Day13 pyecharts的使用

最新推荐文章于 2024-09-09 18:34:56 发布
最新推荐文章于 2024-09-09 18:34:56 发布
阅读量167 收藏 1
点赞数 1
文章标签： python Powered by 金山文档
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_51057765/article/details/129170231
版权

一、 柱状图

from pyecharts.charts import Bar
from pyecharts import options

# 1. 创建图表对象
bar = Bar()

# 2. 添加数据
# 1）添加x轴上的数据
bar.add_xaxis(['1季度', '2季度', '3季度', '4季度'])

# 2) 添加y轴上的数据
bar.add_yaxis('销售额', [890, 1023, 509, 1500],
              # 设置销售额对应的柱子的颜色
              color='red',
              # is_show_background=True,
              # bar_width=40
              bar_max_width=100,
              bar_min_width=40
        )

bar.add_yaxis('销量', [208, 300, 301, 440])

# 3.柱状图相关的配置
# 1)全局配置
bar.set_global_opts(
    # 设置标题
    title_opts=options.TitleOpts(
        title='全年xxx的销售信息',
        title_link='https://www.baidu.com',
        subtitle='销售额和销量信息',
        pos_right=350,
        text_align='center'
    ),
    # 设置图例
    legend_opts=options.LegendOpts(
        is_show=False,
        pos_right=90,
        item_width=20,
        item_height=10
    ),
    # 设置工具箱
    toolbox_opts=options.ToolboxOpts(
        is_show=True
    ),
    # 设置区域缩放
    datazoom_opts=options.DataZoomOpts(
       is_show=True
    ),
    # x轴和y轴的配置
    xaxis_opts=options.AxisOpts(
        name='时间'
    ),
    yaxis_opts=options.AxisOpts(
        name='销售额(万元)/销量',
        name_rotate=0
    )
)

# 2)系列配置
bar.set_series_opts(
    # 设置标签
    label_opts=options.LabelOpts(
        is_show=True,
        position='top',      # 'top'、'left'、'right'
        rotate=0,
        # color='#00ff00'
    ),
    # 设置标记点
    markpoint_opts=options.MarkPointOpts(
        data=[options.MarkPointItem(name='最小值', type_='min'), options.MarkPointItem(name='最大值', type_='max')]
    )
)

# 3）数据配置
# 数据配置只能在添加数据的时候设置

# 4. 渲染图表(制图)
bar.render('files/01柱状图.html')

结果展示：

二、 折线图

from pyecharts.charts import Line
from pyecharts import options

# 1.创建折线图对象
line = Line()

# 2.添加数据
line.add_xaxis(['1季度', '2季度', '3季度', '4季度'])

line.add_yaxis('服装', [189, 340, 299, 412], is_smooth=True)
line.add_yaxis('电子产品', [89, 109, 77, 56])

# 3.图表设置
line.set_global_opts(
    title_opts=options.TitleOpts(
        title='xxx商品各大商品的销售情况',
        pos_left="350"
    ),
    legend_opts=options.LegendOpts(
        pos_right=0
    ),
    yaxis_opts=options.AxisOpts(
        name='销售额(万元)'
    ),
    xaxis_opts=options.AxisOpts(
        name='时间'
    )
)

line.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=False
    ),
    markline_opts=options.MarkLineOpts(
        data=[options.MarkLineItem(type_='average', name='平均销售额')]
    )
)

# 4.渲染
line.render('files/02折线图.html')

结果展示：

三、 饼图

from pyecharts.charts import Pie
from pyecharts import options

# 1.创建饼图对象
pie = Pie()

# 2.添加数据
pie.add(
    '手机销量',
    [('Apple', 890), ('华为', 1002), ('小米', 409), ('oppo', 123), ('魅族', 98)],
    # 分别设置圆的内圆半径和外圆半径
    radius=('30%', '70%'),
    # 让外圆环不规则
    rosetype='radius'
)

# 3.图表的设置
pie.set_global_opts(
    legend_opts=options.LegendOpts(
        is_show=False
    ),
    title_opts=options.TitleOpts(
        title='xxx商城6月手机的销售情况',
        pos_left='350'
    )
)

pie.set_series_opts(
    label_opts=options.LabelOpts(
        # {b} - 数据名称、{d} - 百分比比值
        formatter='{b}({d}%)'
    )
)

