Pyecharts可视化

已于 2023-04-27 10:52:56 修改
阅读量1.5k 收藏 4
点赞数
分类专栏： 基础扎实 文章标签： python pandas 数据分析
于 2022-08-06 19:54:55 首次发布
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_53742691/article/details/126200124
版权

PyEcharts

所有文章不设限，我们相遇偶然，相散坦然，互不打扰，各自安好，向阳而生

pyecharts中文手册：https://pyecharts.org/#/

查看版本

import pyecharts
pyecharts.__version__

'1.9.1'

版本安装说明

在这里插入图片描述

jupyter lab使用注意事项

在这里插入图片描述

导入库

from pyecharts.globals import ThemeType, SymbolType, ChartType
import seaborn as sns
#警告
import warnings
from pylab import *
from collections import Counter
from pyecharts.commons.utils import JsCode
from pyecharts import options as opts
#散点图
from pyecharts.charts import Scatter
#日历
from pyecharts.charts import Calendar
#饼图
from pyecharts.charts import Pie
#折线
from pyecharts.charts import Line
#柱状图
from pyecharts.charts import Bar
#3D地球视图
from pyecharts.charts import Geo
#图像合并
from pyecharts.charts import Grid
#图像组合组件
from pyecharts.charts import Page
#地图
from pyecharts.charts import Map
#仪表盘
from pyecharts.charts import Gauge
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import jieba
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
mpl.rcParams['font.sans-serif'] = ['SimHei']
#忽略警告
warnings.filterwarnings("ignore")

数据读取

首先读取数据：

import pandas as pd
data = pd.read_excel('../data/xlsx/房价与工资.xlsx')

数据预览

data.head(5)
城市省份房屋均价人均工资
0北京市北京632399240
1重庆市重庆103515962
2广州市广东308947409
3上海市上海522408962
4深圳市NaN524568315

柱形图可视化

# 下面指定x轴和y轴：
x = list(data['城市'])
y1 = list(data['房屋均价'])
y2 = list(data['人均工资'])

# '''水平条形图'''
from pyecharts.charts import Bar

bar = Bar(
    # 设置主题
    init_opts=opts.InitOpts(theme=ThemeType.LIGHT),

)
bar.set_global_opts(
    # 设置标题样式
    title_opts=opts.TitleOpts(
        # 标题名称
        title='城市房屋均价,人均工资',
        # 设置标题位置
        pos_left='40%',
    ),
    # 设置图例样式
    legend_opts=opts.LegendOpts(
        # 是否显示图例
        is_show=True,
        # 设置图例位置
        pos_top='10%',
        # 设置图例形状
        legend_icon='circle'
    ),

    # 设置工具框样式
    toolbox_opts=opts.ToolboxOpts(
        # 是否显示工具框
        is_show=True,
        # 设置位置（方法一致）
        pos_left='70%',
        pos_top='20%'
    )
)
# 添加 x 轴数据
bar.add_xaxis(x)
# 添加 y 轴数据
bar.add_yaxis(
    # 设置 y1图例的名称
    series_name='房屋均价',
    # 设置 y1 数据
    y_axis=y1,
)
bar.add_yaxis('人均工资', y2)
# 加载js
bar.load_javascript()


<pyecharts.render.display.Javascript at 0x16ce7437a30>

# 显示图像
bar.render_notebook()

在这里插入图片描述

折线图可视化

x=['2022','2023','2024','2025','2026']
y=[10000,15000,20000,30000,40000]
line = Line(
      # 设置主题
    init_opts=opts.InitOpts(theme=ThemeType.LIGHT,
                           bg_color='rgba(255,250,205,0.2)'),
)
line.add_xaxis(x)
line.add_yaxis(
    # 设置 y1轴图例名称
    series_name='年预期营销额',
    # 设置 y1轴图例数据
    y_axis=y,
    # 数据标记是否显示（此处显示）
    is_symbol_show=True,
    # 标记大小
    symbol_size=15,
    # 设置线条样式
    linestyle_opts=opts.LineStyleOpts(
        # 设置线条颜色
        color='#FF6600',
        # 设置线条粗细
        width=5,
        # 设置线条透明度
        opacity=0.9
    )
)
line.load_javascript()

line.render_notebook()

