pyecharts动态可视化,python echarts数据可视化

  pyecharts动态可视化,python echarts数据可视化

  本文主要介绍python可视化数据分析pyecharts的初步尝试。有需要的朋友可以借鉴一下,希望能有所帮助。祝大家进步很大,早日升职加薪。

  00-1010整体解释示例BoxplotBarHeatMap有一个web flask项目,需要可视化数据分析结果。经过搜索,发现pyecharts工具包非常适合。

  Echarts是百度开源的数据可视化,以其良好的交互性和精美的图表设计得到了众多开发者的认可。Python是一种表达性语言,非常适合数据处理。当数据分析遇上数据可视化,pyecharts就诞生了。

  pyecharts的中文文档里有详细的描述,里面记录了个人比较感兴趣的部分以及对应的使用结果。

  

目录

 

  绘制pyecharts的步骤可以简化如下:

  创建合适的图表对象,常见的有:

  Pie:饼图

  Bar:直方图/条形图

  箱线图:箱线图

  热图:热图

  Line:折线图/面积图

  散点图:

  特别是Overlap:可以组合多个图,可以堆叠多个图。

  更多详情,请参考正式文件-图表类型。

  bar=Bar()

  后续操作通过使用此对象的方法来执行。

  为图表对象添加数据,例如增加x轴的数量(。add_xaxis)和y轴(。add_yaxis)。

  Bar.add_xaxis([衬衫,毛衣,雪纺衫,裤子,高跟鞋,袜子])

  Bar.add_yaxis(商家A ,[5,20,36,10,75,90])

  全局配置项:所有内容都添加了。set_global_opts()由。set_global_opts方法。

  bar . set _ global _ opts(title _ opts=opts . title pts(title=主标题,副标题=副标题))

  常用的有

  TitleOpts:标题配置项

  图例:图例配置项

  VisualMapOpts:可视化映射配置项

  AxisLineOpts:轴配置项目

  AxisTickOpts:轴刻度配置项目

  AxisPointerOpts:轴指示器配置项目

  AxisOpts:轴配置项目

  单轴零件:单轴配置项目

  详见公文配置项-全局配置项。

  

整体说明

 

  

例子

 

  统计值的简明可视化方法——箱线图

  随机导入

  从pyecharts将选项作为选项导入

  从pyecharts.charts导入箱线图

  将numpy作为np导入

  #线下资源,网下可以忽略。

  来自pyecharts.globals导入电流配置

  当前配置。ONLINE _ HOST= http://127 . 0 . 0 . 33608889/assets/

  #长度为1字符串列表

  X_label=[随机数]

  data=np.random.randint(1000,size=100)

  #在这里,数据应该是一个长度与x_label相同的二维数组。

  data=[data.tolist()]

  boxplot=Boxplot()

  boxplot.add_xaxis(x)

  #调用内置函数计算盒图所需的数据。

  y _ value=box plot . prepare _ data(y _ value)

  boxplot.add_yaxis(,y_value)

  box plot . set _ global _ opts(title _ opts=opts。TitleOpts(title=方框图演示))

  boxplot.render()

  

Boxplot

 

  Bar比较简单,适合入门。设置一个X轴和一个Y轴,就可以渲染了。

  # -*-编码: utf-8 -*-

  从pyecharts.charts导入栏

  从pyecharts将选项作为选项导入

  将numpy作为np导入

  #线下资源,网下可以忽略。

  来自pyecharts.globals导入电流配置

  当前配置。ONLINE _ HOST= http://127 . 0 . 0 . 33608889/assets/

  #随机数组,数字从0到255,10,000

  x=np.random.randint(255,size=1000)

  #统计直方图

  sum=np.zeros(256,dtype=np.int32)

  对于x:中的cur_x

  sum[cur_x]=1

  #绘图

  bar=Bar()

  # x轴0~255

  x _ label=[列表中标签的str(label)(范围(256))]

  bar.add_xaxis(x_label)

  # y轴频率,这里的列表必须是标准的int,而不是np.int,并且不允许所有的y_axis=list(sum)字。

  bar . add _ ya xis(series _ name= frequency ,y_axis=sum.tolist())

  #设置标题

  bar . set _ global _ opts(title _ opts=opts . title opts(title=直方图统计))

  #生成一个网页,这将在当前目录下生成一个render.html。

  bar.render()

  

Bar

 

  热力学图

  这篇文章已经描述得很好了。以下是一段引文。

  注意,报价中的代码是用chain写的,官方推荐。

  随机导入

  从pyecharts将选项作为选项导入

  从pyecharts.charts导入热图

  从pyecharts.faker导入骗子

  # 离线资源,有网络下可以不管

  来自pyecharts.globals导入电流配置

  当前配置ONLINE _ HOST= http://127。0 .0 .33608889/assets/

  value=[[i,j,random.randint(0,50)]for I in range(24)for j in range(7)]

  热图=(

  热图()。add_xaxis(Faker.clock)。add_yaxis(

  ,

  Faker.week,

  值,

  label_opts=opts .LabelOpts(is_show=True,position=inside ),

  )。集合_全局_opts(

  title_opts=opts .TitleOpts(title=基础热力图),

  visualmap_opts=opts .VisualMapOpts(),

  )

  )

  heatmap.render()

  以上就是大蟒可视化数据分析肾盂造影图初步尝试的详细内容,更多关于大蟒可视化数据分析肾盂造影图的资料请关注盛行信息技术软件开发工作室其它相关文章!

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。

留言与评论(共有 条评论)
   
验证码: