pythonpyecharts可视化数据分析,python数据可视化pyecharts

  pythonpyecharts可视化数据分析,python数据可视化pyecharts

  PyCharts是一个强大的数据可视化工具,它结合了python和echarts。本文将为您讲解PyCharts的使用规则。

  我们都知道python上的可视化工具matplotlib,前阵子做Spark项目的时候用的是百度开源的可视化js工具Echarts。有许多类型的可视化,但我们必须导入JS库才能在Java Web项目上运行。平时Python用的比较多,所以不知道有没有结合Python和eCharts的轮子。在Google之后,我发现了一个中国人开发的将Echarts和Python相结合的轮子:pyecharts。以下是pyecharts的一些使用规则:

  安装

  本文是在Win环境下编写的。首先,打开命令行(win R)并输入:

  Pipinstallpyecharts:但是笔者实测的时候发现,由于墙体的原因,会出现断线,下载速度慢的情况,导致下载失败。所以建议通过清华镜下载:

  管道安装-I https://pypi.tuna.tsinghua.edu.cn/simple管道图表

  以上信息表示下载成功,可以做下一个实验了!

  使用实例

  在使用之前,要强调一点:就是python2.x和python3.x的编码问题,在Python 3.x中,你可以把它默认为unicode编码,但在python2.x中不是默认的,原因在于它的bytes对象定义混乱,而pycharts使用unicode编码处理字符串和文件,所以当你在使用Python 2.x时,请务必在顶部插入这段代码:

  从_ _ Future _ _ Import Unicode _ Literals现在让我们开始正式使用pycharts。这里我们直接使用官方数据:

  柱状图-Bar

  //导入直方图条

  frompyechartsimportBar

  //设置行名

  columns=[一月,二月,三月,四月,五月,六月,七月,八月,九月,十月,十一月,十二月]

  //设置数据

  数据1=[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]

  data2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]

  //设置直方图的主标题和副标题。

  Bar=Bar(直方图,年降水量和蒸发量)

  //添加直方图的数据和配置项。

  Bar.add(降水,列,数据1,mark _ line=[平均],mark _ point=[最大,最小])

  Bar.add (evaporation ,columns,data2,mark _ line=[average],mark _ point=[max , min])

  //生成本地文件(默认为。html文件)

  Bar.render()运行如下:

  几行简单的代码就能以非常好的方式将数据可视化,而且它还是动态的。这里还是要安利一下jupyter。pyecharts从v0.1.9.2版本开始,直接在jupyter上调用。

  实例(例如上方直接调用bar)就可以将图表直接表示出来,非常方便。

  笔者数了数,目前pyecharts上的图表大概支持到二十多种,接下来,我们再用上方的数据来生成几个数据挖掘常用的图表示例:

  饼图-Pie

  

//导入饼图Pie

  frompyechartsimportPie

  //设置主标题与副标题,标题设置居中,设置宽度为900

  pie=Pie("饼状图","一年的降水量与蒸发量",title_pos='center',width=900)

  //加入数据,设置坐标位置为【25,50】,上方的colums选项取消显示

  pie.add("降水量",columns,data1,center=[25,50],is_legend_show=False)

  //加入数据,设置坐标位置为【75,50】,上方的colums选项取消显示,显示label标签

  pie.add("蒸发量",columns,data2,center=[75,50],is_legend_show=False,is_label_show=True)

  //保存图表

  pie.render()

  箱体图-Boxplot

  

//导入箱型图Boxplot

  frompyechartsimportBoxplot

  boxplot=Boxplot("箱形图","一年的降水量与蒸发量")

  x_axis=['降水量','蒸发量']

  y_axis=[data1,data2]

  //prepare_data方法可以将数据转为嵌套的[min,Q1,median(orQ2),Q3,max]

  yaxis=boxplot.prepare_data(y_axis)

  boxplot.add("天气统计",x_axis,_yaxis)

  boxplot.render()

  相关推荐:《Python视频教程》

  折线图-Line

  

frompyechartsimportLine

  line=Line("折线图","一年的降水量与蒸发量")

  //is_label_show是设置上方数据是否显示

  line.add("降水量",columns,data1,is_label_show=True)

  line.add("蒸发量",columns,data2,is_label_show=True)

  line.render()

  雷达图-Rader

  

frompyechartsimportRadar

  radar=Radar("雷达图","一年的降水量与蒸发量")

  //由于雷达图传入的数据得为多维数据,所以这里需要做一下处理

  radar_data1=[[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]]

  radar_data2=[[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]]

  //设置column的值,为了雷达图更为直观,这里的月份值设置有所不同

  schema=[

  ("Jan",5),("Feb",10),("Mar",10),

  ("Apr",50),("May",50),("Jun",200),

  ("Jul",200),("Aug",200),("Sep",50),

  ("Oct",50),("Nov",10),("Dec",5)

  ]

  //传入坐标

  radar.config(schema)

  radar.add("降水量",radar_data1)

  //一般默认为同一种颜色,这里为了便于区分,需要设置item的颜色

  radar.add("蒸发量",radar_data2,item_color="#1C86EE")

  radar.render()

  散点图-scatter

  

frompyechartsimportScatter

  scatter=Scatter("散点图","一年的降水量与蒸发量")

  //xais_name是设置横坐标名称,这里由于显示问题,还需要将y轴名称与y轴的距离进行设置

  scatter.add("降水量与蒸发量的散点分布",data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",

  yaxis_name_gap=40)

  scatter.render()

  图表布局 Grid

  由于标题与图表是属于两个不同的控件,所以这里必须对下方的图表Line进行标题位置设置,否则会出现标题重叠的bug。

  

frompyechartsimportGrid

  //设置折线图标题位置

  line=Line("折线图","一年的降水量与蒸发量",title_top="45%")

  line.add("降水量",columns,data1,is_label_show=True)

  line.add("蒸发量",columns,data2,is_label_show=True)

  grid=Grid()

  //设置两个图表的相对位置

  grid.add(bar,grid_bottom="60%")

  grid.add(line,grid_top="60%")

  grid.render()

  

frompyechartsimportOverlap

  overlap=Overlap()

  bar=Bar("柱状图-折线图合并","一年的降水量与蒸发量")

  bar.add("降水量",columns,data1,mark_point=["max","min"])

  bar.add("蒸发量",columns,data2,mark_point=["max","min"])

  overlap.add(bar)

  overlap.add(line)

  overlap.render()

总结

  (1)导入相关图表包

  (2)进行图表的基础设置,创建图表对象

  (3)利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)

  (4)利用render()方法来进行图表保存

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

相关文章阅读

  • 2020年高考成绩分布表,2020年高考成绩统计,数据分析2020年全国各省高考成绩分布情况
  • ,,python实现数据分析与建模
  • python3 数据分析,python数据分析课堂
  • 《数据思维》,数据分析的思维导图
  • python数据分析就业方向,python数据分析毕业论文
  • python数据分析数据清洗,python中数据清洗
  • 基于Python的数据可视化,python数据分析及可视化处理的第三方库
  • 利用python进行数据分析豆瓣,python数据分析基础和利用python进行数据分析
  • python数据分析数据清洗,用python进行数据清洗
  • python对excel表格数据的统计和分析,python进行excel数据分析
  • 从零开始学Python数据分析与挖掘,自学python数据分析
  • python数据分析结构思维导图,python组合数据类型思维导图
  • 关联规则分析案例,关联规则数据分析题,关联规则的实际案例数据
  • 数据分析与商业数据分析,120个Excel商业数据分析实战案例
  • python数据分析excel读写,python 读取excel数据
  • 留言与评论(共有 条评论)
       
    验证码: