我的编程空间,编程开发者的网络收藏夹
学习永远不晚

Python数据可视化之Pyecharts如何使用

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

Python数据可视化之Pyecharts如何使用

这篇“Python数据可视化之Pyecharts如何使用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python数据可视化之Pyecharts如何使用”文章吧。

    1. 安装Pyecharts

    pip install pyecharts

    2. 图表基础

    2.1 主题风格

    添加主题风格使用的是 InitOpts() 方法,

    该方法的主要参数有:

    参数描述
    width画布宽度,要求字符串格式,如 width=“500px”
    height画布高度,要求字符串格式,如 width=“500px”
    chart_id图表ID,作为图表的唯一标识。有多个图表时用来区分不同的图表
    page_title网页,字符串格式
    theme图表主题。由ThemeType模块提供
    bg_color图表背景颜色,字符串格式

    可以选择的风格有:

    Python数据可视化之Pyecharts如何使用

    2.2 图表

    给图表添加需要通过 set_global_options()方法 的 title_opts参数,

    该参数的值通过opts模块的TitleOpts()方法生成,

    且TitleOpts()方法主要参数语法如下:

    Python数据可视化之Pyecharts如何使用

    2.3 图例

    设置图例需要通过 set_global_opts()方法的 legend_opts参数,

    该参数的参数值参考options模块的LegendOpts()方法。

    LegendOpts() 方法的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.4 提示框

    设置提示框主要是通过 set_global_opts()方法中的 tooltip_opts参数进行设置,

    该参数的参数值参考options模块的TooltipOpts()方法。

    TooltipOpts()方法的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.5 视觉映射

    视觉映射通过 set_global_opts()方法中的 visualmap_opts参数进行设置,

    该参数的取值参考options模块的VisualMapOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.6 工具箱

    工具箱通过 set_global_opts()方法中的 toolbox_opts参数进行设置,

    该参数的取值参考options模块的ToolboxOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.7 区域缩放

    区域缩放通过 set_global_opts()方法中的 datazoom_opts参数进行设置,

    该参数的取值参考options模块的DataZoomOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    3. 柱状图 Bar模块

    绘制柱状图通过Bar模块来实现,

    该模块的主要方法有:

    主要方法描述
    add_xaxis()x轴数据
    add_yaxis()y轴数据
    reversal_axis()翻转x、y轴数据
    add_dataset()原始数据

    下边展示一个简单的示例,先不使用过多复杂的样式:

    import numpy as npfrom pyecharts.charts import Barfrom pyecharts import options as optsfrom pyecharts.globals import ThemeType# 生成数据years = [2011, 2012, 2013, 2014, 2015]y1 = [1, 3, 5, 7, 9]y2 = [2, 4, 6, 4, 2]y3 = [9, 7, 5, 3, 1]y4 = list(np.random.randint(1, 10, 10))bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))# 为柱状图添加x轴和y轴数据bar.add_xaxis(years)bar.add_yaxis('A型', y1)bar.add_yaxis('B型', y2)bar.add_yaxis('C型', y3)bar.add_yaxis('D型', y4)# 渲染图表到HTML文件,并保存在当前目录下bar.render("bar.html")

    生成图像效果如下:

    Python数据可视化之Pyecharts如何使用

    这里有一个无法解释的细节,就是可以看到y4数据,即D型,在图像中没有显示出来。经过小啾的反复尝试,发现凡是使用随机数产生的数据再转化成列表,这部分随机数不会被写入到html文件中:

    Python数据可视化之Pyecharts如何使用

    既然不会解释,那就避免。

    4. 折线图/面积图 Line模块

    Line模块的主要方法有add_xaxis() 和 add_yaxis(),分别用来添加x轴数据和y轴数据。

    add_yaxis()的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    4.1 折线图

    绘制折线图时,x轴的数据必须是字符串,图线方可正常显示。

    from pyecharts.charts import Linefrom pyecharts import options as optsfrom pyecharts.globals import ThemeType# 准备数据x = [2011, 2012, 2013, 2014, 2015]x_data = [str(i) for i in x]y1 = [1, 3, 2, 5, 8]y2 = [2, 6, 5, 6, 7]y3 = [5, 7, 4, 3, 1]line = Line(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))line.add_xaxis(xaxis_data=x_data)line.add_yaxis(series_name="A类", y_axis=y1)line.add_yaxis(series_name="B类", y_axis=y2)line.add_yaxis(series_name="C类", y_axis=y3)line.render("line.html")

    生成图像效果如下:

    Python数据可视化之Pyecharts如何使用

    4.2 面积图

    绘制面积图时需要在add_yaxis()方法中指定areastyle_opts参数。其值由options模块的AreaStyleOpts()方法提供。

    from pyecharts.charts import Linefrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypex = [2011, 2012, 2013, 2014, 2015]x_data = [str(i) for i in x]y1 = [2, 5, 6, 8, 9]y2 = [1, 4, 5, 4, 7]y3 = [1, 3, 4, 6, 6]line = Line(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))line.add_xaxis(xaxis_data=x_data)line.add_yaxis(series_name="A类", y_axis=y1, areastyle_opts=opts.AreaStyleOpts(opacity=1))line.add_yaxis(series_name="B类", y_axis=y2, areastyle_opts=opts.AreaStyleOpts(opacity=1))line.add_yaxis(series_name="C类", y_axis=y3, areastyle_opts=opts.AreaStyleOpts(opacity=1))line.render("line2.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    5.饼形图

    5.1 饼形图

    绘制饼形图使用的是Pie模块,该模块中需要使用的主要方法是add()方法

    该方法主要参数如下:

    主要参数描述
    series_name系列名称。用于提示文本和图例标签。
    data_pair数据项,格式为形如[(key1,value1),(key2,value2)]
    color系列标签的颜色。
    radius饼图的半径。默认设成百分比形式,默认是相对于容器的高和宽中较小的一方的一半
    rosetype是否展开为南丁格尔玫瑰图,可以取的值有radius货area,radius表示通过扇区圆心角展现数据的大小,即默认的扇形图;area表示所有扇区的圆心角的角度相同,通过半径来展现数据大小
    from pyecharts.charts import Piefrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypex_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF']y_data = [200, 200, 100, 400, 500, 600]# 将数据转换为目标格式data = [list(z) for z in zip(x_data, y_data)]# 数据排序data.sort(key=lambda x: x[1])pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))pie.add(        series_name="类别",    # 序列名称        data_pair=data,     # 数据    )pie.set_global_opts(        # 饼形图        title_opts=opts.TitleOpts(            title="各类别数量分析",            pos_left="center"),        # 不显示图例        legend_opts=opts.LegendOpts(is_show=False),    )pie.set_series_opts(        # 序列标签        label_opts=opts.LabelOpts(),    )pie.render("pie.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    5.2 南丁格尔玫瑰图
    from pyecharts.charts import Piefrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypex_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF', 'GGG', 'HHH', 'III', 'JJJ', 'KKK', 'LLL', 'MMM', 'NNN', 'OOO']y_data = [200, 100, 400, 50, 600, 300, 500, 700, 800, 900, 1000, 1100, 1200, 1300, 1500]# 将数据转换为目标格式data = [list(z) for z in zip(x_data, y_data)]# 数据排序data.sort(key=lambda x: x[1])# 创建饼形图并设置画布大小pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, width='300px', height='400px'))# 为饼形图添加数据pie.add(        series_name="类别",        data_pair=data,        radius=["8%", "160%"],  # 内外半径        center=["65%", "65%"],  # 位置        rosetype='area',       # 玫瑰图,圆心角相同,按半径大小绘制        color='auto'           # 颜色自动渐变    )pie.set_global_opts(        # 不显示图例        legend_opts=opts.LegendOpts(is_show=False),        # 视觉映射        visualmap_opts=opts.VisualMapOpts(is_show=False,         min_=100,    # 颜色条最小值         max_=450000, # 颜色条最大值    ))pie.set_series_opts(        # 序列标签        label_opts=opts.LabelOpts(position='inside',  # 标签位置                                  rotate=45,                                  font_size=8)       # 字体大小    )pie.render("pie2.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    6. 箱线图 Boxplot模块

    绘制箱线图使用的是Boxplot类。

    这里有一个细节,准备y轴数据y_data时需要在列表外再套一层列表,否则图线不会被显示。

    绘制箱线图使用的是Boxplot模块,

    主要的方法有

    add_xaxis()和add_yaxis()

    from pyecharts.charts import Boxplotfrom pyecharts.globals import ThemeTypefrom pyecharts import options as optsy_data = [[5, 20, 22, 21, 23, 26, 25, 24, 28, 26, 29, 30, 50, 61]]boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))boxplot.add_xaxis([""])boxplot.add_yaxis('', y_axis=boxplot.prepare_data(y_data))boxplot.render("boxplot.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    7. 涟漪特效散点图 EffectScatter模块

    绘制涟漪图使用的是EffectScatter模块,代码示例如下:

    from pyecharts.charts import EffectScatterfrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypex = [2011, 2012, 2013, 2014, 2015]x_data = [str(i) for i in x]y1 = [1, 3, 2, 5, 8]y2 = [2, 6, 5, 6, 7]y3 = [5, 7, 4, 3, 1]scatter = EffectScatter(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))scatter.add_xaxis(x_data)scatter.add_yaxis("", y1)scatter.add_yaxis("", y2)scatter.add_yaxis("", y3)# 渲染图表到HTML文件,存放在程序所在目录下scatter.render("EffectScatter.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    8. 词云图 WordCloud模块

    绘制词云图使用的是WordCloud模块,

    主要的方法有add()方法。

    add()方法的主要参数如下:

    add()方法主要的参数有

    Python数据可视化之Pyecharts如何使用

    准备一个txt文件(001.txt),文本内容以《兰亭集序》为例:

    永和九年,岁在癸丑,暮春之初,会于会稽山阴之兰亭,修禊事也。群贤毕至,少长咸集。此地有崇山峻岭,茂林修竹,又有清流激湍,映带左右,引以为流觞曲水,列坐其次。虽无丝竹管弦之盛,一觞一咏,亦足以畅叙幽情。
    是日也,天朗气清,惠风和畅。仰观宇宙之大,俯察品类之盛,所以游目骋怀,足以极视听之娱,信可乐也。
    夫人之相与,俯仰一世。或取诸怀抱,悟言一室之内;或因寄所托,放浪形骸之外。虽趣舍万殊,静躁不同,当其欣于所遇,暂得于己,快然自足,不知老之将至;及其所之既倦,情随事迁,感慨系之矣。向之所欣,俯仰之间,已为陈迹,犹不能不以之兴怀,况修短随化,终期于尽!古人云:“死生亦大矣。”岂不痛哉!
    每览昔人兴感之由,若合一契,未尝不临文嗟悼,不能喻之于怀。固知一死生为虚诞,齐彭殇为妄作。后之视今,亦犹今之视昔,悲夫!故列叙时人,录其所述,虽世殊事异,所以兴怀,其致一也。后之览者,亦将有感于斯文。

    代码示例如下:

    from pyecharts.charts import WordCloudfrom jieba import analyse# 基于TextRank算法从文本中提取关键词textrank = analyse.textranktext = open('001.txt', 'r', encoding='UTF-8').read()keywords = textrank(text, topK=30)list1 = []tup1 = ()# 关键词列表for keyword, weight in textrank(text, topK=30, withWeight=True):    # print('%s %s' % (keyword, weight))    tup1 = (keyword, weight)  # 关键词权重    list1.append(tup1)     # 添加到列表中# 绘制词云图mywordcloud = WordCloud()mywordcloud.add('', list1, word_size_range=[20, 100])mywordcloud.render('wordclound.html')

    词云图效果如下:

    Python数据可视化之Pyecharts如何使用

    9. 热力图 HeatMap模块

    绘制热力图使用的是HeatMap模块。

    下边以双色球案例为例,数据使用生成的随机数,绘制出热力图:

    import pyecharts.options as optsfrom pyecharts.charts import HeatMapimport pandas as pdimport numpy as np# 创建一个33行7列的DataFrame,数据使用随机数生成。每个数据表示该位置上该数字出现的次数s1 = np.random.randint(0, 200, 33)s2 = np.random.randint(0, 200, 33)s3 = np.random.randint(0, 200, 33)s4 = np.random.randint(0, 200, 33)s5 = np.random.randint(0, 200, 33)s6 = np.random.randint(0, 200, 33)s7 = np.random.randint(0, 200, 33)data = pd.DataFrame(    {'位置一': s1,     '位置二': s2,     '位置三': s3,     '位置四': s4,     '位置五': s5,     '位置六': s6,     '位置七': s7     },    index=range(1, 34))# 数据转换为HeatMap支持的列表格式value1 = []for i in range(7):    for j in range(33):        value1.append([i, j, int(data.iloc[j, i])])# 绘制热力图x = data.columnsheatmap=HeatMap(init_opts=opts.InitOpts(width='600px' ,height='650px'))heatmap.add_xaxis(x)heatmap.add_yaxis("aa", list(data.index), value=value1,  # y轴数据                  # y轴标签                  label_opts=opts.LabelOpts(is_show=True, color='white', position="center"))heatmap.set_global_opts(title_opts=opts.TitleOpts(title="双色球中奖号码热力图", pos_left="center"),                        legend_opts=opts.LegendOpts(is_show=False),  # 不显示图例                        # 坐标轴配置项                        xaxis_opts=opts.AxisOpts(                        type_="category",  # 类目轴                        # 分隔区域配置项                        splitarea_opts=opts.SplitAreaOpts(                            is_show=True,  # 区域填充样式                            areastyle_opts=opts.AreaStyleOpts(opacity=1)                        ),                        ),                        # 坐标轴配置项                        yaxis_opts=opts.AxisOpts(                        type_="category",  # 类目轴                        # 分隔区域配置项                        splitarea_opts=opts.SplitAreaOpts(                            is_show=True,                            # 区域填充样式                            areastyle_opts=opts.AreaStyleOpts(opacity=1)                            ),                            ),                        # 视觉映射配置项                        visualmap_opts=opts.VisualMapOpts(is_piecewise=True,    # 分段显示                                                          min_=1, max_=170,     # 最小值、最大值                                                          orient='horizontal',  # 水平方向                                                          pos_left="center")    # 居中                        )heatmap.render("heatmap.html")

    热力图效果如下:

    Python数据可视化之Pyecharts如何使用

    10. 水球图 Liquid模块

    绘制水球图使用的是Liquid模块。

    from pyecharts.charts import Liquidliquid = Liquid()liquid.add('', [0.39])liquid.render("liquid.html")

    水球图效果如下:

    Python数据可视化之Pyecharts如何使用

    11. 日历图 Calendar模块

    绘制日历图使用的是Calendar模块

    主要使用的方法是add()方法

    import pandas as pdimport numpy as npfrom pyecharts import options as optsfrom pyecharts.charts import Calendardata = list(np.random.random(30))# 求最大值和最小值mymax = round(max(data), 2)mymin = round(min(data), 2)# 生成日期index = pd.date_range('20220401', '20220430')# 合并列表data_list = list(zip(index, data))# 生成日历图calendar = Calendar()calendar.add("",             data_list,             calendar_opts=opts.CalendarOpts(range_=['2022-04-01', '2022-04-30']))calendar.set_global_opts(        title_opts=opts.TitleOpts(title="2022年4月某指标情况", pos_left='center'),        visualmap_opts=opts.VisualMapOpts(            max_=mymax,            min_=mymin+0.1,            orient="horizontal",            is_piecewise=True,            pos_top="230px",            pos_left="70px",        ),    )calendar.render("calendar.html")

