数据可视化pyecharts学习笔记---漏斗图、仪表盘、雷达图、平行坐标系

基本图表–漏斗图

from pyecharts.charts import Funnel

基本示例

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

data = list(zip(Faker.choose(), Faker.values()))
f = Funnel()
f.add("商品", 
	data, # 系列数据项,格式为 [(key1, value1), (key2, value2)]
	sort_="ascending",   # 数据排序,可取'ascending','descending','none'
	gap=2)             # 数据图形间距  
f.set_global_opts(title_opts=opts.TitleOpts(title="漏斗图示例"))
f.set_series_opts(label_opts=opts.LabelOpts(position="inside"))
f.render("./html/funnel_test.html")

在这里插入图片描述

基本图例–仪表盘

from pyecharts.charts import Gauge

基本示例

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

g = Gauge()
g.add("", [("合格率",80.6)])
g.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"))
g.render("./html/gauge_test.html")

在这里插入图片描述

基本图例–雷达图

from pyecharts.charts import Radar

1、基本示例

from pyecharts import options as opts
from pyecharts.charts import Radar
c_schema = [
        {"name": "销售", "max": 6500},
        {"name": "管理", "max": 16000},
        {"name": "技术", "max": 30000},
        {"name": "客服", "max": 38000},
        {"name": "研发", "max": 52000},
        {"name": "市场", "max": 25000}]
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
radar = Radar()
radar.add_schema(schema=c_schema,    # 雷达指示器配置项列表
splitarea_opt=opts.SplitAreaOpts(
	is_show=True,
	areastyle_opts=opts.AreaStyleOpts(opacity=1))  # 分隔区域
radar.add("预算分配", v1)
radar.add("实际开销", v2)
radar.set_global_opts(
	title_opts=opts.TitleOpts(title="单例模式"),
	legend_opts=opts.LegendOpts(selected_mode="single"))
radar.render("./html/radar_f1.html")

在这里插入图片描述

2、多例模式

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

c_schaema = [
        {"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},]
v1 = [
	[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],
    [42, 24, 44, 0.76, 40, 16, 5],[82, 58, 90, 1.77, 68, 33, 6],
    [74, 49, 77, 1.46, 48, 27, 7],[78, 55, 80, 1.29, 59, 29, 8],
    [267, 216, 280, 4.8, 108, 64, 9],[185, 127, 216, 2.52, 61, 27, 10],
    [39, 19, 38, 0.57, 31, 15, 11],[41, 11, 40, 0.43, 21, 7, 12]]
v2 = [
	[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],
    [106, 77, 114, 1.07, 55, 51, 5], [109, 81, 121, 1.28, 68, 51, 6],
    [106, 77, 114, 1.07, 55, 51, 7], [89, 65, 78, 0.86, 51, 26, 8],
    [53, 33, 47, 0.64, 50, 17, 9], [80, 55, 80, 1.01, 75, 24, 10],
    [117, 81, 124, 1.03, 45, 24, 11], [99, 71, 142, 1.1, 62, 42, 12]]
radar = Radar()
radar.add_schema(
	schema=c_schaema,
    shape="circle"
    )
radar.add("",v1,color="#f9713c")
radar.add("",v2,color="#b3e4a1")
radar.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
radar.set_global_opts(title_opts=opts.TitleOpts(title="Radar-空气质量"))
radar.render("./html/radar_test.html")

在这里插入图片描述

基本图例–平行坐标系

from pyecharts.charts import Parallel

基本示例

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

parallel_axis = [
	{"dim": 0, "name": "Price"},
    {"dim": 1, "name": "Net Weight"},
    {"dim": 2,"name": "Amount"},
    {"dim": 3, "name": "Score"},
    {
		"dim": 4,
         "name": "String",
         "data": ["Excellent", "Good", "OK", "Bad"],
         "type": "category"
     }]
data = [
	[12.99, 100, 82, 90,"Good"],
    [9.99, 80, 77, 69,"OK"],
    [20,120,60,82,"Bad"]]
p = Parallel()
p.add_schema(schema=parallel_axis)
p.add("", data)
p.set_global_opts(
	title_opts=opts.TitleOpts(title="平行坐标系基本示例", pos_left="center"))
p.set_series_opts(linestyle_opts=opts.LineStyleOpts(width=3,opacity=0.5))
p.render("./html/parallel_base.html")

在这里插入图片描述

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据堆积折线是一种常用的数据方式,可以用来展示多个数据系列在不同时间或者其他维度上的变趋势,并且可以将这些数据系列叠加在一起展示。 在HBuilder中,你可以使用一些常见的数据库来实现堆积折线的绘制,比如ECharts、Highcharts等。这些库提供了丰富的配置选项和API,可以帮助你灵活地定制和展示堆积折线。 以下是使用ECharts库在HBuilder中绘制堆积折线的简单示例: 1. 引入ECharts库: ```html <script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/echarts.min.js"></script> ``` 2. 创建一个具有一定宽高的DOM容器: ```html <div id="chart" style="width: 600px; height: 400px;"></div> ``` 3. 编写JavaScript代码,配置和绘制堆积折线: ```javascript // 初始echarts实例 var myChart = echarts.init(document.getElementById('chart')); // 配置项 var option = { title: { text: '堆积折线示例' }, tooltip: { trigger: 'axis' }, legend: { data: ['数据系列1', '数据系列2', '数据系列3'] }, xAxis: { type: 'category', data: ['一月', '二月', '三月', '四月', '五月', '六月'] }, yAxis: { type: 'value' }, series: [ { name: '数据系列1', type: 'line', stack: '总量', data: [120, 132, 101, 134, 90, 230] }, { name: '数据系列2', type: 'line', stack: '总量', data: [220, 182, 191, 234, 290, 330] }, { name: '数据系列3', type: 'line', stack: '总量', data: [150, 232, 201, 154, 190, 330] } ] }; // 使用配置项绘制表 myChart.setOption(option); ``` 这样就可以在HBuilder中绘制一个简单的堆积折线了。你可以根据自己的需求,调整配置项和数据,来实现更加丰富和复杂的堆积折线效果。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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