利用pyecharts做数据可视化,pyecharts动态可视化
使用肾盂造影图渲染成图片一直是开发者比较关心的功能，肾盂造影图提供了硒、幻影和皮佩尔三种方式。本文将具体介绍一下这三种方式的使用，需要的可以参考一下
使用肾盂造影图渲染成图片一直是开发者比较关心的功能，肾盂造影图提供了硒、幻影和皮佩尔三种方式。
更多介绍可以学习官方文档：https://pye图表。org/#/zh-cn/render _ images
首先需要安装上快照-硒
点安装快照硒http://pypi.douban.com/simple-可信-主机pypi.douban.com
测试代码如下：
从pyecharts.render导入制作快照
从快照_硒导入快照
从肾盂造影图将选项作为选项导入
从pyecharts .图表导入山奇
桑基=桑基（
init_opts=opts .InitOpts(
宽度= 1000像素，
高度= 600像素，
bg_color=#fff
)
)
sankey.add(
,
节点，
链接，
节点间隙=0,
节点宽度=80,
pos_right=5% ，
node_align=justify ，
焦点节点邻接=真
linestyle_opt=opts .线条样式选项(曲线=0.5,不透明度=0.2,颜色=源),
label_opts=opts .LabelOpts(position=inside ，color=white )，
itemstyle_opts=opts .项目样式opts(border _ color= # fff )，
)
打印(:)。加入([CSDN叶庭云，‘https://叶挺云。博客。csdn。net/]))
# sankey.render( ./结果/009。html’)
make_snapshot(snapshot，sankey.render()， Pyecharts生成图片. png’)
关键代码：
从pyecharts.render导入制作快照
从快照_硒导入快照
# 渲染的超文本标记语言保存为png图片
make_snapshot(snapshot，sankey.render()， Pyecharts生成图片. png’)
结果如下：
补充
当然肾盂造影图不仅能进行可视化图片渲染，还能进行图表的渲染，同样也是使用硒，幻影和皮佩尔这三种方式
渲染图片依赖库
1 .制作快照
制作快照用于肾盂造影图直接生成图片。
从pyecharts.render导入制作快照
定义生成快照（
# 渲染引擎，可选硒或者浏览器
任何发动机：
# 传入超文本标记语言文件路径
文件名：字符串，
# 输出图片路径
输出名称：字符串，
# 延迟时间，避免图还没渲染完成就生成了图片，造成图片不完整
delay: float=2，
# 像素比例，用于调节图片质量
pixel_ratio: int=2，
# 渲染完图片是否删除原超文本标记语言文件
is_remove_html: bool=False，
# 浏览器类型，目前仅支持Chrome，Safari，使用
snapshot-selenium 时有效
browser: str = "Chrome",
**kwargs,
)
渲染方式
1.snapshot-selenium
snapshot-selenium 是 pyecharts + selenium 渲染图片的扩展，使用 selenium 需要配置 browser driver，这部分可以参考 selenium-python 相关介绍，推荐使用 Chrome 浏览器，可以开启 headless 模式。目前支持 Chrome, Safari。
# 安装pip install snapshot-selenium
# 使用方式
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
def bar_chart() -> Bar:
c = (
Bar()
.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-测试渲染图片"))
)
return c
make_snapshot(snapshot, bar_chart().render(), "bar0.png")
2.snapshot-phantomjs
snapshot-phantomjs 是 pyecharts + phantomjs 渲染图片的扩展，需要先安装 phantomjs。
# 安装pip install snapshot-phantomjs
# 使用方式
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot
def bar_chart() -> Bar:
c = (
Bar()
.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-测试渲染图片"))
)
return c
make_snapshot(snapshot, bar_chart().render(), "bar0.png")
3.snapshot-pyppeteer
snapshot-pyppeteer 是 pyecharts + pyppeteer 渲染图片的扩展，需要先安装 pyppeteer 和 Chromium。
# 安装pip install snapshot-pyppeteer
# 安装完后建议执行 chromium 安装命令
pyppeteer-install
# 使用方式
from snapshot_pyppeteer import snapshot
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.render import make_snapshot
def bar_base() -> Bar:
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))
)
make_snapshot(snapshot, c.render(), "bar.png")
if __name__ == __main__:
bar_base()
到此这篇关于Pyecharts可视化图片渲染的方法详解的文章就介绍到这了,更多相关Pyecharts可视化图片渲染内容请搜索盛行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。