# 4.渲染图表
pie.render('files/03饼图.html')

结果展示：

四、 地图

from pyecharts.charts import Map
from pyecharts import options

# =====================================1.中国地图=====================================
# 1. 创建地图对象
map1 = Map()

# 2.添加数据
map1.add(
    '房价',
    [('四川省', 8000), ('重庆市', 7923), ('河南省', 5672), ('北京市', 53994),
     ('上海市', 63720), ('新疆维吾尔自治区', 3982), ('广东省', 6000), ('黑龙江省', 4632)],
    zoom=1.4,
    min_scale_limit=1,
    max_scale_limit=3
)

# 3.添加配置
map1.set_global_opts(
    visualmap_opts=options.VisualMapOpts(
        is_show=True,
        min_=3000,
        max_=65000,
        # 让颜色分段
        is_piecewise=True,
        # 设置每一段的数值范围
        pieces=[
            {'min': 3000, 'max': 4999},
            {'min': 5000, 'max': 9999},
            {'min': 10000, 'max': 29999},
            {'min': 30000, 'max': 60000},
            {'min': 60001, 'max': 65000}
        ]
    ),
    legend_opts=options.LegendOpts(
        is_show=False
    ),
    title_opts=options.TitleOpts(
        title='中国各省平均房价'
    )
)

# 4.渲染
map1.render('files/04中国地图.html')

# =====================================2.四川地图=====================================
map2 = Map()

map2.add('房价', [('成都市', 12000), ('乐山市', 7000)], maptype='四川')

map2.render('files/05四川地图.html')

# =====================================3.世界地图=====================================
map3 = Map()

map3.add('房价', [('China', 1002)], maptype='world')

map3.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=False
    )
)
map3.render('files/06世界地图.html')

# ========================成都市地图==============================
map4 = Map()
map4.add('房价', [('青羊区', 17000)], maptype='成都')
map4.render('files/成都地图.html')

结果展示：

五、 词云

from pyecharts.charts import WordCloud
from pyecharts import options

# 1.创建图表
wc = WordCloud()

# 2. 添加数据
wc.add(
    '',
    [('王者荣耀', 82933), ('英雄联盟', 109283), ('阴阳师', 7282), ('原神', 1928), ('和平精英', 829),
     ('开心消消乐', 8192), ('羊了个羊', 909), ('飞机大战', 109), ('蛋仔派对', 679), ('猎梦者', 302),
     ('红色警戒', 19), ('魔兽', 68922), ('刀塔', 3192), ('QQ农场', 87), ('植物大战僵尸', 891), ('地平线', 1923),
     ('神庙逃亡', 10), ('节奏大师', 2033), ('找你妹', 9), ('大富翁', 340), ('保卫萝卜', 9012)],
    # cardioid(心脏线)、diamond(钻石)、triangle(三角形)、triangle-forward、pentagon(五边形)、star(星形)
    shape='cardioid',
    # word_size_range=(15, 200)
)

# 4.渲染
wc.render('files/07词云.html')

结果展示：

作业

"""
Author:ZouYan
Create Time:2023/2/22 16:38
"""
import openpyxl
from pyecharts.charts import Bar, Pie, Map, Line, WordCloud
from pyecharts import options

wb = openpyxl.open('files/汽车销量的数据.xlsx')
sheet = wb.active

m_r = sheet.max_row

data = {}
for r in range(2, m_r+1):
    value = sheet.cell(r, 1).value
    if value not in data:
        data[value] = sheet.cell(r, 5).value
print(data)

# 构建柱状图的数据
x_data = []
y_data = []
for key in data:
    x_data.append(key)
    y_data.append(data[key])

bar = Bar()

bar.add_xaxis(x_data)
bar.add_yaxis('销售量', y_data)


bar.set_global_opts(
    title_opts=options.TitleOpts(
        title='2023年全国汽车销售信息',
        pos_right=250,
        subtitle='销售量和售价',
        text_align='center'
    ),
    legend_opts=options.LegendOpts(
        is_show=True,
        pos_right=90,
        pos_top=20,
    ),
    toolbox_opts=options.ToolboxOpts(
        is_show=True,
        pos_left=0,
        pos_top=0,
    ),
    datazoom_opts=options.DataZoomOpts(
        is_show=True,

    ),
    xaxis_opts=options.AxisOpts(
        name='汽车类型',
        name_rotate=0,
        axislabel_opts={"rotate": 15}
    ),
    yaxis_opts=options.AxisOpts(
        name='销售数量'
    ),


)
bar.set_series_opts(
    label_opts=options.LabelOpts(
        is_show=True,
        position='top',
        rotate='15'
    )
)

bar.render('files/汽车销量柱状图.html')

# 构建饼图数据
pie_data = []
for key in data:
    pie_data.append((key, data[key]))
# print(pie_data)

pie = Pie()

pie.add(
    '汽车销量',
    pie_data,
    radius=('25%', '75%'),
    rosetype='radius'
)

# 图表的设置
pie.set_global_opts(
    legend_opts=options.LegendOpts(
        is_show=False
    ),
    title_opts=options.TitleOpts(
        title='2023年全国汽车销售信息',
        pos_left='350'
    )
)

pie.set_series_opts(
    label_opts=options.LabelOpts(
        formatter='{b}:{d}%'
    )
)

pie.render('files/汽车销量饼图.html')

wc = WordCloud()

wc.add('', pie_data, shape='star')

wc.render('files/汽车销量词云图.html')

结果展示：

?!*
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python数据可视化 Pyecharts 制作 Bar 柱状、条形图
Mr数据杨
02-22 4万+
大家好，我是Mr数据杨，想象一下，我们正在阅读一场周瑜精心策划的赤壁之战，火光在柱状图/条形图（Bar）上熊熊燃烧。在基本设置中，定义了这场战役的大小，范围和时间。然后，在坐标轴设置中，对战役的每一个阶段进行标记，像是那关键的东风之夜，或者那个蔡瑁杨允带领舰队投降的时刻。
2022年1~6中国市场汽车销量可视化
qq_67360325的博客
07-18 3058
pyecharts可视化制作
python 扇形图变色代码_基于Python pyecharts实现多种图例代码解析
weixin_34928522的博客
01-28 627
词云图from pyecharts.charts import WordClouddef word1():words= [("Sam S Club", 10000),("Macys", 6181),("Amy Schumer", 4386),("Jurassic World", 4055),("Charter Communications", 2467),("Chick Fil A", 2244)...
python分析北京租房现状，最后的价格分布地图亮了
qq_38887171的博客
11-07 918
租房信息已经有了，为了能对北京目前的租房市场有个直观认识，我对数据进行深度分析，并进行可视化展示 从分析结果中，我得到了哪些位置房源多、各区租房平均价格以及心仪价格地理位置分布等重要信息，为帮助我租房提供重要依据 下面带大家一起看一下整个分析过程: 很多人学习python，不知道从何学起。 很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。 很多已经做案例的人，却不知道如何去学习更加高深的知识。 那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的
python饼图教程_Python笔记：绘制饼图
weixin_39669638的博客
12-16 543
from pyecharts.charts import Piefrom pyecharts import options as opts# 示例数据cate = ["中山巧康蔬果仓","广州江高蔬果仓","广州花地湾水产仓","深圳龙岗水产仓","深圳三联蔬果仓","东莞横沥蔬果仓","中山三角水产仓"]data = [7,5,3,2,2,1,1]pie = (Pie().add('', [li...
数据可视化之pyecharts(1)
DS_zxm123的博客
11-09 724
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。 pyecharts官网 由于pyecharts的版本很多，并且不同版本运行的结果是不一样的，此次我们所用到的版本是： import pyecharts pyecharts._...
day07 pyecharts制图
qq_59492084的博客
11-22 324
pyecharts制图，柱状图，折线图，饼图，词云，地图及组合图
day7pyecharts制图-组合图
weixin_46637999的博客
11-22 1490
pyecharts制图-组合图
python学习_day13---pyecharts可视化
weixin_45800653的博客
12-05 665
day20
Mac下的pyecharts的安装及使用
weixin_45734379的博客
10-19 3366
anacoda使用pyecharts——顶配1. Mac下安装pyecharts步骤新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 1. Mac下安装pyecharts步骤 不像之前windows安装pyecharts很是
Pyecharts全局配置项03---DataZoomOpts
热门推荐
此心安处是吾乡
11-26 1万+
Intro   DataZoomOpts可以提供区域缩放的功能，当数据很多，我们想看某些局部数据信息时，可以通过区域缩放查看更细节的数据。版本信息如下： python 3.7.0 pyecharts 1.6.2 import pyecharts print("pyecharts版本: "+pyecharts.__version__) import sys print("python版本: "+sys.version) pyecharts版本: 1.6.2 python版本: 3.7.0 (defaul
python可视化：Bar柱状图全局配置项(DataZoomOpts——区域缩放配置项)
不秃头
11-12 3759
风格样式设置 代码： from pyecharts.charts import Bar from pyecharts import options as opts from pyecharts.globals import ThemeType bar = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.ESSOS)) #设置风格 .add_xaxis(["4302","4408","15103","15208","4103"]) #x轴数据
新版pyecharts的bug 'DataZoomOpts' object is not iterable
06-20 2060
from example.commons import Faker from pyecharts import options as opts from pyecharts.charts import Bar3D # from example.commons import Faker # from pyecharts import options as opts from pyecharts.ch...
【python】—— Python爬虫实战：爬取珠海市2011-2023年天气数据并保存为CSV文件
weixin_63106307的博客
09-05 877
本文将介绍如何使用Python编写一个简单的爬虫程序，以爬取珠海市2011年至2023年的天气数据，并将这些数据保存为CSV文件。
JS都有哪些操作数组的方法
ggq53219的博客
09-04 574
JavaScript 中操作数组的方法非常丰富，这些方法大致可以分为几类：创建和初始化数组、添加元素、删除元素、遍历数组、搜索元素、数组排序、数组映射和过滤等。
pip-tools：打造可重复、可控的 Python 开发环境，解决依赖关系，让代码更稳定
weixin_53707653的博客
09-09 545
是一个强大且易用的工具，可以帮助开发者轻松管理 Python 项目的依赖关系，确保代码的可重复性和稳定性。是一组命令行工具，旨在简化 Python 依赖关系的管理，确保项目环境的稳定性和可重复性。可以确保每次构建环境时都使用相同的依赖项版本，从而避免由于依赖项版本不一致导致的错误，提高代码可重复性和稳定性。自动化了依赖关系管理过程，节省了开发者的时间和精力，可以将更多时间投入到实际的开发工作中。文件中的信息，更新虚拟环境，安装、升级或卸载所需的软件包，确保虚拟环境与。命令可以从你的项目配置文件中生成。
Python实现多线程、多进程及协程
最新发布
qq_42568323的博客
09-09 688
本文详细介绍了 Python 中多线程、多进程和协程的并发模型及其实现方式，并通过具体场景演示了如何使用面向对象思想实现这些模型。在实际应用中，应根据任务的类型和需求选择合适的并发模型，从而优化程序的性能和资源利用率。本文将详细介绍 Python 中的多线程、多进程和协程的概念及其实现方式，并通过具体场景展示如何在 Python 中使用面向对象的思想实现这些并发模型。接下来，我们通过一个计算密集型任务的示例来演示多进程的实现：计算一系列大数字的阶乘。主程序中创建并启动了多个计算进程，并使用。
基于人工智能的音乐情感分类系统
stm32d1219的博客
09-06 733
音乐作为一种强烈的情感表达方式，不同的音调、节奏和和声传递着不同的情感信息。通过人工智能技术，能够自动识别音乐中的情感，为用户提供个性化的音乐推荐或情感分析服务。通过使用MFCC特征提取与神经网络分类算法，音乐情感分类系统可以有效地分析音乐中的情感信息，并根据不同情感对音乐进行分类。随着深度学习技术的进一步发展，音乐情感分类系统的准确性和应用范围将得到进一步提升。音乐情感分类是通过对音乐音频信号进行分析，识别出音乐传递的情感，如“愉快”、“悲伤”、“愤怒”等。问题讨论，人工智能的资料领取可以私信！
pyecharts 图大小
05-17
你可以通过以下代码设置 Pyecharts 图的大小： ```python from pyecharts import options as opts ...在上面的代码中，`graphic_opts` 参数设置了图的大小，使用 `width` 和 `height` 分别设置宽度和高度。
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