在这里插入图片描述

饼图可视化

数据整合

# x 轴的标签数据
inner_x_data =['房屋租赁','店面设计','设备购置','办公用具','员工输出','营销培训','维护增值']
# y 轴的数值数据
inner_y_data =[20000,5000,5000,5000,10000,2000,5000]
# 数据压缩打包|
inner_data_pair = [list(z) for z in zip(inner_x_data, inner_y_data)]

pie = Pie(
    # 设置主题
    init_opts=opts.InitOpts(theme=ThemeType.LIGHT,
                           bg_color='rgba(255,250,205,0.2)'),
)
# 设置全局属性
pie.set_global_opts(
    # 设置标题属性
    title_opts=opts.TitleOpts(
        # 设置标题名称
        title='初期投入预算',
        # 设置标题位置
        pos_top='15%',
        # 设置标题样式
        title_textstyle_opts=opts.TextStyleOpts(
            # 颜色
            color='orange',
            # 字体大小
            font_size=25,
            # 字体样式
            font_family='楷体'
        )

    ),
      # 设置工具框样式
    toolbox_opts=opts.ToolboxOpts(
        # 是否显示工具框
        is_show=True,
        # 设置位置（方法一致）
        pos_left='70%',
        pos_top='20%'
    )
)
pie.add(
    series_name='初期投入预算',
    data_pair=inner_data_pair
)
pie.load_javascript()

pie.render_notebook()

在这里插入图片描述

上下绘制条形图和线图

# 柱状图
bar = Bar()
bar.add_xaxis(x)
bar.add_yaxis('房屋均价', y1)
bar.add_yaxis("人均工资", y2)
bar.render_notebook()
# 折线图
line = Line()
line.add_xaxis(x)
line.add_yaxis('房屋均价', y1)
line.add_yaxis('人均工资', y2)
line.render_notebook()
# 图例合并
# 调用了page组件
page = Page(layout=Page.DraggablePageLayout)
# 将上面定义好的图添加到 page
page.add(
    bar,
    line,
)
page.load_javascript()


<pyecharts.render.display.Javascript at 0x1c04d3e5bb0>

page.render_notebook()

在这里插入图片描述

条形图上叠加线图

# 柱状图
bar = Bar()
bar.add_xaxis(x)
bar.add_yaxis(
    series_name='房屋均价',
    y_axis=y1,
    # 设置柱状图标签属性(避免图像太乱)
    label_opts=opts.LabelOpts(
        # 设置柱状图标签属性隐藏
        is_show=False
    ),
)
bar.add_yaxis(
    series_name="人均工资",
    y_axis=y2,
    # 设置柱状图标签属性
    label_opts=opts.LabelOpts(
        # 设置柱状图标签属性隐藏
        is_show=False
    ),

)

# 折线图
line = Line()
line.add_xaxis(x)
line.add_yaxis(
    series_name='房屋均价',
    y_axis=y1,
    # 设置折线属性（容易识别）
    linestyle_opts=opts.LineStyleOpts(
        # 颜色
        color='#66CCFF',
        # 粗细
        width=6
    )
)
line.add_yaxis(
    series_name='人均工资',
    y_axis=y2,
    # 设置折线属性（容易识别）
    linestyle_opts=opts.LineStyleOpts(
        color='#FFCCCC',
        width=6
    )
)

bar.overlap(line)
bar.load_javascript()

<pyecharts.render.display.Javascript at 0x1c04d2dcb20>

bar.render_notebook()

在这里插入图片描述

仪表盘可视化

c = (
    Gauge()
    .add(
        "指示器",
        [("完成比率", 75.5)],
        # 设置仪表盘大小
        radius="60%",
        # 设置起始、终止刻度
        min_=0, max_=260,
        title_label_opts=opts.LabelOpts(
            font_size=20, color="black", font_family="Microsoft YaHei"  # 设置字体、颜色、大小
        ),
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(
                # 设置区间颜色、仪表宽度
                color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")],
                # 设置仪表盘宽度
                width=25
            )
        ),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="仪 表 盘 可 视 化",
            pos_left='41%'
        ),
        legend_opts=opts.LegendOpts(
            is_show=False
        ),
    )

)
c.render_notebook()

