Python + PyEcharts——数据可视化

一、第一个PyEcharts图标
二、柱形图/条形图
- Bar.add()方法签名
三、堆叠（柱状）图
四、折线/面积图
- Line.add()方法签名
五、饼图
- Pie.add()方法签名
六、散点图
- Scatter.add()方法签名
七地图pyecharts地图数据接口
- Map.add() 方法签名
八、词云图
- WordCloud.add() 方法签名
九、图标叠加 Overlap
- Overlap.add() 方法签名

一、第一个PyEcharts图标

以下示例都是在jupyter notebook环境下运行

1 安装： ~~~~~~~~~~~~~~pip install pyecharts
2 引用pyecharts from pyecharts import Bar
3 编写实现柱状图

bar = Bar('我的第一个图标','副标题')
bar.add('服装',['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90])

4 输出到.html中进行展示:bar.render(.././html/bar01.html)
5 新建一个html文件

代码：
import pyecharts
from pyecharts import Barbar = Bar("我的第一个图表", "这里是副标题")
bar.use_theme('dark')                                  #暗色背景色
bar.add("服装",                                        #注解==label["衬衫","羊毛衫","雪纺衫","裤子","高跟鞋","袜子"], #横坐标[5, 20, 36, 10, 75, 90])                       #纵坐标
bar.render('./picture1.html')                          #文件存储路径（默认保存当前文件路径）

Bar

二、柱形图/条形图

Bar.add()方法签名

add(name,x_axis,y_axis,is_stack = False,bar_category_gap = '20%',**kwargs)
name -> str         #图例名称
x_axis -> list      # X轴数据
y_axis -> list      # Y轴数据
is_stack -> bool    #数据堆叠，同个类目轴上系列配置相同的stack 值可以堆叠放置
bar_category_gap -> int/str   #类目轴柱状距离，默认20%

代码：
from pyecharts import Bar
bar = Bar('基本柱状图','副标题')
bar.add('服装',['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90],is_more_utils = True    #设置最右侧工具栏)
bar.show_config()               #调试输出pyecharts的js配置信息
bar.render('./html/first01.html')

三、堆叠（柱状）图

代码：
from pyecharts import Barattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
bar = Bar('柱状信息堆叠图')
bar.add('商家A',attr,v1,is_stack = True)  #is_stack = True才表示堆叠在一起
bar.add('商家B',attr,v2,is_stack = True)
bar.render('./html/first03.html')

■ 并列（柱形）图
from pyecharts import Barattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
bar = Bar('标记线和标记示例')
bar.add('商家A',attr,v1,mark_point = ['average'])     #标记点：商家A的平均值
bar.add('商家B',attr,v2,mark_line = ['min','max'])    #标记线：商家B最小/最大值
bar.render('./html/first04.html')

■ 横向并列（柱形）图
from pyecharts import Barattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
bar = Bar('X 轴与 Y 轴交换')
bar.add('商家A',attr,v1)
bar.add('商家B',attr,v2,is_convert = True)    # is_convert = True:X 轴与 Y 轴交换
bar.render('./html/first04.html')

四、折线/面积图

Line.add()方法签名

add(name,x_axis,y_axis,is_symbol_show = True,is_smooth = False,is_stack = False,is_step = False,is_fill = False,**kwargs    )
以下为属性默认值：is_symbol_show = True,      #是否显示标记图形is_smooth = False,          #是否显示平滑曲线is_stack = False,           #是否数据堆叠is_step = False,            #是否是阶梯线is_fill = False,**kwargs    #是否填充曲线区域面积

▶代码1：
from pyecharts import Lineattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
line = Line('折线示例图')
line.add('商家A',attr,v1,mark_point = ['average'])
line.add('商家B',attr,v2,is_smooth = True, mark_line = ['max','average'])
line.render('./html/first05.html')--------------------------------------------------------------
▶代码2：(定制折线图)
from pyecharts import Lineattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
line = Line('折线示例图')
line.add('商家A',attr,v1,mark_point = ['average','max','min'],  #标注点：平均值，最大值，最小值mark_point_symbol = 'diamond',         #标注点：钻石形状mark_point_textcolor = '#40ff27')      #标注点：标注文本颜色
line.add('商家B',attr,v2,mark_point = ['average','max','min'],mark_point_symbol = 'arrow',mark_point_symbolsize = 40)
line.render('./html/line01.html')

▶代码3：(面积图)
from pyecharts import Lineattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
v2 = [10,25,8,60,20,80]
line = Line('折线面积示例图')
line.add('商家A',attr,v1,is_fill = True,line_opacity = 0.2,      #线条不透明度area_opacity = 0.4,symbol = None)
line.add('商家B',attr,v2,is_fill = True,line_color = '#000',     #黑色area_opacity = 0.3,      #填充不透明度is_smooth = True)
line.render('./html/area01.html')

