 示例1：

复制代码 
#示例7：Line（折线/面积图）
from pyecharts import Line
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[5, 20, 36, 10, 10, 100]
v2 =[55, 60, 16, 20, 15, 80]
line =Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average"])
line.add("商家B", attr, v2, is_smooth=True, mark_line=["max", "average"])
line.show_config()
line.render()
复制代码

效果：

7.2 示例2：

复制代码 
#7.2
from pyecharts import Line
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[5, 20, 36, 10, 10, 100]
v2 =[55, 60, 16, 20, 15, 80]
line =Line("折线图-阶梯图示例")
line.add("商家A", attr, v1, is_step=True, is_label_show=True)
line.show_config()
line.render()
复制代码

效果：

7.3 示例3：

复制代码 
#7.3
from pyecharts import Line
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[5, 20, 36, 10, 10, 100]
v2 =[55, 60, 16, 20, 15, 80]
line =Line("折线图-面积图示例")
line.add("商家A", attr, v1, is_fill=True, line_opacity=0.2, area_opacity=0.4, symbol=None)
line.add("商家B", attr, v2, is_fill=True, area_color='#000', area_opacity=0.3, is_smooth=True)
line.show_config()
line.render()
复制代码

效果：

8，Liquid（水球图）

8.1 示例1：

复制代码 
#8.1
from pyecharts import Liquid
liquid =Liquid("水球图示例")
liquid.add("Liquid", [0.6])
liquid.show_config()
liquid.render()
复制代码

效果：

8.2 示例2：

复制代码 
#8.2
from pyecharts import Liquid
liquid =Liquid("水球图示例")
liquid.add("Liquid", [0.6, 0.5, 0.4, 0.3], is_liquid_outline_show=False)
liquid.show_config()
liquid.render()
复制代码

效果：

8.3 示例3：

复制代码 
#8.3
from pyecharts import Liquid
liquid =Liquid("水球图示例")
liquid.add("Liquid", [0.6, 0.5, 0.4, 0.3], is_liquid_animation=False, shape='diamond')
liquid.show_config()
liquid.render()
复制代码

效果：

9，Map（地图）

9.1 示例1：

复制代码 
#9.1
from pyecharts import Map
value =[155, 10, 66, 78, 33, 80, 190, 53, 49.6]
attr =["福建", "山东", "北京", "上海", "甘肃", "新疆", "河南", "广西", "西藏"]
map=Map("Map 结合 VisualMap 示例", width=1200, height=600)
map.add("", attr, value, maptype='china', is_visualmap=True, visual_text_color='#000')
map.show_config()
map.render()
复制代码

效果：

9.2 示例2：

复制代码 
#9.2
from pyecharts import Map
value =[20, 190, 253, 77, 65]
attr =['汕头市', '汕尾市', '揭阳市', '阳江市', '肇庆市']
map=Map("广东地图示例", width=1200, height=600)
map.add("", attr, value, maptype='广东', is_visualmap=True, visual_text_color='#000')
map.show_config()
map.render()
复制代码

效果：

10，Parallel（平行坐标系）

复制代码 
#示例十一：Parallel（平行坐标系）
from pyecharts import Parallel
c_schema =[ {"dim": 0, "name": "data"}, {"dim": 1, "name": "AQI"}, {"dim": 2, "name": "PM2.5"}, {"dim": 3, "name": "PM10"}, {"dim": 4, "name": "CO"}, {"dim": 5, "name": "NO2"}, {"dim": 6, "name": "CO2"}, {"dim": 7, "name": "等级", "type": "category", "data": ['优', '良', '轻度污染', '中度污染', '重度污染', '严重污染']}]
data =[ [1, 91, 45, 125, 0.82, 34, 23, "良"], [2, 65, 27, 78, 0.86, 45, 29, "良"], [3, 83, 60, 84, 1.09, 73, 27, "良"], [4, 109, 81, 121, 1.28, 68, 51, "轻度污染"], [5, 106, 77, 114, 1.07, 55, 51, "轻度污染"], [6, 109, 81, 121, 1.28, 68, 51, "轻度污染"], [7, 106, 77, 114, 1.07, 55, 51, "轻度污染"], [8, 89, 65, 78, 0.86, 51, 26, "良"], [9, 53, 33, 47, 0.64, 50, 17, "良"], [10, 80, 55, 80, 1.01, 75, 24, "良"], [11, 117, 81, 124, 1.03, 45, 24, "轻度污染"], [12, 99, 71, 142, 1.1, 62, 42, "良"], [13, 95, 69, 130, 1.28, 74, 50, "良"], [14, 116, 87, 131, 1.47, 84, 40, "轻度污染"]]
parallel =Parallel("平行坐标系-用户自定义指示器")
parallel.config(c_schema=c_schema)
parallel.add("parallel", data)
parallel.show_config()
parallel.render()
复制代码

效果：

11， Pie（饼图）

11.1 示例1：

复制代码 
#11.1
from pyecharts import Pie
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[11, 12, 13, 10, 10, 10]
pie =Pie("饼图示例")
pie.add("", attr, v1, is_label_show=True)
pie.show_config()
pie.render()
复制代码

效果：

11.2 示例2：

复制代码 
#11.2
from pyecharts import Pie
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[11, 12, 13, 10, 10, 10]
v2 =[19, 21, 32, 20, 20, 33]
pie =Pie("饼图-玫瑰图示例", title_pos='center', width=900)
pie.add("商品A", attr, v1, center=[25, 50], is_random=True, radius=[30, 75], rosetype='radius')
pie.add("商品B", attr, v2, center=[75, 50], is_random=True, radius=[30, 75], rosetype='area', is_legend_show=False, is_label_show=True)
pie.show_config() 
pie.render()
复制代码

效果：

12，Polar（极坐标系）

12.1 示例1：

复制代码 
#12.1
from pyecharts import Polar
radius =['周一', '周二', '周三', '周四', '周五', '周六', '周日']
polar =Polar("极坐标系-堆叠柱状图示例", width=1200, height=600)
polar.add("A", [1, 2, 3, 4, 3, 5, 1], radius_data=radius, type='barRadius', is_stack=True)
polar.add("B", [2, 4, 6, 1, 2, 3, 1], radius_data=radius, type='barRadius', is_stack=True)
polar.add("C", [1, 2, 3, 4, 1, 2, 5], radius_data=radius, type='barRadius', is_stack=True)
polar.show_config()
polar.render()
复制代码

效果：

12.2 示例2：

复制代码 
#12.2
from pyecharts import Polar
radius =['周一', '周二', '周三', '周四', '周五', '周六', '周日']
polar =Polar("极坐标系-堆叠柱状图示例", width=1200, height=600)
polar.add("", [1, 2, 3, 4, 3, 5, 1], radius_data=radius, type='barAngle', is_stack=True)
polar.add("", [2, 4, 6, 1, 2, 3, 1], radius_data=radius, type='barAngle', is_stack=True)
polar.add("", [1, 2, 3, 4, 1, 2, 5], radius_data=radius, type='barAngle', is_stack=True)
polar.show_config()
polar.render()
复制代码

效果：

 

13，Radar（雷达图）

13.1 示例1：

复制代码 
#13.1
from pyecharts import Radar
schema =[ ("销售", 6500), ("管理", 16000), ("信息技术", 30000), ("客服", 38000), ("研发", 52000), ("市场", 25000)]
v1 =[[4300, 10000, 28000, 35000, 50000, 19000]]
v2 =[[5000, 14000, 28000, 31000, 42000, 21000]]
radar =Radar()
radar.config(schema)
radar.add("预算分配", v1, is_splitline=True, is_axisline_show=True)
radar.add("实际开销", v2, label_color=["#4e79a7"], is_area_show=False)
radar.show_config()
radar.render()
复制代码

效果：

13.2 示例2：

复制代码 
#13.2
from pyecharts import Radar
value_bj =[[55, 9, 56, 0.46, 18, 6, 1], [25, 11, 21, 0.65, 34, 9, 2], [56, 7, 63, 0.3, 14, 5, 3], [33, 7, 29, 0.33, 16, 6, 4]]
value_sh =[[91, 45, 125, 0.82, 34, 23, 1], [65, 27, 78, 0.86, 45, 29, 2], [83, 60, 84, 1.09, 73, 27, 3], [109, 81, 121, 1.28, 68, 51, 4]]
c_schema=[{"name": "AQI", "max": 300, "min": 5}, {"name": "PM2.5", "max": 250, "min": 20}, {"name": "PM10", "max": 300, "min": 5}, {"name": "CO", "max": 5}, {"name": "NO2", "max": 200}, {"name": "SO2", "max": 100}]
radar =Radar()
radar.config(c_schema=c_schema, shape='circle')
radar.add("北京", value_bj, item_color="#f9713c", symbol=None)
radar.add("上海", value_sh, item_color="#b3e4a1", symbol=None)
radar.show_config()
radar.render()
复制代码

效果：

14，Scatter（散点图）

14.1 示例1：

复制代码 
#14.1
from pyecharts import Scatter
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.add("B", v1[::-1], v2)
scatter.show_config()
scatter.render()
复制代码

效果：

 14.2 示例2：散点打印Pyecharts字体（先准备一张png图片）

复制代码 
from pyecharts import Scatter
scatter =Scatter("散点图示例")
v1, v2 =scatter.draw("pyecharts-0.png")
scatter.add("pyecharts", v1, v2, is_random=True)
scatter.show_config()
scatter.render()
复制代码

效果：

15， WordCloud（词云图）

 15.1 示例1：

复制代码 
#15.1
from pyecharts import WordCloud
name =['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications', 'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp', 'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham', 'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']
value =[10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112, 965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
wordcloud =WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.show_config()
wordcloud.render()
复制代码

效果：

15.2 示例2：

复制代码 
#15.2 
from pyecharts import WordCloud
name =['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications', 'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp', 'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham', 'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']
value =[10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112, 965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
wordcloud =WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[30, 100], shape='diamond')
wordcloud.show_config()
wordcloud.render()
复制代码

效果：

五、用户自定义

用户还可以自定义结合 Line/Bar 图表

需使用 get_series() 和 custom() 方法

get_series()：获取图表的 series 数据；

custom(series)：追加自定义图表类型；

series -> dict：追加图表类型的 series 数据；

先用 get_series() 获取数据，再使用 custom() 将图表结合在一起；

示例代码：

复制代码 
#示例：自定义图标类型
from pyecharts import Bar, Line
attr =['A', 'B', 'C', 'D', 'E', 'F']
v1 =[10, 20, 30, 40, 50, 60]
v2 =[15, 25, 35, 45, 55, 65]
v3 =[38, 28, 58, 48, 78, 68]
bar =Bar("Line - Bar 示例")
bar.add("bar", attr, v1)
line =Line()
line.add("line", v2, v3)
bar.custom(line.get_series())
bar.show_config()
bar.render()
复制代码

效果：

六、示例

6.1，用极坐标系画出一个爱心，代码：

复制代码 
#示例：用极坐标系画出一个爱心
import math 
from pyecharts import Polar
data =[]
for i in range(101):
    theta =i /100*360
    r =5*(1+math.sin(theta /180*math.pi)) 
    data.append([r, theta])
    hour =[i for i in range(1, 25)]
    polar =Polar("极坐标系示例", width=1200, height=600)
    polar.add("Love", data, angle_data=hour, boundary_gap=False,start_angle=0)
    polar.show_config()
    polar.render()
复制代码

效果：

6.2 用极坐标系画出一朵小花，代码：

复制代码 
import math
from pyecharts import Polar
data =[]
for i in range(361): 
    t =i /180*math.pi 
    r =math.sin(2*t) *math.cos(2*t) 
    data.append([r, i])
    polar =Polar("极坐标系示例", width=1200, height=600)
    polar.add("Flower", data, start_angle=0, symbol=None, axis_range=[0, None])
    polar.show_config()
    polar.render()
复制代码

效果：

6.3 涂上颜色的小红花，代码：

复制代码 
#示例：涂上颜色的小红花
import math 
from pyecharts import Polar
data =[]
for i in range(361):
    t =i /180*math.pi
    r =math.sin(2*t) *math.cos(2*t) 
    data.append([r, i])
    polar =Polar("极坐标系示例", width=1200, height=600)
    polar.add("Color-Flower", data, start_angle=0, symbol=None, axis_range=[0, None], area_color="#f71f24", area_opacity=0.6)
    polar.show_config()
    polar.render()
复制代码

效果：

6.4 用散点图画出一个爱心，代码：

from pyecharts import Scatter
scatter =Scatter("散点图示例", width=800, height=480)
v1 ,v2 =scatter.draw("love.png")
scatter.add("Love", v1, v2)
scatter.render()

效果：

6.5 用散点图画出一个火辣的 Bra，代码：

from pyecharts import Scatter
scatter =Scatter("散点图示例", width=1000, height=480)
v1 ,v2 =scatter.draw("cup.png")
scatter.add("Cup", v1, v2)
scatter.render()

效果：

6.6 某地最低温和最高气温折线图，代码：

复制代码 
from pyecharts import Line
attr =['周一', '周二', '周三', '周四', '周五', '周六', '周日', ]
line =Line("折线图示例")
line.add("最高气温", attr, [11, 11, 15, 13, 12, 13, 10], mark_point=["max", "min"], mark_line=["average"])
line.add("最低气温", attr, [1, -2, 2, 5, 3, 2, 0], mark_point=["max", "min"], mark_line=["average"], yaxis_formatter="°C")
line.show_config()
line.render()
复制代码

效果：

6.7 饼图嵌套，代码：

复制代码 
from pyecharts import Pie
pie =Pie("饼图示例", title_pos='center', width=1000, height=600)
pie.add("", ['A', 'B', 'C', 'D', 'E', 'F'], [335, 321, 234, 135, 251, 148], radius=[40, 55],is_label_show=True)
pie.add("", ['H', 'I', 'J'], [335, 679, 204], radius=[0, 30], legend_orient='vertical', legend_pos='left')
pie.show_config()
pie.render()
复制代码

效果：

6.8 饼图再嵌套，代码：

复制代码 
import random 
from pyecharts import Pie
attr =['A', 'B', 'C', 'D', 'E', 'F']
pie =Pie("饼图示例", width=1000, height=600)
pie.add("", attr, [random.randint(0, 100) for _ in range(6)], radius=[50, 55], center=[25, 50],is_random=True)
pie.add("", attr, [random.randint(20, 100) for _ in range(6)], radius=[0, 45], center=[25, 50],rosetype='area')
pie.add("", attr, [random.randint(0, 100) for _ in range(6)], radius=[50, 55], center=[65, 50],is_random=True)
pie.add("", attr, [random.randint(20, 100) for _ in range(6)], radius=[0, 45], center=[65, 50],rosetype='radius')
pie.show_config()
pie.render()
复制代码

效果：

 

6.9 某地的降水量和蒸发量柱状图，代码：

复制代码 
from pyecharts import Bar
attr =["{}月".format(i) for i in range(1, 13)]
v1 =[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
v2 =[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
bar =Bar("柱状图示例")
bar.add("蒸发量", attr, v1, mark_line=["average"], mark_point=["max", "min"])
bar.add("降水量", attr, v2, mark_line=["average"], mark_point=["max", "min"])
bar.show_config()
bar.render()
复制代码

效果：

6.10 各类电影中"好片"所占的比例，代码：

复制代码 
from pyecharts import Pie
pie =Pie('各类电影中"好片"所占的比例', "数据来着豆瓣", title_pos='center')
pie.add("", ["剧情", ""], [25, 75], center=[10, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, )
pie.add("", ["奇幻", ""], [24, 76], center=[30, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, legend_pos='left')
pie.add("", ["爱情", ""], [14, 86], center=[50, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["惊悚", ""], [11, 89], center=[70, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["冒险", ""], [27, 73], center=[90, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["动作", ""], [15, 85], center=[10, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["喜剧", ""], [54, 46], center=[30, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["科幻", ""], [26, 74], center=[50, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["悬疑", ""], [25, 75], center=[70, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
pie.add("", ["犯罪", ""], [28, 72], center=[90, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, is_legend_show=True, legend_top="center")
pie.show_config()
pie.render()
复制代码

效果：

6.11 用极坐标系画出一个蜗牛壳，代码：

复制代码 
import math
from pyecharts import Polar
data =[]
for i in range(5):
    for j in range(101):
        theta =j /100*360
        alpha =i *360+theta 
        r =math.pow(math.e, 0.003*alpha) 
        data.append([r, theta])
polar =Polar("极坐标系示例")
polar.add("", data, symbol_size=0, symbol='circle', start_angle=-25, is_radiusaxis_show=False, area_color="#f3c5b3", area_opacity=0.5, is_angleaxis_show=False)
polar.show_config()
polar.render()
复制代码

效果：

 

数据年轮
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pyecharts运用——对数据进行可视化处理
zhang003_的博客
06-23 1703
pyecharts 是一个用于生成 Echarts 图表的类库；能使繁杂的数据变成图表美观、直观的呈现在我们面前。
pyecharts之数据可视化
qq_21840201的博客
08-15 486
import pyecharts # print(pyecharts.__version__) 查看版本 from pyecharts.charts import Bar bar = Bar() bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件 # 也可以传.
Python pyecharts数据可视化
qq_59142194的博客
05-02 8947
Python pyecharts数据可视化——绘制精美图表一、数据可视化1.pyecharts介绍2.初入了解(1).快速上手(2).简单的配置项介绍3.案例实战(1).柱状图Bar(2).地图Map省份城市地区(3).饼图PiePie1Pie2(4).折线图Line(5).组合图表二、案例数据获取 一、数据可视化 1.pyecharts介绍 官方网址：https://pyecharts.org/#/zh-cn/intro 📣 概况： Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的
2024年最全软件测试 Python数据可视化神器——pyecharts教程（十一）(1)，2024年最新学习指南
最新发布
2401_84563987的博客
05-08 300
set_global_opts(title_opts=opts.TitleOpts(title=“电池电量仪表图”))title_opts=opts.TitleOpts(title=“电池电量仪表图”, subtitle=“示例”),.add(“”, [(“电量”, 80)], split_number=5).add(“”, [(“电量”, 80)]) # 标题和数据。
PyEcharts数据可视化
Java/Python大数据成长之路
09-25 1362
注意：render(path)在Python文件的同级目录下生成render.html文件，可以通过path参数指定HTML输出路径。ECharts是百度提供的基于JavaScript的开源可视化库，主要用于Web端数据可视化。Echarts是通过JS实现的，Pyecharts则可以使用Python来调用里面的API。Pyecharts支持词云，更贴心的是中文也完全没有问题，不会出现乱码。例如：将柱状图和折线图放在一起。
pyecharts 数据可视化
weixin_48979118的博客
02-23 518
一.我的第一个图表（以下代码在jupyter notebook 环境下运行） 1.安装 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pyecharts 2.导入柱状图包 from pyecharts.charts import Bar 3.导入设置选项包 from pyecharts import options as opts 4.导入忽略警告包 import warnings warnings.filterwarnings(‘igno
Matplotlib、seaborn、pyecharts数据可视化基础实训
06-19
Matplotlib、seaborn、pyecharts数据可视化基础实训
Python数据可视化大屏最完整资料（pyecharts+pymysql+BeautifulSoup）
06-23
主要内容：python数据可视化大屏； 适用人群：Python初学者，数据分析师，或有志从事数据分析工作的人员； 准备软件：Anaconda（Spyder：代码编译）或Pycharm、Navicat Premium 12（数据库）。 二、内容 1、...
Flask和pyecharts实现动态数据可视化
12-20
在本示例中，我们将探讨如何使用Python的Flask框架和pyecharts库来实现动态数据可视化。Flask是一个轻量级的Web服务器网关接口（WSGI）Web应用框架，而pyecharts则是一个用于生成ECharts图表的Python库，非常适合...
数据可视化echarts总结
03-23
数据可视化echarts总结
利用pyecharts做数据可视化
GZ_Wiilian的博客
07-15 3645
pyecharts 是一个用于生成 Echarts 图表的类库，通过Python 实现与Echarts的对接。通用配置项xyAxis：平面直角坐标系中的 x、y 轴。(Line、Bar、Scatter、EffectScatter、Kline)dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatte...
数据可视化——Pyecharts
qq_52421831的博客
10-08 2564
数据可视化——Pyecharts
pyecharts实现数据可视化
03-02 2605
1.概述 pyecharts 是百度开源的，适用于数据可视化的工具，配置灵活，展示图表相对美观，顺滑。 2.安装 python3环境下的安装： pip3 install pyecharts 3.数据可视化代码 3.1 柱状图 from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker c = ( Bar() .
【Python】pyecharts 数据可视化模块
吞吞吐吐大魔王的博客
09-19 8168
Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 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。
【数据可视化】第五章—— 基于PyEcharts的数据可视化
无邪的博客
12-08 8293
pyecharts是一个用于生成 Echarts 图表的类库，是一款将Python与Echarts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。官网 https://pyecharts.org/#/zh-cn/introPyecharts是一个用于生成Echarts图表的库。代码相对简洁，可以生成Echarts风格的图表。◾丰富的可视化类型。
数据可视化 理论知识（3）pyecharts数据可视化
酒心★
04-08 2463
pyecharts分为v0.5.X和v1两个大版本，v0.5.X和v1间不兼容，v1是一个全新的版本。 经开发团队决定，0.5.x版本将不再进行维护，0.5.x版本将其置于05x分支，文档位于05x-docs.pyecharts.org。（支持Python2.7，3.4 +） 新版本系列修正v1.0.0（仅支持Python3.6 +）开始，文档置于pyecharts.org，本博客使用的是V1.x版本。 echarts特点: 简洁的API设计，使用如丝滑般流畅，支持链式调用 囊括了30+种常见图表，应有尽
Python数据可视化工具——Pyecharts
小伟的博客
07-28 1751
pyecharts的基础使用与展示
最全最详细最新版的pyecharts数据可视化
weixin_45859866的博客
03-02 4259
1 pyecharts介绍 1.1 pyecharts是什么? 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，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，用 Echarts 生成的图可视化效果非常好。pyecharts 与 Python 进行对接，在 Python 中直接使用数据生成echarts图表，流程略微...

“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