如何制作pyecharts图表,python中pyecharts模块
本文介绍了Python使用pyecharts控件绘制图表的方法,并通过示例代码进行了详细介绍。对大家的学习或者工作都有一定的参考价值,有需要的朋友可以参考一下。
00-1010一、电子海图简介1。特点2。相关资源:二。用法1。直方图-条形图2、饼图3、盒状图4、折线图5、雷达图6、散点图7和图表布局的网格摘要。
目录
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。
v0.5.x和V1之间存在不兼容,导致大量代码无法重用,旧版本将不再维护。
一、Echarts简介
简单的API设计,使用流畅,支持链式调用,包括30种常用图表,全部支持主流笔记本环境。Jupyter Notebook和JupyterLab可以轻松集成到Flask、Sanic、Django等主流Web框架的高度灵活的配置项中。可以轻松搭配精美的图表、详细的文档和实例,帮助开发者入门多达400个地图文件,并支持原生百度地图,为地理数据可视化提供有力支持。
1、特性
官方网站项目地址的中文文档(包括5分钟的介绍性教程)英文文档示例
2、相关资源:
现在让我们开始正式使用pycharts。这里我们直接使用官方数据:
二、使用
//导入直方图条
从pyecharts导入栏
//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
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]
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()
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,直接调用jupyter上的实例(比如从上面直接调用bar)就可以直接表示图表,非常方便。
笔者统计了一下,目前pyecharts上支持的图表大概有二十种。接下来,我们将使用上述数据生成数据挖掘中常用的几个图表示例:
1、柱状图-Bar
//导入饼图饼图
从饼图导入饼图
//设置主标题和副标题,标题居中,宽度设置为900。
Pie=Pie(饼图,年降水量和蒸发量,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()
3、箱体图-Boxplot
//导入箱型图Boxplotfrom pyecharts import Boxplot
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 (or Q2), Q3, max]
yaxis = boxplot.prepare_data(y_axis)
boxplot.add("天气统计", x_axis, _yaxis)
boxplot.render()
4、折线图-Line
from pyecharts import Lineline = 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()
5、雷达图-Rader
from pyecharts import Radarradar = 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的最大值,为了雷达图更为直观,这里的月份最大值设置有所不同
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()
6、散点图-scatter
from pyecharts import Scatterscatter = 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()
7、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。
from pyecharts import Grid//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()
from pyecharts import Overlapoverlap = 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
- 导入相关图表包
- 进行图表的基础设置,创建图表对象
- 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)
- 利用render()方法来进行图表保存
pyecharts还有许多好玩的3D图表和地图图表,个人觉得地图图表是最好玩的,各位有兴趣可以去pyecharts的使用手册查看,有中文版的非常方便。
到此这篇关于Python使用pyecharts控件绘制图表的文章就介绍到这了。希望对大家的学习有所帮助,也希望大家多多支持盛行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。