python数据可视化库有哪些,python数据可视化库在教学中的应用

  python数据可视化库有哪些,python数据可视化库在教学中的应用

  根据数据分析团队的需求,简单整理出一些相关内容,分享和同步大家的学习,旨在帮助机器学习者、数据分析师、NLP算法人员快速理解业务数据,解决项目中面临的问题。

  @[目录]

  ECharts引入并安装了E Charts,这是一个用JavaScript实现的开源可视化库,可以在PC和移动设备上流畅运行,并兼容当前大多数浏览器(IE8/9/10/11、Chrome、Firefox、Safari等。).底层依靠轻量级矢量图形库ZRender,提供直观、交互、高度个性化的数据可视化图表。

  Echarts百度开源可视化工具http://echarts.baidu.com

  Pyecharts:国内大神用简单的特性实现Python调用echarts库的API设计,流畅如丝。支持链式调用,包含30种常用图表,一切支持主流笔记本环境。Jupyter笔记本和JupyterLab可以轻松集成到Flask中。Django等主流Web框架高度灵活的配置项,可以轻松搭配精美的图表、详细的文档和实例,可以帮助开发者入门多达400个地图文件和原生百度地图,为地理数据可视化提供有力支持。pyecharts安装库pip3安装pyecharts

  如果您需要绘制地理地图的相关内容,您需要一起安装以下内容:

  安装地图文件。

  全球地图:电子地图-国家/地区-pypkg

  中国省级地图:echarts-中国-省份-pypkg

  中国城市地图:易查-中国-城市-pypkg

  都是用python的pip直接安装的。一旦安装,就可以使用。

  pip3安装pyecharts

  pip3安装e charts-国家/地区-pypkg

  pip3安装echarts-中国-省份-pypkg

  pip3安装e charts-中国-城市-pypkg

  使用版本描述:

  Python版本:3.7.xpyecharts: 1.x版本检查导入pyechartspyecharts。_ _版本_ _

  1.2.1

  Pyecharts折线图绘制一个简单的折线图#导入到库中

  将pyecharts.options作为选项导入

  来自肾盂造影。图表导入线条#绘制散点图数据

  x=[seaborn , matplotlib , plotly , pyecharts , python]

  y1=[440,550,770,450,800]

  Y2=[570,1340,1370,1111,2222]#定义折线图的功能

  def line_charts()-行:

  c=线()

  c.add_xaxis(xaxis_data=x)

  c.add_yaxis(系列名称= ,y轴=y1)

  c.add_yaxis(系列名称= ,y轴=y2)

  返回c

  #画一张图表

  c=折线图()

  c.render_notebook()

  将标题和图例#添加到导入库中。

  将pyecharts.options作为选项导入

  从pyecharts.charts导入行

  #绘制散点图数据

  x=[seaborn , matplotlib , plotly , pyecharts , python]

  y1=[440,550,770,450,800]

  y2=[570,1340,1370,1111222]

  #定义折线图的功能

  def line_charts()-行:

  c=线()

  c.add_xaxis(xaxis_data=x)

  c.add_yaxis(series_name=A ,y_axis=y1)

  c.add_yaxis(series_name=B ,y_axis=y2)

  #数据项设置

  c.set_global_opts(

  title _ opts=opts . title pts(title=数量统计),

  Legend _ opts=opts . Legend opts(is _ Show=true)# is _ Show=true默认值-显示图例

  )

  返回c

  #画一张图表

  c=折线图()

  c.render_notebook()

  添加行提示项pyecharts中提供的旧工具提示选项。

  触发器触发器类型。可选:

  项目:数据项图形触发器,主要用于散点图和饼图。

  轴:轴触发器,主要用于图形和折线图。

  无:什么都不做

  #导入库

  将pyecharts.options作为选项导入

  从pyecharts.charts导入行

  #绘制散点图数据

  x=[seaborn , matplotlib , plotly , pyecharts , python]

  y1=[440,550,770,450,800]

  y2=[570,1340,1370,1111222]

  #定义折线图的功能

  def line_charts()-行:

  c=线()

  c.add_xaxis(xaxis_data=x)

  c.add_yaxis(series_name=A ,y_axis=y1)

  c.add_yaxis(series_name=B ,y_axis=y2)

  #数据项设置,全局设置一次

  c.set_global_opts(

  title _ opts=opts . title pts(title=数量统计),

  legend _ opts=opts . legend opts(is _ show=true),# is _ show=true默认值-显示图例

  工具提示_opts=opts。TooltipOpts(trigger=axis ,axis_pointer_type=cross )

  )

  # c . set _ global _ opts(tooltip _ opts=opts。TooltipOpts(trigger=轴,axis_pointer_type=十字))

  返回c

  #画一张图表

  c=折线图()

  c.render_notebook()

  肾盂造影图条形图柱状图肾盂造影图全局参数设置

  朱皮特笔记本和路径基本图表绘制

  如何绘制一个简单酒吧图

  坐标轴文本倾斜设置

  设置图表大小

  封装一些绘制图表的函数

  设置多组的柱状图

  区域缩放的配置项

  设置多组柱状图从肾盂造影图将选项作为选项导入

  从pyecharts .图表导入栏

  极好的条形图_图表()-条形图():

  定义一个返回肾盂造影图条形图的函数

  :返回:

  x=[seaborn , plotly , pyecharts]

  y1=[1140559270]

  y2=[570,1340,1370]

  Bar(init_opts=opts .InitOpts(宽度= 1000像素,高度=600px ))

  c.add_xaxis(xaxis_data=x)

  c.add_yaxis(系列名称=“”,yaxis_data=y1)

  c.add_yaxis(系列名称=“”,yaxis_data=y2)

  c。反转_轴()

  c.set_global_opts(

  title_opts=opts .TitleOpts(title= ),

  yaxis_opts=opts .AxisOpts(axislabel_opts=opts .标签(旋转=60 )

  )

  返回c

  c=条形图()

  c.render_notebook()

  折线图+柱状图组合柱状图:y轴显示指标一

  折线图:y轴显示指标2

  从肾盂造影图将选项作为选项导入

  从pyecharts .图表导入栏,行

  x=[Python , Seaborn , Plotly , pyecharts]

  # 绘制柱状图方法

  极好的条形图_图表()-条形图():

  y1=[11405592701200]

  y2=[570,1340,1370,900]

  bar=Bar(init_opts=opts .InitOpts(宽度= 1000像素,高度=600px ))

  bar.add_xaxis(xaxis_data=x)

  bar.add_yaxis(series_name=A ,yaxis_data=y1,label_opts=opts .LabelOpts(is_show=False))

  bar.add_yaxis(series_name=B ,yaxis_data=y2,label_opts=opts .LabelOpts(is_show=False))

  酒吧。set _ global _ opts(title _ opts=opts .TitleOpts(title=统计))

  #酒吧扩展

  bar.extend _ axis(

  yaxis=opts .轴零件(

  name=价格,

  type_=value ,

  min_=0,

  max_=200,

  间隔=10,

  axislabel_opts=opts .LabelOpts(formatter={value}元))#值

  )

  返回栏

  # 绘制线条方法

  定义折线图()-折线图():

  y=[159,29,49,79]

  c=线()

  c.add_xaxis(xaxis_data=x)

  c.add_yaxis(series_name=价格,yaxis_index=1,y_axis=y,label_opts=opts .LabelOpts(is_show=False))

  返回c

  #小节线

  bar=条形图()

  line=line_charts()

  条形重叠(线条)。render_notebook()

  肾盂图表饼图饼图肾盂造影图第一个馅饼饼图馅饼需要的数据格式:

  [[x1,y1],[x2,y2]]

  绘制饼图的操作步骤:

  构建馅饼的数据为馅饼示例对象添加数据设置标题设置每一项占比我们分析一些我的一些课程不同的来源销售的占比

  从饼图。图表导入饼图

  从肾盂造影图将选项作为选项#导入构建馅饼的数据

  x_data=[直接访问,营销推广,博客推广,搜索引擎]

  y_data=[830,214,300,1100]

  #馅饼设置指定的格式

  data _ pair=[list(z)for z in list(zip(x _ data,y_data))]

  打印(数据对)

  [[直接访问, 830], [营销推广, 214], [博客推广, 300], [搜索引擎, 1100]]

  def饼图_图表()-饼图:

  c=Pie(init_opts=opts .InitOpts(宽度= 500像素,高度= 500像素))

  c.add(series_name=访问来源数据对=数据对)

  # 设置全局项

  c。set _ global _ opts(title _ opts=opts .TitleOpts(title=不同的来源的销售分析,pos_left=center ,pos_top=20))

  # 设置每项数据占比

  c。set _ series _ opts(tooltip _ opts=opts .TooltipOpts(trigger=item ,formatter={a} br/{b}:{c} ({d}%)))

  返回c

  c=饼图()

  c.render_notebook()

  肾盂造影圆弧状来自pyecharts.charts的图片导入饼图

  从肾盂造影图将选项作为选项导入

  # 构建馅饼的数据

  x_data=[直接访问,营销推广,博客推广,搜索引擎]

  y_data=[830,214,300,1100]

  #馅饼设置指定的格式

  data _ pair=[list(z)for z in list(zip(x _ data,y_data))]

  打印(数据对)

  [[直接访问, 830], [营销推广, 214], [博客推广, 300], [搜索引擎, 1100]]

  def pie_radius_charts()-饼图:

  c=饼图()

  c.add(series_name=访问来源,数据对=数据对,半径=[40% , 75%])

  c.set_global_opts(

  title_opts=opts .TitleOpts(title=不同销售来源),

  legend_opts=opts .LegendOpts(orient=vertical ,pos_top=15% ,pos_left=2% )

  )

  # 设置每项数据占比

  c。set _ series _ opts(tooltip _ opts=opts .TooltipOpts(trigger=item ,formatter={a} br/{b}:{c} ({d}%)))

  返回c

  c=饼图半径图表()

  c.render_notebook()

  肾盂图散点图散点图figsize=opts .InitOpts(宽度= 800像素,高度= 300像素)

  Scatter=Scatter(init _ opts=fig size)

  散开。add _ xaxis(xaxis _ data=x _ data)

  scatter.add_yaxis(

  series_name=y=sin(x)函数散点图, # 图例名称

  y_axis=y1,#数据

  label_opts=opts .LabelOpts(is_show=False))#设置数据点是否展示

  scatter.add_yaxis(

  series_name=y=cos(x)函数散点图,

  y _轴=y2,

  label_opts=opts .LabelOpts(is_show=False)

  )

  散开。set _ global _ opts(title _ opts=opts .TitleOpts(title=第一个散点图,pos_top=20px ,pos_left=center ))

  scatter.render_notebook()

  pyecharts WordCloud词云将pyecharts.options作为选项导入

  从pyecharts .图表导入关键字云

  数据=[

  (宁泽涛女友,4583345),

  (日学者发现侵华日军使用毒气铁证,2324539),

  (伦敦眼惊现摩斯密码,2296099),

  (网友请愿追责丛林法则节目组,1376545),

  (寒门女孩清华毕业典礼上发言,1337607)

  ]

  c=WordCloud()

  c.add(系列名称= ,数据对=数据)

  c。set _ global _ opts(title _ opts=opts .TitleOpts(title=热词分析))

  c.render_notebook()

  肾盂造影图地理地理图如果需要绘制地理图相关内容,需要一并安装如下内容:

  安装地图文件

  全球国家地图:电子海图-国家/地区-pypkg

  中国省级地图:电子海图-中国-省份-pypkg

  中国市级地图:电子海图-中国-城市-pypkg

  全部直接使用大蟒的点安装,安装好之后,就可以使用了

  pip3安装肾盂造影图

  pip3安装电子海图-国家/地区-pypkg

  pip3安装电子海图-中国-省份-pypkg

  pip3安装电子海图-中国-城市-pypkg

  本课程使用版本说明:

  计算机编程语言版本:3.7.x

  pyecharts: 1.x

  导入库从肾盂造影图将选项作为选项导入

  从pyecharts .图表导入地理

  从pyecharts.globals导入图表类型

  导入肾盂造影图

  导入警告

  警告.过滤器警告("忽略")

  打印( pyecharts version=,pyecharts .__版本_ _)

  肾盂造影图版本=1.2.1

  绘制地理图表极好的地理图表()-地理:

  数据=[[广东,104320459],[山东,95792719],[河南,94029939]]

  打印(数据)

  c=地理()

  c.add_schema(maptype=china ,is_roam=False,label_opts=opts .LabelOpts(is_show=True))

  c.add(geo ,data,type_=ChartType .EFFECT_SCATTER,symbol_size=12,symbol=pin )

  c。set _ global _ opts(title _ opts=opts .TitleOpts(title=地理-案例),legend_opts=opts .LegendOpts(is_show=True))

  c.render_notebook()

  返回c

  c=地理图表()

  c.render_notebook()

  业务案例分析一般业务方提供数据,多数是战斗支援车和文本文件(文本文件)等文本数据。如果数据量,多数存储大数据的hdfs(分布式文件系统)可以采用发动或者数据处理进行基础数据分析统计基础指标获取后,可以使用大蟒的一些可视化工具库进行展示彻底掌握对业务的数据分析,你需要掌握的工具:hadoop,spark,python,numpy,pandas,seaborn,pyecharts,matplotlib。具体更多内容,大家可以相互交流。

  视频请参考:

  https://edu.51cto.com/course/18982.html

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: