[数据分析笔记] 网易云歌单分析系列03—pyecharts折线图

最新推荐文章于 2023-12-08 18:17:49 发布
最新推荐文章于 2023-12-08 18:17:49 发布
阅读量1k 收藏 10
点赞数 1
分类专栏： 数据分析
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/wong_faye/article/details/107420353
版权

0.导入数据

import numpy as np
import pandas as pd
import pymysql
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Grid
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType

conn = pymysql.connect(
    host = '127.0.0.1',
    user = 'root',
    password = '123',
    database = 'cloudmusic',
    charset = 'utf8'
)

df = pd.read_sql("select * from playlists", con=conn)

在这里插入图片描述

year_df = df.groupby(df['create_time'].str[:4]).sum()
year_df

在这里插入图片描述

year_df = year_df.loc['2013':,:]

在这里插入图片描述

1.基本折线图

(
    Line()
    .add_xaxis(xaxis_data=year_df.index.tolist())
    .add_yaxis(
        series_name = "歌曲数",
        y_axis = year_df.tracks_num.tolist(),
        symbol = "emptyCircle",
        is_symbol_show = True,
        label_opts = opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        xaxis_opts = opts.AxisOpts(type_="category"),
        yaxis_opts = opts.AxisOpts(
            type_ = "value",
            axistick_opts = opts.AxisTickOpts(is_show=True),
            splitline_opts = opts.SplitLineOpts(is_show=True),
        ),
        title_opts = opts.TitleOpts(title="基本折线图")
        
    )
    .render_notebook()
)

在这里插入图片描述

2.Log折线图

(
    Line(init_opts = opts.InitOpts(width="1000px"))
    .add_xaxis(xaxis_data=year_df.index.tolist())
    .add_yaxis(
        series_name = "log(播放量)",
        y_axis = year_df.play_count.tolist(),
        linestyle_opts = opts.LineStyleOpts(width=2)
    )
    .add_yaxis(
        series_name = "log(收藏量)",
        y_axis = year_df.subscribed_count.tolist(),
        linestyle_opts = opts.LineStyleOpts(width=2)
    )
    .set_global_opts(
        title_opts = opts.TitleOpts(title="对数轴"),
        xaxis_opts = opts.AxisOpts(type_="category", name="x"),
        yaxis_opts = opts.AxisOpts(
            type_="log",
            name="y",
            splitline_opts = opts.SplitLineOpts(is_show=True),
            is_scale = True,
        ),
    )
    .render_notebook()
)

在这里插入图片描述

3.双折线图

(
    Line()
    .add_xaxis(xaxis_data=year_df.index.tolist())
    .add_yaxis(
        series_name = "分享量",
        y_axis = year_df.share_count.tolist(),
        is_smooth = True,
        markpoint_opts = opts.MarkPointOpts(
            data = [
                opts.MarkLineItem(type_="max", name="最大值", symbol_size=100),
                opts.MarkLineItem(type_="min", name="最小值", symbol_size=100),
            ]
        ),
        markline_opts = opts.MarkLineOpts(
            data = [opts.MarkLineItem(type_="average", name="平均值")]
        ),
    )
    .add_yaxis(
        series_name = "评论数",
        y_axis = year_df.comment_count.tolist(),
        is_smooth = True,
        markline_opts = opts.MarkLineOpts(
            data = [
                opts.MarkLineItem(type_="average", name="平均值"),
                opts.MarkLineItem(symbol="none", x="90%", y="max"),
                opts.MarkLineItem(type_="max", name="最高点"),
            ]
        ),
        
    )
    .set_global_opts(
            title_opts = opts.TitleOpts(title="堆叠折线图"),
            tooltip_opts = opts.TooltipOpts(trigger="axis"),
            toolbox_opts = opts.ToolboxOpts(is_show=True),
            xaxis_opts = opts.AxisOpts(type_="category", boundary_gap=False),
        )
    .render_notebook()
)