在这里插入图片描述

地图

Pyecharts这个库，实现地图可视化的时候，地图一直加载不出来。

自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。

如用户需要用到地图图表，可自行安装对应的地图文件包。

全球国家地图: echarts-countries-pypkg：世界地图和 213 个国家，包括中国地图。
中国省级地图: echarts-china-provinces-pypkg：23 个省，5 个自治区。
中国市级地图: echarts-china-cities-pypkg：370 个中国城市
中国县区级地图：echarts-china-counties-pypkg：2882 个中国县·区
中国区域地图：echarts-china-misc-pypkg：11 个中国区域地图，比如华南、华北。
英国2016选区图: echarts-united-kingdom-pypkg：英国选区图可以用来画与政治经济相关的数据
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg
pip install echarts-china-misc-pypkg

全国省份地图

data = [('北京', 12.54), ('天津', 13.02), ('河北', 13.0), ('山西', 11.53), ('内蒙古', 11.48), ('辽宁', 15.43), ('吉林', 13.21), ('黑龙江', 13.03), ('上海', 15.07), ('江苏', 15.99), ('浙江', 13.89), ('安徽', 15.01), ('福建', 11.42), ('江西', 11.44), ('山东', 14.75), ('河南', 12.73), ('湖北', 13.93), ('湖南', 14.54), ('广东', 9.73), ('广西', 13.12), ('海南', 11.33), ('重庆', 17.42), ('四川', 16.3), ('贵州', 12.84), ('云南', 11.06), ('西藏', 7.67), ('陕西', 12.85), ('甘肃', 12.44), ('青海', 9.45), ('宁夏', 9.67), ('新疆', 9.66)]

city=[]
value=[]
for i in range(len(data)):
    city.append(data[i][0])
    value.append(data[i][1])
inner_data_pair = [list(z) for z in zip(city, value)]

map= Map()
map.add('',inner_data_pair,'china')
map.set_global_opts(

    title_opts=opts.TitleOpts(title="各省总体情况",
                              pos_right="center",
                              pos_top="5%"),
                              
    visualmap_opts=opts.VisualMapOpts(
        max_=18,
        min_=9
                                     )
    )
map.load_javascript()

<pyecharts.render.display.Javascript at 0x1c04d350e50>

map.render_notebook()

在这里插入图片描述

指定省份城市地图

#数据引入
from pyecharts.faker import Faker

c = (
    Map()
    .add("广东省", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="广东地图"), visualmap_opts=opts.VisualMapOpts()
    )
)
c.load_javascript()

