python之利用pyecharts可视化(各种图表的绘制)

黎明之道 等级 397 0 0

pyecharts可视化

pyecharts是基于Echart图表的一个类库,而Echart是百度开源的一个可视化JavaScript库。

简介:
pyecharts主要基于web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图、地图、极坐标图等,代码量很少,而且很灵活,绘制出来的图形很美观。

使用pyecharts时,需要安装相应的库,安装命令为:
pip install pyecharts

图形绘制过程,基本上所有的图表类型都是这样绘制的:

chart_name = Type()      #初始化具体类型图表
chart_name .add()         #添加数据及配置项
chart_name .render() 
#生成本地文件(html/svg/jpeg/png/pdf/gif)
chart_name .render_notebook  #在jupyter notebook中显示 

常用图表绘制

柱状图

利用Bar方法可以绘制柱状图python之利用pyecharts可视化(各种图表的绘制)

from pyecharts.charts import Bar
from pyecharts import options as opts
%matplotlib inline
# V1 版本开始支持链式调用
bar = ( Bar()
       .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
       .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
       .set_global_opts(title_opts = opts.TitleOpts(title = "某商场销售情况")) )
bar.render_notebook()
#bar.render() 生成html 

python之利用pyecharts可视化(各种图表的绘制)
V1版本开始支持链式调用,如果不习惯链式调用的开发者依旧可以单独调用方法,上面代码为:
使用多个add_yaxis可以绘制并列柱状图。

bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.set_global_opts(title_opts = opts.TitleOpts(title = "某商场销售情况"))
bar.render_notebook() 

from pyecharts.charts import Bar from pyecharts import options as opts %matplotlib inline bar = Bar() bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) bar.set_global_opts(title_opts = opts.TitleOpts(title = "货品销售情况",subtitle = "A和B公司")) bar.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/348f686b9292752b449a141a9682e280.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)饼图

饼图常用于表现不同类别的占比情况。利用Pie方法可以绘制饼图。

from pyecharts import options as opts
from pyecharts.charts import Page, Pie L1=['教授','副教授','讲师','助教','其他'] num = [20,30,10,12,8] c = Pie() c.add("", [list(z) for z in zip(L1,num)]) c.set_global_opts(title_opts=opts.TitleOpts(title="Pie-职称类别比例")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/0f7f64146216b1e9930e4538d89f77ab.png)  
通过参数圆形饼图radius可以绘制圆形饼图。

from pyecharts import options as opts from pyecharts.charts import Page, Pie wd = ['教授','副教授','讲师','助教','其他'] num = [20,30,10,12,8] c = Pie() c.add("",[list(z) for z in zip(wd, num)],radius = ["40%", "75%"])

圆环的粗细和大小

c.set_global_opts( title_opts=opts.TitleOpts(title="Pie-Radius"),legend_opts=opts.LegendOpts( orient="vertical", pos_top="5%", pos_left="2%" )) c .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/5c9e12e477414897ad2ad7451534ca67.png)  
可以通过rich参数设置更多属性

c = Pie() c.add("",[list(z) for z in zip(wd, num)],radius=["40%", "55%"], label_opts=opts.LabelOpts(position="outside", formatter="{a|{a}}{abg|}\n{hr|}\n{b|{b}:}{c} {per|{d}%} ", background_color="#eee",border_color="#aaa", border_width=1,border_radius=4, rich={"a": {"color": "#999", "lineHeight": 22, "align": "center"},"abg": {"backgroundColor": "#e3e3e3","width": "100%", "align": "right", "height": 22,"borderRadius": [4, 4, 0, 0],}, "hr": {"borderColor": "#aaa", "width": "100%","borderWidth": 0.5, "height": 0,}, "b": {"fontSize": 16, "lineHeight": 33},"per": {"color": "#eee","backgroundColor": "#334455", "padding": [2, 4],"borderRadius": 2,} } )) c.set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/c225c0be2ddd0f12d13879331f323ccf.png)

玫瑰图绘制

from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Page, Pie data = [45,86,39,52,68] labels = ['电脑','手机','彩电','冰箱','洗衣机'] c = Pie() c.add("",[list(z) for z in zip(wd, num)],radius=["40%", "55%"],center=[240,220],rosetype='radius') c.add("",[list(z) for z in zip(wd, num)],radius=["40%", "55%"],center=[620,220],rosetype='area') c.set_global_opts(title_opts=opts.TitleOpts(title="玫瑰图")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/e239bfb18c783788c660fbbd9ceb5c5c.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)漏斗图

pyecharts中通过Funnel绘制漏斗图。

from pyecharts.charts import Funnel from pyecharts import options as opts %matplotlib inline data = [45,86,39,52,68] labels = ['电脑','手机','彩电','冰箱','洗衣机'] wf = Funnel() wf.add('电器销量图',[list(z) for z in zip(labels, data)], is_selected= True) wf.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/8a478d4c8b97221b074678b646e2925d.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)散点图

pyecharts利用Scatter绘制散点图。

from pyecharts import options as opts from pyecharts.charts import Scatter week = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"] c = Scatter() c.add_xaxis(week) c.add_yaxis("商家A", [81,65,48,32,68,92,87]) c.set_global_opts(title_opts=opts.TitleOpts(title="Scatter-一周的销售额(万元)")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/2aa9f67cc626ce2c9c6e3d81b8eb55b2.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)K线图

pyecharts利用Kline绘制K线图。

from pyecharts import options as opts from pyecharts.charts import Kline data = [[2320.26, 2320.26, 2287.3, 2362.94],[2300, 2291.3, 2288.26, 2308.38],[2295.35, 2346.5, 2295.35, 2345.92]] c = Kline() c.add_xaxis(["2019/7/{}".format(i + 1) for i in range(31)]) c.add_yaxis("2019年7月份K线图", data) c.set_global_opts(yaxis_opts=opts.AxisOpts(is_scale=True), xaxis_opts=opts.AxisOpts(is_scale=True), title_opts=opts.TitleOpts(title="Kline-基本示例"),) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/1255164b1c6a51a44d86421c6340f37c.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)仪表盘

pyecharts利用Gauge绘制仪表盘。

from pyecharts import options as opts from pyecharts.charts import Gauge, Page c = Gauge() c.add("业务指标",[("完成率", 55.5)],axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30))) c.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-不同颜色"), legend_opts=opts.LegendOpts(is_show=False)) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/bb3d9dd0a8a43c17e9354bbe5072e583.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)词云

Pyecharts利用WordCloud绘制词云。

from pyecharts import options as opts from pyecharts.charts import Page, WordCloud from pyecharts.globals import SymbolType words = [ ("牛肉面", 7800),("黄河", 6181), ("《读者》杂志", 4386), ("甜胚子", 3055), ("五泉山", 2550)] c = WordCloud() c.add("", words, word_size_range=[20, 80]) c.set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/fc56d342f9b56a1c49fb64130aea4953.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)地图

自从 0.3.2 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(Geo、Map),可自行安装对应的地图文件包。

Windows下通过以下的pip命令进行安装:

#安装全球国家地图,包括世界地图和 213 个国家 pip install echarts-countries-pypkg #安装中国省级地图,包括23 个省,5 个自治区 pip install echarts-china-provinces-pypkg #中国市级地图,包括370 个中国城市 pip install echarts-china-cities-pypkg


在指定地图上的城市标示某天最高温度

from pyecharts import options as opts from pyecharts.charts import Map temperature=[30,31,27,29,18] loc = ['兰州市','天水市','白银市','武威市','甘南藏族自治州'] c = Map() c.add("甘肃省", [list(z) for z in zip(loc, temperature)], "甘肃",is_roam=True)

is_roam是否开启鼠标缩放和平移漫游

c .set_global_opts(title_opts=opts.TitleOpts(title="甘肃省部分城市最高气温")) c.render_notebook()


![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/3503b9e05a2d048cc2c2073fe50ef36e.png)

#### [](https://blog.csdn.net/sjjsaaaa/article/details/111824696)组合图表

![在这里插入图片描述](https://img-hello-world.oss-cn-beijing.aliyuncs.com/56f149e913a18cf1333045ceb7ef32b4.png)
收藏
评论区

相关推荐

10. 比找女朋友还难的技术点,Python 面向对象
有人整个 Python 学习生涯都没有搞明白的技术之一:面向对象。 先放美图调整下心情。 十、Python 面
15. Python 程序运行速度如何提高十倍?第一遍滚雪球学 Python 收工
本篇文章将给大家介绍 Python 多线程与多进程相关知识,学习完该知识点之后,你的 Python 程序将进入另一个高峰。 <center<font colorred缓解一下视疲劳</font</center 15. Python 程序运行速度如何提高十倍?第一遍滚雪球学 Python 收工(https://imghelloworld.oss
原来Python绘图也可以这么漂亮,这次真的是学习到了!
(https://imghelloworld.osscnbeijing.aliyuncs.com/8830803f033eeed85783e9058cf08968.png) 作者:朱小五 来源:快学Python 👆人生苦短,快学Python! 最近看了一篇文章《一个牛逼的Python 可视化库:PyG2Plot》,可惜只是简单介
我的python总结
建议刚开始学习直接使用ANACONDAhttps://www.anaconda.com/download/配置python环境变量https://docs.python.org/3.6/using/cmdline.htmlenvvarPYTHONMALLOCPython PEP8导包顺序1. Python标准
python之利用pyecharts可视化(各种图表的绘制)
pyecharts可视化pyecharts是基于Echart图表的一个类库,而Echart是百度开源的一个可视化JavaScript库。简介: pyecharts主要基于web浏览器进行显示,绘制的图形比较
一个没法商用,但是好玩有趣的 Python 手绘图形库!
https://github.com/chenjiandongx/cutecharts今天,给大家介绍一个很酷的 Python 手绘风格可视化神包:cutecharts。和 Matplotlib 、pyecharts 等常见的图表不同,使用这个包可以生成下面这种看起来像手绘的各种图表,在一些场景下使用效果可能会更好。GitHub 地址:https://git
用python爬取4332条粽子数据进行分析,再送15盒粽子给大家
↑ 点击上方 “凹凸数据” 关注 + 星标  文章干货!有福利 !  端午节快要到了,甜咸粽子之争也快要拉开帷幕。 小五准备用Python爬取淘宝上的粽子数据并进行分析,看看有什么发现。(顺便送大家一波福利)爬虫爬取淘宝数据,本次采用的方法是:Selenium控制Chrome浏览器自动化操作\[1\]。其实我们还可以利用Ajax接口来构造链接,但是非常
Python初学者必备书籍《Python入门经典》高清PDF版|百度网盘免费下载|Python初学者,自学Python必读
提取码:1028以及前文提到的学习路线图内容简介Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。Python可以用于很多的领域,从科学计算到游戏开发。《Python入门经典》是面向Python初学者的学习指南,详细介绍了Python编程基础,以及一些高级概念,如面向对象编程。全书分为24章。第1章介绍了Python的背景和安装方法。第2章
ECharts团队出品的可视化神器,值得一试
大家好,我是小五🚀如果你对可视化感兴趣的话,一定了解过ECharts或者pyecharts。不过使用它们还是需要有一定编程基础,今天给大家安利一个:同为ECharts团队出品,但是0编程的可视化神器。简介百度图说是一款在线可视化工具软件,可以实现零编程玩转图表。它的图表样式一共8类22种,对比之前介绍的还是少了一些。官网地址:https://tushuo.b
一文带你读懂PyQt:用Python做出与C++一样的GUI界面应用程序
\ 一、简介 Python标准库更多的适合处理后台任务,唯一的图形库tkinter使用起来很不方便,所以后来出现了针对Python图形界面开发的扩展库,今天老猿要介绍的是主流Python图形界面扩展库之一的PyQt。 在介绍PyQt之前,必须先简单介绍一下Qt。Qt是一个C++可视化开发平台,是一个跨平台的C++图形用户界面应用程序框架(C++ GUI)
python数据分析——pyecharts柱状图全解(小白必看)
一、pyecharts简介 pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。pyecharts 分为 v0.5.X 和 v1 两个大版本,v0.5.X 和 v1 间不兼容,v1 是一个全新的版本 v0.5.X支持 Python2
牛批了,1行python代码就可实现炫酷可视化
之前画图一直在用matlibplot、pyecharts,最近学习了一个新的可视化库cufflinks,用了两天我已经深深爱上它了 主要是因为它用法简单、图形漂亮、代码量少,用一两行代码,就能画出非常漂亮的图形下面我们一起来看看吧! 1.用法简单cufflinks库主要和dataFrame数据结合使用,绘图函数就是 dataFrame.iplot,记
5行代码搞定14种常见图的python可视化库,还自带16种优美主题,真是太喜欢了
有时候我们做数据可视化并不需要特别复杂的功能,仅仅是想把简单的数据用图形展示出来 今天就给大家介绍一种非常适合新手的python可视化库pygalpygal比较小众,专注于SVG图,擅长交互,最主要的是它能用非常少的代码就可画出非常漂亮的图形pygal能绘制Line(折线图)、Bar(柱状图)、Histogram(直方图)、Pie(饼图)、Radar(雷达
手把手教你用Python获取新冠疫情数据并进行可视化
Hello,大家好。我叫“小屁孩i”。前言不知道大伙有没有看到过这一句话:“中国(疫苗研发)非常困难,因为在中国我们没有办法做第三期临床试验,因为没有病人了。”这句话是中国工程院院士钟南山在上海科技大学2021届毕业典礼上提出的。这句话在全网流传,被广大网友称之为“凡尔赛”发言。今天让我们用数据来看看这句话是不是“凡尔赛”本赛。在开始之前我们先来说说今天要用
为什么说Python是最伟大的语言?看图就知道了!
测试一下你的分析能力,直接上图,自己判断一下为什么Python是最好的语言?有图有真相 Java之父 James Goshling C++之父 Bjarne Stroustrup PHP之父 Rasmus Lerdorf Python之父 Guido van Rossum看到他们的亮点了吗? Java和C++是锃亮的电灯泡 PHP是一