python——pyEcharts绘制折线图与堆叠柱形的混合可视化

于 2024-10-08 08:54:29 发布
阅读量509 收藏 12
点赞数 13
文章标签： python 开发语言
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_66547608/article/details/142750739
版权

一、数据准备

  • 定义了 x_data 作为横坐标数据，代表不同的项目名称。
  • 分别准备了两个用于柱形图的数据系列 bar_data1 和 bar_data2，以及一个用于折线图的数据系列 line_data。

二、创建图表

  • 堆叠柱形图创建：
    • 创建 Bar 对象实例代表柱形图。
    • 设置柱形图的 x 轴数据为 x_data。
    • 通过 add_yaxis 方法添加两个柱形数据系列，并设置堆叠属性和颜色样式，分别命名为 “类别一” 和 “类别二”。
    • 设置全局配置项，包括标题、图例位置、提示框样式和 x 轴标签旋转角度等。
  • 折线图创建：
    • 创建 Line 对象实例代表折线图。
    • 同样设置折线图的 x 轴数据为 x_data。
    • 通过 add_yaxis 方法添加折线数据系列，设置符号、符号大小、线条样式和标签显示等。
    • 设置全局配置项，主要是提示框样式。

三、混合图表与自定义 tooltip

  • 使用 overlap 方法将折线图与柱形图进行混合。
  • 通过自定义的 JavaScript 函数设置 tooltip 的显示内容，使得鼠标悬停时可以同时显示柱形图和折线图的数据信息。

四、渲染输出

  • 最后将混合后的图表渲染为 HTML 文件，以便在浏览器中查看可视化结果。

 代码展示：

from pyecharts.charts import Bar, Line
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode

# 准备数据
x_data = ["项目一", "项目二", "项目三", "项目四", "项目五"]
bar_data1 = [30, 45, 60, 50, 70]
bar_data2 = [20, 30, 40, 35, 50]
line_data = [15, 25, 35, 40, 45]

# 创建堆叠柱形图
bar = Bar()

# 设置柱形图的 x 轴数据
bar.add_xaxis(x_data)

# 添加第一个柱形数据系列
bar.add_yaxis(
    "类别一",
    bar_data1,
    stack="stack1",
    itemstyle_opts=opts.ItemStyleOpts(color="#67C23A"),
)

# 添加第二个柱形数据系列
bar.add_yaxis(
    "类别二",
    bar_data2,
    stack="stack1",
    itemstyle_opts=opts.ItemStyleOpts(color="#E6A23C"),
)

# 设置全局配置项
bar.set_global_opts(
    title_opts=opts.TitleOpts(title="折线图与堆叠柱形混合可视化"),
    legend_opts=opts.LegendOpts(pos_right="10%"),
    tooltip_opts=opts.TooltipOpts(
        trigger="axis", axis_pointer_type="shadow"
    ),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=-45)
    ),
)

# 创建折线图
line = Line()

# 设置折线图的 x 轴数据
line.add_xaxis(x_data)

# 添加折线数据系列
line.add_yaxis(
    "折线数据",
    line_data,
    symbol="circle",
    symbol_size=8,
    itemstyle_opts=opts.ItemStyleOpts(color="#409EFF"),
    linestyle_opts=opts.LineStyleOpts(width=3),
    label_opts=opts.LabelOpts(is_show=True),
)

# 设置全局配置项
line.set_global_opts(
    tooltip_opts=opts.TooltipOpts(trigger="axis"),
)

# 将折线图与柱形图进行混合
bar.overlap(line)

# 设置自定义的 JavaScript 函数，用于在 tooltip 中显示更多信息
formatter_js = """
function(params) {
    var tooltip_html = '';
    params.forEach(function(item) {
        if (item.seriesName === '类别一' || item.seriesName === '类别二') {
            tooltip_html += '<br/>' + item.seriesName + ': ' + item.value;
        } else if (item.seriesName === '折线数据') {
            tooltip_html += '<br/>' + item.seriesName + ': ' + item.value;
        }
    });
    return tooltip_html;
}
"""

# 将自定义的 JavaScript 函数应用到 tooltip 中
bar.set_series_opts(
    tooltip_opts=opts.TooltipOpts(formatter=JsCode(formatter_js))
)
line.set_series_opts(
    tooltip_opts=opts.TooltipOpts(formatter=JsCode(formatter_js))
)

# 渲染图表为 HTML 文件
bar.render("mixed_chart.html")

 

 数据展示

2000,2001,2002,2003,2004,2005,2006,2007,2008,2009,2010
25,50,50.5,44.5,53.5,49,54,66,59,68,54
24,31,26,30.5,38,37,52,63,59,64.5,43
22,23.5,25.5,29.5,32,32,37,49,42,55,37

Series id,Year,Period,Value
LNS14000000,1948,M01,3.4
LNS14000000,1948,M02,3.8
LNS14000000,1948,M03,4
LNS14000000,1948,M04,3.9
LNS14000000,1948,M05,3.5
LNS14000000,1948,M06,3.6
LNS14000000,1948,M07,3.6
LNS14000000,1948,M08,3.9
LNS14000000,1948,M09,3.8
LNS14000000,1948,M10,3.7
LNS14000000,1948,M11,3.8
LNS14000000,1948,M12,4
LNS14000000,1949,M01,4.3
LNS14000000,1949,M02,4.7
LNS14000000,1949,M03,5
LNS14000000,1949,M04,5.3
LNS14000000,1949,M05,6.1
LNS14000000,1949,M06,6.2
LNS14000000,1949,M07,6.7
LNS14000000,1949,M08,6.8
LNS14000000,1949,M09,6.6
LNS14000000,1949,M10,7.9
LNS14000000,1949,M11,6.4
LNS14000000,1949,M12,6.6
LNS14000000,1950,M01,6.5
LNS14000000,1950,M02,6.4
LNS14000000,1950,M03,6.3
LNS14000000,1950,M04,5.8
LNS14000000,1950,M05,5.5
LNS14000000,1950,M06,5.4
LNS14000000,1950,M07,5
LNS14000000,1950,M08,4.5
LNS14000000,1950,M09,4.4
LNS14000000,1950,M10,4.2
LNS14000000,1950,M11,4.2
LNS14000000,1950,M12,4.3
LNS14000000,1951,M01,3.7
LNS14000000,1951,M02,3.4
LNS14000000,1951,M03,3.4
LNS14000000,1951,M04,3.1
LNS14000000,1951,M05,3
LNS14000000,1951,M06,3.2
LNS14000000,1951,M07,3.1
LNS14000000,1951,M08,3.1
LNS14000000,1951,M09,3.3
LNS14000000,1951,M10,3.5
LNS14000000,1951,M11,3.5
LNS14000000,1951,M12,3.1
LNS14000000,1952,M01,3.2
LNS14000000,1952,M02,3.1
LNS14000000,1952,M03,2.9
LNS14000000,1952,M04,2.9
LNS14000000,1952,M05,3
LNS14000000,1952,M06,3
LNS14000000,1952,M07,3.2
LNS14000000,1952,M08,3.4
LNS14000000,1952,M09,3.1
LNS14000000,1952,M10,3
LNS14000000,1952,M11,2.8
LNS14000000,1952,M12,2.7
LNS14000000,1953,M01,2.9
LNS14000000,1953,M02,2.6
LNS14000000,1953,M03,2.6
LNS14000000,1953,M04,2.7
LNS14000000,1953,M05,2.5
LNS14000000,1953,M06,2.5
LNS14000000,1953,M07,2.6
LNS14000000,1953,M08,2.7
LNS14000000,1953,M09,2.9
LNS14000000,1953,M10,3.1
LNS14000000,1953,M11,3.5
LNS14000000,1953,M12,4.5
LNS14000000,1954,M01,4.9
LNS14000000,1954,M02,5.2
LNS14000000,1954,M03,5.7
LNS14000000,1954,M04,5.9
LNS14000000,1954,M05,5.9
LNS14000000,1954,M06,5.6
LNS14000000,1954,M07,5.8
LNS14000000,1954,M08,6
LNS14000000,1954,M09,6.1
LNS14000000,1954,M10,5.7
LNS14000000,1954,M11,5.3
LNS14000000,1954,M12,5
LNS14000000,1955,M01,4.9
LNS14000000,1955,M02,4.7
LNS14000000,1955,M03,4.6
LNS14000000,1955,M04,4.7
LNS14000000,1955,M05,4.3
LNS14000000,1955,M06,4.2
LNS14000000,1955,M07,4
LNS14000000,1955,M08,4.2
LNS14000000,1955,M09,4.1
LNS14000000,1955,M10,4.3
LNS14000000,1955,M11,4.2
LNS14000000,1955,M12,4.2
LNS14000000,1956,M01,4
LNS14000000,1956,M02,3.9

 

import pandas as pd
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
from scipy import optimize

years = ['2000', '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008', '2009', '2010']
data1 = [25, 50, 50.5, 44.5, 53.5, 49, 54, 66, 59, 68, 54]
data2 = [24, 31, 26, 30.5, 38, 37, 52, 63, 59, 64.5, 43]
data3 = [22, 23.5, 25.5, 29.5, 32, 32, 37, 49, 42, 55, 37]

# 创建 DataFrame
df = pd.DataFrame({'Year': years, 'Data1': data1, 'Data2': data2, 'Data3': data3})

# 将年份转换为整数类型
df['Year'] = df['Year'].astype(int)

# 定义拟合函数
def fit_func(x, a, b, c):
    return a * x**2 + b * x + c

# 生成拟合曲线数据
fit_years = list(range(min(df['Year']), max(df['Year'])+1))
fit_data1 = []
fit_data2 = []
fit_data3 = []

params1, params_covariance1 = optimize.curve_fit(fit_func, df['Year'], df['Data1'])
params2, params_covariance2 = optimize.curve_fit(fit_func, df['Year'], df['Data2'])
params3, params_covariance3 = optimize.curve_fit(fit_func, df['Year'], df['Data3'])

for year in fit_years:
    fit_data1.append(fit_func(year, *params1))
    fit_data2.append(fit_func(year, *params2))
    fit_data3.append(fit_func(year, *params3))

# 创建堆叠柱形图对象
stacked_bar = Bar()

# 添加原始数据到堆叠柱形图
stacked_bar.add_xaxis(years)
stacked_bar.add_yaxis('Data1 原始数据', data1, stack='stack0')
stacked_bar.add_yaxis('Data2 原始数据', data2, stack='stack0')
stacked_bar.add_yaxis('Data3 原始数据', data3, stack='stack0')

# 创建折线图对象用于拟合曲线
line = Line()

# 添加拟合曲线数据
line.add_xaxis(years)
line.add_yaxis('Data1 拟合曲线', fit_data1)
line.add_yaxis('Data2 拟合曲线', fit_data2)
line.add_yaxis('Data3 拟合曲线', fit_data3)

overlap_chart = line.overlap(stacked_bar)

overlap_chart.set_global_opts(
    title_opts=opts.TitleOpts(title='数据堆叠柱形图与拟合曲线', pos_bottom='0%', item_gap=0),
    xaxis_opts=opts.AxisOpts(name='年份'),
    yaxis_opts=opts.AxisOpts(name='数值')
)

# 渲染图表
overlap_chart.render('stacked_bar_with_fit_curves.html')

 

import pandas as pd
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
from scipy import optimize

years = ['2000', '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008', '2009', '2010']
data1 = [25, 50, 50.5, 44.5, 53.5, 49, 54, 66, 59, 68, 54]
data2 = [24, 31, 26, 30.5, 38, 37, 52, 63, 59, 64.5, 43]
data3 = [22, 23.5, 25.5, 29.5, 32, 32, 37, 49, 42, 55, 37]

# 创建 DataFrame
df = pd.DataFrame({'Year': years, 'Data1': data1, 'Data2': data2, 'Data3': data3})

# 将年份转换为整数类型
df['Year'] = df['Year'].astype(int)

# 定义拟合函数
def fit_func(x, a, b, c):
    return a * x**2 + b * x + c

# 生成拟合曲线数据
fit_years = list(range(min(df['Year']), max(df['Year'])+1))
fit_data1 = []
fit_data2 = []
fit_data3 = []

params1, params_covariance1 = optimize.curve_fit(fit_func, df['Year'], df['Data1'])
params2, params_covariance2 = optimize.curve_fit(fit_func, df['Year'], df['Data2'])
params3, params_covariance3 = optimize.curve_fit(fit_func, df['Year'], df['Data3'])

for year in fit_years:
    fit_data1.append(fit_func(year, *params1))
    fit_data2.append(fit_func(year, *params2))
    fit_data3.append(fit_func(year, *params3))

# 创建堆叠柱形图对象
stacked_bar = Bar()

# 添加原始数据到堆叠柱形图
stacked_bar.add_xaxis(years)
stacked_bar.add_yaxis('Data1 原始数据', data1, stack='stack0')
stacked_bar.add_yaxis('Data2 原始数据', data2, stack='stack0')
stacked_bar.add_yaxis('Data3 原始数据', data3, stack='stack0')

# 创建折线图对象用于拟合曲线
line = Line()

# 添加拟合曲线数据
line.add_xaxis(years)
line.add_yaxis('Data1 拟合曲线', fit_data1)
line.add_yaxis('Data2 拟合曲线', fit_data2)
line.add_yaxis('Data3 拟合曲线', fit_data3)

overlap_chart = line.overlap(stacked_bar)

overlap_chart.set_global_opts(
    title_opts=opts.TitleOpts(title='数据堆叠柱形图与拟合曲线', pos_bottom='0%', item_gap=0),
    xaxis_opts=opts.AxisOpts(name='年份'),
    yaxis_opts=opts.AxisOpts(name='数值')
)

# 渲染图表
overlap_chart.render('stacked_bar_with_fit_curves.html')

张謹礧
关注
pyecharts——绘制柱形图折线图
fyd4777leo的博客
12-08 1489
自2013年6月百度 EFE ( Excellent FrontEnd ）数据可视化团队研发的 ECharts 1.0发布到 GitHub 网站以来， ECharts 一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python 作为数据分析领域最受欢迎的语言，也加入 ECharts 的使用行列，并研发出方便 Python 开发者使用的数据可视化工具，由此便诞生了 pyecharts 库。
使用pyecharts绘制柱形图+折线图+饼图+堆积柱形图
weixin_74204416的博客
12-21 603
【代码】使用pyecharts绘制柱形图+折线图+饼图+堆积柱形图。
使用pyecharts绘制合并图表——柱形图和折线图
l24649466的博客
12-05 1318
自2013年6月百度EFE(Excellent FrontEnd)数据可视化团队研发的ECharts 1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据可视化工具，由此便诞生了pyecharts库。
python 的pyecharts可视化.柱形图和折线图的结合（2）
weixin_43321726的博客
11-26 6769
Exharts是百度开源的一个数据可视化的JS库，pyecharts是python和Echarts的一个接口 下面是柱形图和折线图的结合，可以从两种图看出不一样的东西 环境：pip install pyecharts ==0.5.11 pip install pyecharts_sanpshot 1.代码块 #time:2019.11.26 #Writer:heguobao #python pyc...
Pyecharts之折线图与柱状图组合绘制
热门推荐
weixin_48488448的博客
02-27 1万+
1.下载安装pyecharts cmd输入 pip install pyecharts 如果是用的pycharm可以直接在Terminal中输入 （如果上述命令没有效果的话，可用下面的命令） 2、学习pyecharts 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。 1. 导入库 #导入配置模块 from pyecharts i
利用Pyecharts绘制折线图跟柱形图
2302_77601914的博客
12-08 490
图元样式、文本样式、标签、线条样式、标记样式、填充样式。：是一些针对图表特定元素属性的配置项，包括。：是一些针对图表通用属性的配置项，包括。等，其中每个配置项都对应一个类。,其中每个配置项都对应一个类。表示原生图形.元素组件的配置项。表示数据区域缩放组件的配置项。表示坐标轴指示器组件的配置项。表示区域选择组件的配置项。表示视觉映射组件的配置项。表示提示框组件的配置项。表示x轴、y轴的配置项。表示标题组件的配置项。表示图例组件的配置项。
使用pyecharts绘制柱形图-折线图，圆环图，堆积柱形图，雷达图
2302_79888586的博客
12-14 570
【代码】使用pyecharts绘制柱形图-折线图，圆环图，堆积柱形图，雷达图。
Python数据可视化绘制图表（折线图，柱形图，堆积面积图）
2302_79789525的博客
09-17 3315
运用jupyter notebook来编写代码和运行呈现效果图
python数据分析可视化：绘制折线图和柱形图
fyd4777leo的博客
09-21 1350
使用matplotlib绘制图表，结合面对对象的API，使用这些数据使得数据可视化变得轻而易举。​​​​​使用pyplot的plot()函数可以快速绘制折线图。做题思路：首先导入 matplotlib . pyplot 和 numpy 模块，分别重命名为 plt 和 np ，其次将表2-1的数据分别作为 x 轴和 y 轴的数据，绘制两条折线，最后调用 show （）函数进行展示。运行程序，效果如图所示。
pyecharts在数据可视化中的应用 （一）（用Python-pyecharts绘制折线图、柱形图、极坐标系图、饼图等图形）
qq_45810849的博客
06-05 3372
1、 美国1995年-2009年邮费变化折线图、阶梯图； from pyecharts.charts import Line from pyecharts import options as opts line = Line() line.add_xaxis(["1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2017", "2008", "2009"]) lin
用pyecharts绘制一个柱形图并层叠折线图的融合图，饼图，柱形图
Life_Castle的博客
12-14 640
最后使用并行多图grid添加多个图表。
Python3 解释器
Java_fenxiang的博客
10-05 321
Linux/Unix的系统上，一般默认的 python 版本为 2.x，我们可以将 python3.x 安装在/usr/local/python3目录中。安装完成后，我们可以将路径/usr/local/python3/bin添加到您的 Linux/Unix 操作系统的环境变量中，这样您就可以通过 shell 终端输...
task【XTuner微调个人小助手认知】
最新发布
m0_53291740的博客
10-07 699
下面我们将根据项目的需求一步步的进行修改和调整吧！在 PART 1 的部分，由于我们不再需要在 HuggingFace 上自动下载模型，因此我们先要更换模型的路径以及数据集的路径为我们本地的路径。为了训练过程中能够实时观察到模型的变化情况，XTuner 贴心的推出了一个。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
haidizym的博客
10-02 504
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1349
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Mopes__的博客
10-01 430
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Python编写的贪吃蛇小游戏
WwLK123的博客
10-03 483
Python编写贪吃蛇小游戏。
合并两个有序数组
Sudo_Wang的学习记录
09-30 448
我们可以使用双指针法从后向前遍历，避免将已经排序的数组打乱。这个方法的核心思路是从。的末尾开始填充较大的元素，因为末尾是用零填充的空闲区域，这样我们可以避免覆盖。这个方法能够高效地解决问题，并且符合进阶要求的 O(m + n) 复杂度。
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

打赏作者

张謹礧

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