在这里插入图片描述

4.面积图

(
    Line()
    .add_xaxis(year_df.index.tolist())
    .add_yaxis("分享量", year_df.share_count.tolist(), is_smooth=True)
    .add_yaxis("评论数", year_df.comment_count.tolist(), is_smooth=True)
    .set_global_opts(
        title_opts = opts.TitleOpts(title="面积图-紧贴Y轴"),
        xaxis_opts = opts.AxisOpts(
            axistick_opts = opts.AxisTickOpts(is_align_with_label=True),
            is_scale = False,
            boundary_gap = False,
        )
    )
    .set_series_opts(
        areastyle_opts = opts.AreaStyleOpts(opacity=0.5),
        label_opts = opts.LabelOpts(is_show=False),
    )
    .render_notebook()
)

在这里插入图片描述

5.颜色渐变折线图

background_color_js = (
    "new echarts.graphic.LinearGradient(0,0,0,1,"
    "[{offset: 0, color: '#c86589'}, {offset: 1, color: '#06a7ff'}], false)"
)

area_color_js = (
    "new echarts.graphic.LinearGradient(0,0,0,1,"
    "[{offset: 0, color: '#eb64fb'}, {offset: 1, color: '#3fbbff0d'}], false)"
)


line = (
        Line(init_opts=opts.InitOpts(bg_color=JsCode(background_color_js)))
        .add_xaxis(xaxis_data=year_df.index.tolist())
        .add_yaxis(
            series_name = "歌曲数",
            y_axis = year_df.tracks_num.tolist(),
            is_smooth = True,
            is_symbol_show = True,
            symbol = "circle",
            symbol_size = 6,
            linestyle_opts = opts.LineStyleOpts(color="#fff"),
            label_opts = opts.LabelOpts(is_show=True, position="top", color="white"),
            itemstyle_opts= opts.ItemStyleOpts(
                color="red", border_color="#fff", border_width=3
            ),
            tooltip_opts = opts.TooltipOpts(is_show=False),
            areastyle_opts = opts.AreaStyleOpts(color=JsCode(area_color_js), opacity=1),
        )
    .set_global_opts(
        title_opts = opts.TitleOpts(
            title = "歌单歌曲数",
            pos_bottom = "5%",
            pos_left = "center",
            title_textstyle_opts = opts.TextStyleOpts(color="#fff", font_size=16),
        ),
        xaxis_opts = opts.AxisOpts(
            type_ = "category",
            boundary_gap = False,
            axislabel_opts = opts.LabelOpts(margin=30, color="#ffffff63"),
            axisline_opts = opts.AxisLineOpts(is_show=False),
            axistick_opts = opts.AxisTickOpts(
                is_show = True,
                length = 25,
                linestyle_opts = opts.LineStyleOpts(color="#ffffff1f"),
            ),
            splitline_opts = opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(color="#ffffff1f")
            ),
        ),
        yaxis_opts = opts.AxisOpts(
            type_ = "value",
            position = "right",
            axislabel_opts = opts.LabelOpts(margin=20, color="#ffffff63"),
            axisline_opts = opts.AxisLineOpts(
                linestyle_opts = opts.LineStyleOpts(width=2, color="#fff")
            ),
            axistick_opts = opts.AxisTickOpts(
                is_show = True,
                length = 15,
                linestyle_opts = opts.LineStyleOpts(color="#ffffff1f")
            ),
            splitline_opts = opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(color="#ffffff1f")
            ),
        ),
        legend_opts =  opts.LegendOpts(is_show=False),
    )

    )

(
    Grid()
    .add(
        line,
        grid_opts = opts.GridOpts(
            pos_top = "20%",
            pos_left = "10%",
            pos_right = "10%",
            pos_bottom = "15%",
            is_contain_label = True,
        ),
    )
    .render_notebook()
)

在这里插入图片描述

6.区域颜色折线图

df2019 = df[df['create_time'].str[:4]=="2019"]
month2019 = df2019.groupby(df2019["create_time"].str[5:7]).count()["id"]

在这里插入图片描述

(
    Line()
    .add_xaxis(xaxis_data=month2019.index.tolist())
    .add_yaxis(
        series_name = "歌单数",
        y_axis = month2019.tolist(),
        is_smooth = True,
        label_opts = opts.LabelOpts(is_show=False),
        linestyle_opts = opts.LineStyleOpts(width=2),
    )
    .set_global_opts(
        title_opts = opts.TitleOpts(title="2019年创建的歌单数"),
        tooltip_opts = opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        xaxis_opts = opts.AxisOpts(boundary_gap=False),
        yaxis_opts = opts.AxisOpts(
            axislabel_opts = opts.LabelOpts(formatter="{value} W"),
            splitline_opts = opts.SplitLineOpts(is_show=True),
        ),
        visualmap_opts = opts.VisualMapOpts(
            is_piecewise = True,
            dimension = 0,
            pieces = [
                {"lte": 2, "color": "#f47a75"},
                {"gt": 2, "lte": 6, "color": "#009db2"},
                {"gt": 6, "lte": 8, "color": "#f47a75"},
                {"gt": 8, "color": "#009db2"},
            ],
        ),
    )
    .set_series_opts(
        markarea_opts = opts.MarkAreaOpts(
            data = [
                opts.MarkAreaItem(name="冬季", x=(0, 2)),
                opts.MarkAreaItem(name="夏季", x=(6, 8)),
            ]
        )
    )
    .render_notebook()
    
)

在这里插入图片描述

7.堆积面积图

df[df['create_time'].str[:4]=="2015"].groupby(df[df['create_time'].str[:4]=="2015"]["create_time"].str[5:7]).count()["id"]

在这里插入图片描述

(
    Line()
    .add_xaxis(xaxis_data=month2019.index.tolist())
    .add_yaxis(
        series_name="2015",
        stack="总量",
        y_axis=df[df['create_time'].str[:4]=="2015"].groupby(df[df['create_time'].str[:4]=="2015"]["create_time"].str[5:7]).count()["id"].tolist(),
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
     .add_yaxis(
        series_name="2016",
        stack="总量",
        y_axis=df[df['create_time'].str[:4]=="2016"].groupby(df[df['create_time'].str[:4]=="2016"]["create_time"].str[5:7]).count()["id"].tolist(),
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
     .add_yaxis(
        series_name="2017",
        stack="总量",
        y_axis=df[df['create_time'].str[:4]=="2017"].groupby(df[df['create_time'].str[:4]=="2017"]["create_time"].str[5:7]).count()["id"].tolist(),
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
     .add_yaxis(
        series_name="2018",
        stack="总量",
        y_axis=df[df['create_time'].str[:4]=="2018"].groupby(df[df['create_time'].str[:4]=="2018"]["create_time"].str[5:7]).count()["id"].tolist(),
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
     .add_yaxis(
        series_name="2019",
        stack="总量",
        y_axis=df[df['create_time'].str[:4]=="2019"].groupby(df[df['create_time'].str[:4]=="2019"]["create_time"].str[5:7]).count()["id"].tolist(),
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="堆叠区域图"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
    )
    .render_notebook()
)

在这里插入图片描述

8.双轴折线图

df[df["create_time"].str[:4]=="2019"].groupby(df["create_time"].str[:7]).count()["id"]

在这里插入图片描述

js_formatter = """function (params) {
        console.log(params);
        return '歌单数  ' + params.value + (params.seriesData.length ? '：' + params.seriesData[0].data : '');
    }"""

(
    Line()
    .add_xaxis(
        xaxis_data = df[df["create_time"].str[:4]=="2019"].groupby(df["create_time"].str[:7]).count()["id"].index.tolist(),
    )
    .extend_axis(
        xaxis_data = df[df["create_time"].str[:4]=="2018"].groupby(df["create_time"].str[:7]).count()["id"].index.tolist(),
        xaxis = opts.AxisOpts(
            type_ = "category",
            axistick_opts = opts.AxisTickOpts(is_align_with_label=True),
            axisline_opts = opts.AxisLineOpts(
                is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#6e9ef1")
            ),
            axispointer_opts = opts.AxisPointerOpts(
                is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
            ),
        ),
    )
    .add_yaxis(
        series_name = "2018年歌单数",
        y_axis = df[df["create_time"].str[:4]=="2018"].groupby(df["create_time"].str[:7]).count()["id"].tolist(),
        is_smooth = True,
        symbol = "emptyCircle",
        is_symbol_show = False,
        color = "#d14a61",
        label_opts = opts.LabelOpts(is_show=False),
        linestyle_opts = opts.LineStyleOpts(width=2),
    )
    .add_yaxis(
        series_name = "2019年歌单数",
        y_axis = df[df["create_time"].str[:4]=="2019"].groupby(df["create_time"].str[:7]).count()["id"].tolist(),
        is_smooth = True,
        symbol = "emptyCircle",
        is_symbol_show = False,
        color = "#6e9ef1",
        label_opts = opts.LabelOpts(is_show=False),
        linestyle_opts = opts.LineStyleOpts(width=2),
    )
    .set_global_opts(
        legend_opts=opts.LegendOpts(),
        tooltip_opts=opts.TooltipOpts(trigger="none", axis_pointer_type="cross"),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
            axisline_opts=opts.AxisLineOpts(
                is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        ),
    )
    .render_notebook()
)