<pyecharts.render.display.Javascript at 0x1c04d3fe4f0>

c.render_notebook()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YugbZu8v-1659786332428)(attachment:b0fe1fbf-0591-4c91-bcb5-34eb054510ec.png)]
IT小辉同学
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
pyecharts中文手册
小火的博客
09-22 1万+
概览 如何查看使用的pyecharts版本？ import pyecharts print(pyecharts.__version__) 1、首先开始来推出你的第一个图表 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 H
数据可视化pythonexcel表格,python做可视化数据图表
zjl102562的博客
03-08 1270
随着python的不断完善，python得到了广泛的应用，很多人都开启了对python的学习，本人通过对python的学习，初步学会了python的基础用法，本文就介绍了python对表格数据进行可视化的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考通过箱线图和分布直方图，我们可以看出女生的平均年龄在30岁到50岁之间，男生的平均年龄在35岁到50岁之间，可以看出女机长和空姐的黄金年龄在30到50岁之间，男机长的黄金年龄在35到50岁之间。
pyecharts中文手册pdf_Python数据可视化工具pyecharts
weixin_40000301的博客
11-27 3980
都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyechart...
[pyecharts1.7] 使用手册
H_biubiu的博客
05-13 4075
本文档（以及pyecharts手册中的其他文档）将会持续更新。 有些内容标记为待更新的，有时间我会补充上。急需的可以在评论处留言，或者可关注微信公众号「燃烧吧数据」(id：data-fired)，聊天框输入暗号：江湖救急，即可召唤小姐姐一枚～ 1.坐标轴设置 2.图例设置 3.标题设置 4.系列设置 ...
pyecharts可视化大屏，可拖拽布局！
04-17
这个资源包，"Pyecharts可视化大屏，可拖拽布局！"，旨在帮助用户利用Pyecharts创建交互式的数据可视化大屏，并且支持自定义布局，使你能根据自己的需求调整数据和样式，打造出个性化的数据展示平台。 Pyecharts的...
Python基于pyecharts可视化分析苏州旅游攻略
04-23
在本项目中，我们主要利用Python的pyecharts库来实现对苏州旅游数据的可视化分析。pyecharts是一个强大的Python图表库，它可以帮助我们轻松创建交互式的图表，从而更好地理解和展示数据。 首先，我们需要导入相关的...
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
"财报数据可视化 —— pandas数据分析，pyecharts可视化"的主题聚焦于使用Python中的pandas库进行数据预处理和分析，以及利用pyecharts库进行数据可视化。这两个强大的工具结合，能够帮助我们高效地理解并展示财务...
数据可视化技术应用-pyecharts可视化绘图.pptx
02-16
Pyecharts是Python中的一款强大数据可视化库，专门用于生成交互式的JavaScript图表，其易用性和灵活性使得在Python环境中进行数据可视化变得简单。 在使用Pyecharts进行数据可视化时，主要分为以下几个步骤： 1. *...
Python数据分析与可视化项目案例-50个Pyecharts可视化例子.zip
07-10
这个"Python数据分析与可视化项目案例-50个Pyecharts可视化例子"的压缩包资源，旨在帮助学习者通过实际项目实践来掌握Pyecharts的用法。 首先，让我们深入了解Pyecharts库。Pyecharts是基于ECharts的一个Python封装...
pyecharts_doc_v1.7.1.pdf
05-29
可以去下载新版的中文手册，标签更完美： https://download.csdn.net/download/tangyi2008/13773399
Pyecharts示例(含详细个性化配置及注释)
12-17
柱状图、折线图、环形饼图的基本示例， 跟网上其他示例不同的是，我用了一些个性化表达的通用配置， 例如x轴标签设置旋转角度、折线图平滑曲线、图例显示或隐藏、自定义显示系列名等。 使用Jupyter Notebook编程工具。
【宝藏级】PyEcharts 超详细的使用指南
m0_54850825的博客
03-06 4584
Python可视化神器-pyecharts手册 pyecharts简介 优点： 安装： 官方文档： pyecharts快速开始 在`Notebook`中创建一个条形图： 链式调用： 配置选项： 全局配置项 `AnimationOpts`：画图动画配置项 `InitOpts`：初始化配置项 `ToolBoxFeatureOpts`和`ToolboxOpts`：工具箱配置项 `TitleOpts`：标题配置项 `DataZoomOpts`：区域缩放配置项 `LegendOpts`：图例配置
数据矿工学习-Python数据可视化神器pyecharts使用细则
翁JJ的博客
08-16 1318
前言 我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyechar...
python global用法_python可视化——pyechart库
weixin_39926311的博客
11-27 530
前言在对数据的掌握及分析变得愈加重要的当今时代，数据可视化作为提高用户对数据的理解程度，创新架构，增进体验的重要一环，一向富有表现力的Python语言应当可以发挥更大作用，优秀的pyechart第三方库即在这样的背景下诞生。1pyecharts库简介为了更好理解pyechart的功能，我先为大家对Echarts进行介绍：Echarts是一个由百度开源的商业级数据图表，它是一个纯JavaScript...
对于pyecharts可视化在jupyter lab上无法正常展示的详细解释
IT小辉同学
03-28 3359
对于pyecharts可视化在jupyter lab上无法正常展示的详细解释
pyecharts极简入门教程
数据森麟
08-01 5004
作者：luanhz来源：小数志导读数据可视化是整个数据分析流程中的关键环节，甚至有着一图定成败的关键性地位。前期，陆续推出了matplotlib和seaborn详细入门教程，对于常规的数...
华为od机试真题 — 代表团坐车(Python)
最新发布
学习,你不是一个人在战斗 ～ 961302305（QQ,微信）
07-17 577
【华为od机试真题 】代表团坐车(Python) 某组织举行会议，来了多个代表团同时到达，接待处只有一辆汽车可以同时接待多个代表团，为了提高车辆利用率，请帮接待员计算可以坐满车的接待方案输出方案数量。
pyecharts可视化
04-11
工具的使用方法是什么？ 你可以通过以下步骤使用 pyecharts 可视化工具： 1. 安装 pyecharts 模块，可以使用 pip 指令：$ pip install pyecharts 2. 选择对应的可视化类型，如柱状图，折线图等 3. 构建数据，把需要可视化的数据准备好 4. 创建对应的图表实例，并把数据加进去 5. 可以进行一些自定义设置，如修改标题、颜色等 6. 调用 render() 方法，生成图表的 html 文件 7. 打开浏览器查看生成的图表 希望这能帮助到你，如果有任何问题请随时问我。

“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

打赏作者

IT小辉同学

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