如何制作pyecharts图表,python中pyecharts模块

  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Boxplot

  from 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 Line

  line = 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 Radar

  radar = 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 Scatter

  scatter = 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 Overlap

  overlap = 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。

留言与评论(共有 条评论)
   
验证码: