这段代码使用了pyecharts库生成了一个基本的特效散点图,用于展示大一不同课程的学习效率。具体的代码解释如下:
- 从
pyecharts
模块中导入options
模块和EffectScatter
类:
from pyecharts import options as opts
from pyecharts.charts import EffectScatter
- 创建一个
EffectScatter
实例:
effect_scatter = EffectScatter()
- 使用
add_xaxis
方法设置X轴数据,即不同课程的名称:
.add_xaxis(xaxis_data=[
"高等数学1,2",
"C语言程序设计",
"python程序设计",
"大数据导论",
"数据结构",
"大数据与人工智能",
])
- 使用
add_yaxis
方法添加Y轴数据,即大一学习效率的数据。Y轴的数据表示不同课程的学习效率:
.add_yaxis(series_name="大一的学习效率", y_axis=[10, 20, 30, 40, 50, 40])
- 使用
set_global_opts
方法设置全局选项,其中通过xaxis_opts
参数设置X轴标签的样式,通过title_opts
参数设置图表的标题:
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title="学习")
)
- 最后使用
render
方法将图表渲染为HTML文件:
.render("effectscatter_base.html")
这段代码将生成一个特效散点图,其中X轴为不同课程的名称,Y轴为大一学习效率。每个数据点表示一个课程的学习效率,通过散点的大小和颜色来表示不同的效率级别。图表的标题为"学习"。X轴标签倾斜角度为-15度,以便更好地显示文本。最终图表将被渲染为一个HTML文件。
复制
重试
from pyecharts import options as opts
from pyecharts.charts import EffectScatter
c = (
EffectScatter()
.add_xaxis( [
"高等数学1,2",
"C语言程序设计",
"python程序设计",
"大数据导论",
"数据结构",
"大数据与人工智能",
])
.add_yaxis("大一的学习效率", [10, 20, 30, 40, 50, 40])
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title="学习"))
.render("effectscatter_base.html")
)