    日历图效果如下:

    Python数据可视化之Pyecharts如何使用

    以上就是关于“Python数据可视化之Pyecharts如何使用”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注编程网行业资讯频道。

    免责声明:

    ① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

    ② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

    Python数据可视化之Pyecharts如何使用

    下载Word文档到电脑,方便收藏和打印~

    下载Word文档

    猜你喜欢

    Python数据可视化之Pyecharts如何使用

    这篇“Python数据可视化之Pyecharts如何使用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python数据可视化
    2023-07-06

    数据可视化之pyecharts

    pyechats是一个用于数据可视化的包。Echats是百度开源的一个数据可视化js库,主要用于数据可视化,pyecharts 是一个用于生成Echarts图标的类库,实际上就是Echarts和Python的对接。pyecharts支持py
    2023-01-30

    Python 数据可视化神器—Pyecharts

    能否在 Python 中也能用到 Echarts 的功能呢?寻找中惊喜地发现了 pyecharts,只需在python中安装该模块即可使用。

    pyecharts如何实现数据可视化

    这篇文章将为大家详细讲解有关pyecharts如何实现数据可视化,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。1.概述pyecharts 是百度开源的,适用于数据可视化的工具,配置灵活,展示图表相对美观,
    2023-06-29

    Python数据可视化:使用pyecharts创建交互式图表

    Pyecharts是一个强大的Python数据可视化工具,允许你创建各种类型的交互式图表。在本文中介绍了如何安装pyecharts,创建基本的折线图和柱状图,以及如何配置图表以满足特定的需求。

    python如何使用PCA可视化数据

    本篇内容主要讲解“python如何使用PCA可视化数据”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“python如何使用PCA可视化数据”吧!什么是PCA我们先复习一下这个理论。如果你想确切了解
    2023-06-19

    python用pyecharts实现地图数据可视化的方法

    这篇文章给大家分享的是有关python用pyecharts实现地图数据可视化的方法的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。有的时候,我们需要对不同国家或地区的某项指标进行比较,可简单通过直方图加以比较。但直
    2023-06-14

    如何使用Python进行数据可视化

    这篇“如何使用Python进行数据可视化”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“如何使用Python进行数据可视化”文
    2023-07-05

    Python数据可视化之Seaborn怎么使用

    这篇文章主要介绍了Python数据可视化之Seaborn怎么使用的相关知识,内容详细易懂,操作简单快捷,具有一定借鉴价值,相信大家阅读完这篇Python数据可视化之Seaborn怎么使用文章都会有所收获,下面我们一起来看看吧。1. 安装 s
    2023-06-30

    怎么使用pyecharts绘制各种数据可视化图表

    本篇内容介绍了“怎么使用pyecharts绘制各种数据可视化图表”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!1、pyecharts绘制饼图
    2023-07-02

    编程热搜

    • Python 学习之路 - Python
      一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
      Python 学习之路 - Python
    • chatgpt的中文全称是什么
      chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
      chatgpt的中文全称是什么
    • C/C++中extern函数使用详解
    • C/C++可变参数的使用
      可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
      C/C++可变参数的使用
    • css样式文件该放在哪里
    • php中数组下标必须是连续的吗
    • Python 3 教程
      Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
      Python 3 教程
    • Python pip包管理
      一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
      Python pip包管理
    • ubuntu如何重新编译内核
    • 改善Java代码之慎用java动态编译

    目录