五、饼图

Pie.add()方法签名

add(name,attr,value,radius = None,center = None,rosetype = None,**kwargs)
attr:属性名称
radius：饼图半径，数组第一项是内径，第二项是外径，默认[0,75,],设置成百分比
center：圆心，数组第一项是X轴，第二项是Y轴，默认[50,50]
rosetype: 是否展示成南丁格尔图，用过半径区分数据大小，radius和area两种模式，默认radius

▶代码1：(饼图)
from pyecharts import Pieattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
pie = Pie('饼图示例')
pie.add('',attr,v1,is_label_show = True)
pie.render('./html/pie01.html') ▶代码2：(环形图)
from pyecharts import Pieattr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,75,90]
pie = Pie('饼图-环形图示例',title_pos = 'center')
pie.add('',attr,v1,                 #''：图例名（不使用图例）radius = [40,75],           #环形内外圆的半径is_label_show = True,       #是否显示标签label_text_color = None,    #标签颜色legend_orient = 'vertical', #图例垂直legend_pos = 'left')
pie.render('./html/pie02.html')

六、散点图

Scatter.add()方法签名

add(name,x_axis,y_axis,extra_data = None,symbol_size = 10,**kwargs)
extra_data -> int:第三维数据（可在 visualmap 中将视图元素映射到第三维度）
symbol_size -> int: 标记图形大小，默认为10

▶代码1：
from pyecharts import Scatter
v1 = [5,20,35,50,65,80]
v2 = [10,20,30,40,50,60]
scatter = Scatter('散点示例图')
scatter.add('A',v1,v2)
scatter.add('B',v1[::-1],v2)    #v1[::-1]代表切片倒序
scatter.render('./html/scatter01.html')     ▶代码2：(引入第三维/类似气泡图)
from pyecharts import Scatter
v1 = [5,20,35,50,65,80]
v2 = [10,20,30,40,50,60]
scatter = Scatter('散点-气泡示例图')
scatter.add('A',v1,v2)
scatter.add('B',v1[::-1],v2,                #v1[::-1]代表切片倒序is_visualmap = True,            #显示滑动条symbol_size = 30,               #显示图内标点大小vasual_range_size = [20,80])    #显示滑动范围
scatter.render('./html/scatter02.html')

七地图pyecharts地图数据接口

Map.add() 方法签名

 安装下列地图数据包pip install echarts-countries-pypkgpip install echarts-china-provinces-pypkgpip install echarts-china-cities-pypkgpip install echarts-china-counties-pypkgpip install echarts-china-misc-pypkgpip install echarts-united-kingdom-pypkg

add(name,attr,value,maptype = 'china',is_roam = True,is_map_symobol_show = True **kwargs)
maptype -> str: 地图类型，支持China，world，北京，天津，上海，湖南，湖北，……363个二线城市
is_roam -> bool/str 是否开启鼠标缩放，漫游等，默认 True,若只想开启缩放/平移 设置scale/move 设置成 True 开启
is
is_map_symobol_show 是否显示地图标记，默认 True。

▶代码1：
from pyecharts import Map
value = [155,10,66,78]
attr = ['福建','山东','北京','上海']
map = Map('全国地图示例',width = 1200,height = 600)
map.add('',attr,value,maptype = 'china')
map.render('./html/map01.html')▶代码2：
from pyecharts import Map
value = [155,10,66,78]
attr = ['汕头市','汕尾市','揭阳市','肇庆市']
map = Map('广东地图示例',width = 1200,height = 600)
map.add('',attr,value,maptype = '广东',is_visualmap = True,visual_text_color = '#000',is_label_show = True)
map.render('./html/map02.html')

八、词云图

WordCloud.add() 方法签名

add(name,attr,value,shape = 'circle',word_gap = 20,word_size_range = Nonerotate_step = 45)
shape-> list :词云图轮廓（circle,cardioid,diamond,triangle-forward,triangle,pentagon,star）
word_gap -> int 单词间隔 默认 20
word_size_range -> int 单词字体大小范围 默认[12,60]
rotate_step -> int 单词旋转角度，默认45。

from pyecharts import WordCloud
name = ['Though','the answer','this question','may at first','seem to border','on the','absurd','reflection','will show','that there','is a','good deal','more in','it than meets','the eye']
value = [10000,6189,4556,2356,2233,1895,1456,1255,981,875,542,462,361,265,125]
worldcloud = WordCloud(width = 1300,height = 620)
worldcloud.add('',name,value,word_size_range = [20,100])
worldcloud.render('./html/worldcloud01.html')

九、图标叠加 Overlap

自定义结合Line/ Bar/ Kline/ Scatter/ EffectScatter 等图表。
利用第一张图表为基础，将后面的数据画在第一张图上。

Overlap.add() 方法签名

add(chart,xaxis_index = 0,yaxis_index = 0,is_add_xaxis = False,is_add_yaxis = False)
属性：
is_add_xaxis / is_add_yaxis 是否新增坐标X/Y 默认 False

▶代码1：bar + line 叠加from pyecharts import Bar,Line,Overlap
attr = ['A','B','C','D','E','F']
v1 = [10,20,30,40,50,60]
v2 = [38,28,35,58,65,70]
bar = Bar('Line - Bar示例')
bar.add('bar',attr,v1)
line = Line()
line.add('line',attr,v2)overlop = Overlap()
overlop.add(bar)
overlop.add(line)
overlop.render('./html/line-bar01.html')

▶代码2：EffectScatter + Line 叠加
from pyecharts import Line,EffectScatter,Overlap
attr = ['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子']
v1 = [5,20,36,10,10,90]
line = Line('线性_闪烁图示例')
line.add('',attr,v1,is_random = True)es = EffectScatter()
es.add('',attr,v1,effect_scale=8)   #闪烁
overlop = Overlap()
overlop.add(line)                   #必须先添加line,在添加es
overlop.add(es)
overlop.render('./html/line-es01.html')

Python + PyEcharts——数据可视化相关推荐

Python pyecharts数据可视化
Python pyecharts数据可视化--绘制精美图表一.数据可视化 1.pyecharts介绍 2.初入了解 (1).快速上手 (2).简单的配置项介绍 3.案例实战 (1).柱状图Bar ( ...
【Python】Pyecharts数据可视化模块练习
python:Pyecharts数据可视化模块练习 # -*- coding: utf-8 -*- """ Created on Sun Aug 5 22:16:09 2 ...
python 图表美化_你的图表不美观怎么办，Python实现数据可视化帮你实现
之前突然看到一个用Python实现数据可视化的技术,小编觉得解决了生活中的好多问题,大家一起来看看这个神器.1.主页首先,这个主页的设计就是我非常喜欢的风格,简单清晰,第一眼就让人有特别清爽的感觉, ...
Pyechart：30分钟学会pyecharts数据可视化
30分钟学会pyecharts数据可视化小红:你先跟我说说什么是pyecharts吧. 小明:Echarts 是一个由百度开源的数据可视化javascript库,凭借着良好的交互性,精巧的图表设计, ...
『数据可视化』基于Python的数据可视化工具
刘宇宙,现在一家创业型公司做技术总负责,做爬虫和数据处理相关工作,曾从事过卡系统研发.金融云计算服务系统研发,物联网方向大数据研发,著书一本,<Python3.5从零开始学> 如何做Pyt ...
【教程】Python科研数据可视化、MATLAB科研数据可视化
在过去的20年中,随着社会产生数据的大量增加,对数据的理解.解释与决策的需求也随之增加.而固定不变是人类本身,所以我们的大脑必须学会理解这些日益增加的数据信息.所谓"一图胜千言", ...
python echarts数据可视化实战
python echarts数据可视化 python echarts数据可视化实战引言词云分析柱状图分析饼图分析总结 python echarts数据可视化实战引言引言上一章我给大家用 ...
基于MATLAB、Python科研数据可视化
目录 MATLAB科研数据可视化 Python科研数据可视化 MATLAB科研数据可视化互联网的飞速发展伴随着海量信息的产生,而海量信息的背后对应的则是海量数据.如何从这些海量数据中获取有价值的信息 ...
python与excel做数据可视化-用Python进行数据可视化的10种方法
原标题:用Python进行数据可视化的10种方法 2015-11-19 关于转载授权大数据文摘作品,欢迎个人转发朋友圈,自媒体.媒体.机构转载务必申请授权,后台留言"机构名称+转载&quo ...

Python + PyEcharts——数据可视化

一、第一个PyEcharts图标

二、柱形图/条形图

Bar.add()方法签名

三、堆叠（柱状）图

四、折线/面积图

Line.add()方法签名

五、饼图

Pie.add()方法签名

六、散点图

Scatter.add()方法签名

七地图pyecharts地图数据接口

Map.add() 方法签名

八、词云图

WordCloud.add() 方法签名

九、图标叠加 Overlap

Overlap.add() 方法签名

Python + PyEcharts——数据可视化相关推荐

最新文章

热门文章

Python + PyEcharts——数据可视化

一、第一个PyEcharts图标

二、柱形图/条形图

Bar.add()方法签名

三、堆叠（柱状）图

四、折线/面积图

Line.add()方法签名

五、饼图

Pie.add()方法签名

六、散点图

Scatter.add()方法签名

七 地图pyecharts地图数据接口

Map.add() 方法签名

八、词云图

WordCloud.add() 方法签名

九、图标叠加 Overlap

Overlap.add() 方法签名

Python + PyEcharts——数据可视化相关推荐

最新文章

热门文章

七地图pyecharts地图数据接口