pyecharts双y折线图设置,用python绘制折线图
本文主要介绍Python绘制折线图的可视化神器pyecharts。文章围绕主题,详细介绍了其内容,具有一定的参考价值。有需要的可以参考一下。
00-1010序线图模板系列自定义标签数据折线图单日用电量折线图(具体场景)断点折线图(根据场景配置)双线图显示最低和最高数据标签(其他数据标签不显示)双线图显示平均刻度数据标签(可显示数据)断点折线图(显示数据项)面积折线图(不相互靠近)3D旋转弹簧图
目录
相信很多小伙伴看了这么多案例一定会有所发现,每个案例对应每个配置。如果是官方配置文件,看起来真的很难讲真。通过案例实现解决各种参数的配置,我觉得有一定的参考价值和学习意义。正所谓“磨刀不误砍柴工”,可视化做到完美还有很长的路要走!
来自Pye图表。在说明:有些数据是调用相关库资源:,你需要自己添加数据。很简单,不用担心。
你觉得上面的图形能用吗?我猜他们平时可能用不到小场景,但是当股票好像不错!
前言
折线图模板系列
有时候我们不想显示所有的数据标签,因为太复杂了。数据可视化的原理是在酷炫的同时将图表准确的展现在用户面前,这就需要我们根据具体的场景选择具体的图形。
将pyecharts.options作为选项导入
从pyecharts.charts导入行
从pyecharts.faker导入faker
从pyecharts.globals导入主题类型
x,y=faker.choose(),faker.values () #只需更改数据集。
c=(
line({ theme 3360 theme type . macarons })#不要添加默认的红色。add_xaxis(x)。add_yaxis(
商户a ,
y,
markpoint_opts=opts。MarkPointOpts(
数据=[opts。MarkPointItem(name=自定义标记点,coord=[x [2],y [2]],value=y [2]] #这里定义了要显示的标签数据。
),
)。set _ global _ opts(title _ opts=opts . title topts(title= title ),
xaxis_opts=opts。轴零件(
Name=类别,
name_location=middle ,
Name_gap=30,#标签和轴之间的距离默认为20。最好不要设置为20。
name_textstyle_opts=opts。TextStyleOpts(
font_family=Times New Roman ,
Font_size=16 #标签字体大小
)),
yaxis_opts=opts。轴零件(
名称=数量,
name_location=middle ,
name_gap=30,
name_textstyle_opts=opts。TextStyleOpts(
font_family=Times New Roman ,
font_size=16
# font_weight=bolder ,
)),
# toolbox _ opts=opts . toolbox opts()#工具选项
)。render (custom tag.html )
)
自定义标签数据折线图
这个模板可以作为日常用电量的应用,也可以在此基础上进行修改,形成其他类别的折线图。它只是一个模板,你可以根据自己的应用场景来解决问题。
将pyecharts.options作为选项导入
从pyecharts.charts导入行
x_data=[
00:00,
01:15,
02:30,
03:45,
05:00,
06:15,
07:30,
08:45
",
"10:00",
"11:15",
"12:30",
"13:45",
"15:00",
"16:15",
"17:30",
"18:45",
"20:00",
"21:15",
"22:30",
"23:45",
]
y_data = [
300,
280,
250,
260,
270,
300,
550,
500,
400,
390,
380,
390,
400,
500,
600,
750,
800,
700,
600,
400,
]
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="用电量",
y_axis=y_data,
is_smooth=True,
label_opts=opts.LabelOpts(is_show=False),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="一天用电量分布", subtitle="纯属虚构"),
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": 6, "color": "green"},
{"gt": 6, "lte": 8, "color": "red"},
{"gt": 8, "lte": 14, "color": "green"},
{"gt": 14, "lte": 17, "color": "red"},
{"gt": 17, "color": "green"},
],
),
)
.set_series_opts(
markarea_opts=opts.MarkAreaOpts(
data=[
opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),
opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),
]
)
)
.render("用电量折线图.html")
)
断点折线图(根据场景进行配置)
import pyecharts.options as opts
双折线图显示最低最高数据标签(不显示其他数据标签)
有时候折线图里面的数据太多了,但是我们想要一眼就直观的看到数据的最低最高是多少,虽然pyecharts可以把鼠标放在点上就会显示,但是如果做出PPT或者图片,那么就有点不现实了。
import pyecharts.options as opts
双折线图显示平均刻度数据标签(数据可显示)
这个双折线图可以运用在我们需要知道一类数据集里面的平均值是多少,那么我们就可以根据这个来配置相关参数了,下面的图例我们没有显示数据,也可以显示数据。
import pyecharts.options as opts
断点折线图(显示数据项)
前面的图例里面,没有对数据进行展示,也没有数据标签,这个图例是对之前的进行改造和设计升级的。
import pyecharts.options as opts
面积折线图(不紧贴)
前面有一个图形是一个曲线的折线图,紧贴Y轴,此图例是不紧贴的且是折线的形式。
import pyecharts.options as opts
3D旋转弹簧图
运行生成之后,自动旋转。有的小伙伴很是好奇,为什么会有这种炫酷的图形,这种图形是如何设计出来的,看了代码我们发现其实并不难,代码量也不是很复杂,原因就是它基于算法数学设计的,这也就是为什么说有几何之美的这一概念了。
到此这篇关于Python绘制折线图可视化神器pyecharts的文章就介绍到这了,更多相关Python pyecharts内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!
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。