在这里插入图片描述

wong_faye
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pyecharts学习(part2)--pyecharts Line
小山羊的学习日志
03-30 267
学习笔记，仅供参考，有错必究 文章目录pyecharts学习pyecharts Line折线图添加标题与图例增加提示项工具箱的设置 pyecharts学习 pyecharts Line 折线图 from pyecharts.charts import Line from pyecharts import options as opts # 散点图数据 x = ['seaborn', 'plotly', 'matplotlib', 'pyecharts', 'python'] y1 = [1140, 5
PyEcharts 3D图表之 3D 折线图
最新发布
m0_62222486的博客
06-24 150
为了完成本关任务，你需要掌握：1. Python 的基本语法，2. PyEcharts 3D 柱状图的相关内容。为了完成本关任务，你需要掌握：1. Python 的基本语法，2. PyEcharts 3D 折线图的相关内容。视觉映射组件最大值设置为 30，最小值设为 0 ，维度设为 2，颜色过度序列见文末。坐标系组件的宽度和深度都设置为 100，开启旋转，自转速度设置为 150。视觉映射组件最大值设置为 30，最小值设置为 0，组件过渡颜色设置为。平台会运行你编写的代码进行绘图，并展示其效果。
(代码详解)pyecharts画折线图+多条折线图+参数讲解+美化(有数据)
2301_81199775的博客
12-08 8148
(代码详解)pyecharts画折线图+多条折线图+参数讲解+美化(有数据)+数据平滑
Python-PyEcharts绘制折线图(Line)
qq_35989920的博客
05-18 1438
Python-PyEcharts绘制折线图(Line)
pyecharts图表库学习:Line（折线/面积图）
错位的梦寐的博客
11-17 4502
Line（折线/面积图） 折线图是用折线将各个数据点标志连接起来的图表，用于展现数据的变化趋势。 Line.add() 方法签名 add(name, x_axis, y_axis, is_symbol_show=True, is_smooth=False, is_stack=False, is_step=False, **kwargs) name -> s...
Pyecharts教程——Line折线图
Plum_Steven的博客
03-16 8225
在上一期教程中，我们学习了如何使用Pyecharts制作一个柱状图，而这次，我们来做一个折线图吧！ 任务栏： 1、读取数据 2、绘制折线图 3、优化折线图 4、添加标签 1、读取数据 首先，新建一个json文件，往里面写入下列文字： {"mean_temp": [28, 28, 27.5, 26, 26, 25.5, 27], "high_temp": [32, 32, 33, 30, 30, 30, 32], "low_temp": [24, 24, 22, 22, 22, 21,
网易云歌单数据的预处理操作
06-10
网易云歌单数据的预处理操作 包括去除空缺值，为用户添加唯一的id和密码 以及生成sql文件
Python下载网易云歌单歌曲的示例代码
09-16
在本文中，我们将深入探讨如何使用Python编程语言下载网易云音乐平台上的歌单歌曲。这个示例代码展示了如何实现这一功能，特别适用于那些希望自定义音乐库或离线欣赏网易云歌单的用户。 首先，我们需要导入必要的库...
网易云歌曲数据_5730.csv
11-08
利用py爬虫爬取的网易云歌单数据，
基于Python Scrapy实现的网易云音乐music163数据爬取爬虫系统 含全部源代码
07-10
基于Python Scrapy实现的网易云音乐music163数据爬取爬虫系统 含全部源代码 基于Scrapy框架的网易云音乐爬虫，大致爬虫流程如下： - 以歌手页为索引页，抓取到全部歌手； - 从全部歌手页抓取到全部专辑； - 通过...
一个获取网易云音乐歌手、专辑、歌曲、评论、歌词等数据的Python爬虫.zip
03-03
一个获取网易云音乐歌手、专辑、歌曲、评论、歌词等数据的Python爬虫。 爬取所有的歌手信息 artists.py 爬取专辑信息 album_by_artist.py 爬取歌曲信息 music_by_album.py 爬的多了可能被禁 爬取歌词信息 lyric_...
pyecharts中有关Line的相关事项
记录、分享、合作、共赢
11-29 1万+
关于pyecharts中Line是数据处理中常用到的包，这样的话，我们可以给它简化一下，常用的东西的写法格式在这里罗列出来，直接上程序，只需修改其中需要的部分即可。 from pyecharts import Page, Line page = Page() for i in range(1, 11): file_name = '这里是你的文件的路径' y = data ...
echarts渐变折线图
weixin_42752532的博客
12-21 682
option = { grid: { // 直角坐标系内绘图网格 left: '10', //grid 组件离容器左侧的距离, //left的值可以是80这样具体像素值， //也可以是'80%'这样相对于容器高度的百分比 top: '10', .
Python pyecharts Line折线图
04-01 2216
文章目录一、绘制折线图二、添加最小值最大值平均值三、竖线提示信息四、显示工具栏五、实心面积填充六、是否跳过空值七、折线光滑化八、多X轴九、阶梯图 一、绘制折线图 import seaborn as sns import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['font.sans-serif']=['Micr
学了那么久Python还什么都做不了，我觉得你该试试这个方法了
龙叔的博客
11-08 1万+
答应我，别再做无用功了
pyecharts官方文档_跟着官方文档学pyecharts（Line）
weixin_39626613的博客
12-21 1251
在前面的文章里，我们已经学习过许多pyecharts可视化的图表，如：1.Bar、Map2.Pie、Wordcloud但是如果你在学习过程中有看到官方中文文档(https://pyecharts.org/#/)的话，你会发现事情并不简单：数了一下，共有32种基本纯图表，7种添加组件，合集39个组件：我天！这要学到猴年马月？？...
python pyecharts Line,折线图 Grid 图例摆放
qq_42467563的博客
01-09 7510
 Line,折线图  Grid  图例摆放 的使用 from pyecharts import Pie,Bar,Gauge,EffectScatter,WordCloud,Map,Line,Grid import random attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] v1 = [5, 20, 36, 10, 75, 90] v
Python之pyecharts
yaoqinghao的博客
11-01 965
柱状图 import pyecharts.charts as pyec x = ['甲','乙','丙'] y = [300,800,600] bar = pyec.Bar() bar.add_xaxis(x) bar.add_yaxis(series_name='公司A',yaxis_data=y) bar.render_notebook() import pyecharts.optio...
pyecharts-动态可视化(6)折线图的 多页面转换/实现渐变色/面积图/鼠标悬浮信息/堆叠
vv_eve的博客
08-08 7842
（反正就是个小白帖，代码会有详细的注释）如何实现渐变色设置？背景：echarts内置的渐变色生成器叫 echarts.graphic.LinearGradient 在pyecharts里， "new echarts.graphic.LinearGradient(0, 0, 0, 1, "` 加了new，4个参数用于配置渐变色的起止位置，这4个参数依次对应右/下/左/上四个方位. 而0 0 0 1则代表渐变色从正上方开始
数据可视化技术Pyecharts折线图Line详细代码注释学习笔记1
热门推荐
愿与你一起深度技术交流
10-23 3万+
前言 目前来讲，pyecharts相对matplotlib来说，明显的优点多些 之前学习过一段时间echarts，也学了段时间pyecharts，现在打算整理下笔记，分享促进爱好者们一起学习 总结 10个小例子 type_这个属性注意加下划线 , pyecharts可以使用单引号’ '也可以使用双引号""存储变量值 首先导入通用的python模块 from pyecharts.charts imp...
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