1echarts简介

ECharts，缩写来自Enterprise Charts，商业级数据图表，一个纯Javascript的图表库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器（IE6/7/8/9/10/11，chrome，firefox，Safari等），底层依赖轻量级的Canvas类库ZRender，提供直观，生动，可交互，可高度个性化定制的数据可视化图表。创新的拖拽重计算、数据视图、值域漫游等特性大大增强了用户体验，赋予了用户对数据进行挖掘、整合的能力。

支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K线图、饼图（环形图）、雷达图（填充雷达图）、和弦图、力导向布局图、地图、仪表盘、漏斗图、事件河流图等12类图表，同时提供标题，详情气泡、图例、值域、数据区域、时间轴、工具箱等7个可交互组件，支持多图表、组件的联动和混搭展现。
echarts官网

2安装pyecharts

百度提供了一个做表软件echarts,python专门有一个封装好的模块pyecharts提供给我们使用。
安装pyecharts:

pip install pyecharts
pip install pyecharts_snapshot

3条形图Bar

案例:
假设你获取到了某年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸",
"加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归", "侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,
10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 单位:亿

from pyecharts import BarmovieName = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧爸爸"]
movieMoney = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96]# width画布宽度
bar = Bar(title="某年内地电影票房前20的电影", subtitle="这是一个子标题",width=2000)
# 添加图表的数据(图例), bar_category_gap 数据相隔宽度
bar.add("电影信息",movieName, movieMoney,bar_category_gap="10%")
# 默认情况下会生成一个render.html文件
bar.render()

我们打开render.html文件在浏览器中显示：

pyecharts非常友好：可以ctrl进入查看源代码，有许多中文解释

4多个变量的条形图

from pyecharts import Barx_movies_name = ["猩球崛起", "敦刻尔克", "蜘蛛侠", "战狼2"]
y_16 = [15746, 312, 4497, 319]
y_15 = [12357, 156, 2045, 168]
y_14 = [2358, 399, 2358, 362]bar = Bar(title="某年内地电影票房前20的电影 ", subtitle="子标题")
bar.add("2017-09-14", x_movies_name, y_14, mark_line=['min', 'max'], mark_point=['average'])
# mark_line=['min', 'max'] 最大值最小值用横线标出
# mark_point平均值用点标记
bar.add("2017-09-15", x_movies_name, y_15)
bar.add("2017-09-16", x_movies_name, y_16)bar.render()

5散点图Scatter

import randomfrom pyecharts import EffectScatter, Scatter, Scatter3Dx_march = list(range(1, 32))
y_temp_march = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21,22, 22, 22, 23]y_temp_march1 = [random.randint(1,30) for i in range(31)]
print(len(y_temp_march))# scatter= EffectScatter("北京3月份每天白天的最高气温随时间(天)变化的散点图")
scatter= Scatter("北京3月份白天变化的散点图", subtitle="xxxx")
# symbol_size散点图标记的大小;
scatter.add("3 月", x_march, y_temp_march, symbol_size=10, line_color='red')
scatter.add("4 月", x_march, y_temp_march1, symbol_size=30)
scatter.render()

6漏斗图 Funnel

from pyecharts import Funnelx_movies_name = ["猩球崛起", "敦刻尔克", "蜘蛛侠", "战狼2"]
y_16 = [20, 40, 60, 80]
funnel = Funnel("xxxx")
funnel.add("电影信息", x_movies_name, y_16)
funnel.render()

7水球图Liquid

from pyecharts import Liquidliquid = Liquid("水球图")
liquid.add("Liquid", [0.6, 0.5, 0.4, 0.3],  shape='pin')
liquid.render()

8饼状图

from pyecharts import  Pieattr = ["男", '女', '其他']
data = [100, 180, 2]pie = Pie("饼状图")
# 是否直接显示label信息
pie.add("性别", attr, data, is_label_show=True)
pie.render()

9折线图

import random
from pyecharts import Line# 图表的x轴的数据, 是一个可迭代的数据类型
x_times = list(range(0,30))
# 图表的y轴的数据, 是一个可迭代的数据类型
y_temp_3 = [random.randint(20, 35) for i in range(30)]
y_temp_10 = [random.randint(20, 35) for j in range(30)]line  = Line("折线图")
# line.add("", x_times, y_temp_3, mark_line=['max'], mark_point=['min'])
# line.add("", x_times, y_temp_10, mark_line=['max'], mark_point=['min'])# 折线图---阶梯图
# line.add("", x_times, y_temp_3, mark_line=['max'], mark_point=['min'], is_step=True)
# line.add("", x_times, y_temp_10, mark_line=['max'], mark_point=['min'], is_step=True)# # # 折线图---面积图
# 设置透明度
line.add("", x_times, y_temp_3,  is_fill=True, area_color='red', area_opacity=0.3)
line.add("", x_times, y_temp_10,  is_fill=True, area_color='green', area_opacity=0.2)line.render()

面积图

折线图

10地图绘制

安装：
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg

from pyecharts import Geodata = [("海门", 9),("鄂尔多斯", 12),("招远", 12),("舟山", 12),("齐齐哈尔", 14),("盐城", 15),("赤峰", 16),("青岛", 18),("乳山", 18),("金昌", 19),("泉州", 21),("莱西", 21),("日照", 21),("胶南", 22),("南通", 23),("拉萨", 24),("云浮", 24),("梅州", 25),("文登", 25),("上海", 25),("攀枝花", 25),("威海", 25),("承德", 25),("厦门", 26),("汕尾", 26),("潮州", 26),("丹东", 27),("太仓", 27),("曲靖", 27),("烟台", 28),("福州", 29),("瓦房店", 30),("即墨", 30),("抚顺", 31),("玉溪", 31),("张家口", 31),("阳泉", 31),("莱州", 32),("湖州", 32),("汕头", 32),("昆山", 33),("宁波", 33),("湛江", 33),("揭阳", 34),("荣成", 34),("连云港", 35),("葫芦岛", 35),("常熟", 36),("东莞", 36),("河源", 36),("淮安", 36),("泰州", 36),("南宁", 37),("营口", 37),("惠州", 37),("江阴", 37),("蓬莱", 37),("韶关", 38),("嘉峪关", 38),("广州", 38),("延安", 38),("太原", 39),("清远", 39),("中山", 39),("昆明", 39),("寿光", 40),("盘锦", 40),("长治", 41),("深圳", 41),("珠海", 42),("宿迁", 43),("咸阳", 43),("铜川", 44),("平度", 44),("佛山", 44),("海口", 44),("江门", 45),("章丘", 45),("肇庆", 46),("大连", 47),("临汾", 47),("吴江", 47),("石嘴山", 49),("沈阳", 50),("苏州", 50),("茂名", 50),("嘉兴", 51),("长春", 51),("胶州", 52),("银川", 52),("张家港", 52),("三门峡", 53),("锦州", 54),("南昌", 54),("柳州", 54),("三亚", 54),("自贡", 56),("吉林", 56),("阳江", 57),("泸州", 57),("西宁", 57),("宜宾", 58),("呼和浩特", 58),("成都", 58),("大同", 58),("镇江", 59),("桂林", 59),("张家界", 59),("宜兴", 59),("北海", 60),("西安", 61),("金坛", 62),("东营", 62),("牡丹江", 63),("遵义", 63),("绍兴", 63),("扬州", 64),("常州", 64),("潍坊", 65),("重庆", 66),("台州", 67),("南京", 67),("滨州", 70),("贵阳", 71),("无锡", 71),("本溪", 71),("克拉玛依", 72),("渭南", 72),("马鞍山", 72),("宝鸡", 72),("焦作", 75),("句容", 75),("北京", 79),("徐州", 79),("衡水", 80),("包头", 80),("绵阳", 80),("乌鲁木齐", 84),("枣庄", 84),("杭州", 84),("淄博", 85),("鞍山", 86),("溧阳", 86),("库尔勒", 86),("安阳", 90),("开封", 90),("济南", 92),("德阳", 93),("温州", 95),("九江", 96),("邯郸", 98),("临安", 99),("兰州", 99),("沧州", 100),("临沂", 103),("南充", 104),("天津", 105),("富阳", 106),("泰安", 112),("诸暨", 112),("郑州", 113),("哈尔滨", 114),("聊城", 116),("芜湖", 117),("唐山", 119),("平顶山", 119),("邢台", 119),("德州", 120),("济宁", 120),("荆州", 127),("宜昌", 130),("义乌", 132),("丽水", 133),("洛阳", 134),("秦皇岛", 136),("株洲", 143),("石家庄", 147),("莱芜", 148),("常德", 152),("保定", 153),("湘潭", 154),("金华", 157),("岳阳", 169),("长沙", 175),("衢州", 177),("廊坊", 193),("菏泽", 194),("合肥", 229),("武汉", 273),("大庆", 279)]geo = Geo("全国主要城市空气质量","data from pm2.5",title_color="#fff",title_pos="center",width=1200,height=600,background_color="#404a59",
)
attr, value = geo.cast(data)
geo.add("",attr,value,visual_range=[0, 200],visual_text_color="#fff",symbol_size=15,is_visualmap=True,
)
geo.render()

from pyecharts import Map
import numpy as npvalue = [155, 10, 66, 78, 33, 80, 190, 53, 49.6]
attr = ["福建", "山东", "北京", "上海", "甘肃", "新疆", "河南", "广西", "西藏"]#  background_color="#404a59"
map = Map("Map 结合 VisualMap 示例", width=1200, height=600, )
map.add("",attr,value,maptype="china",is_visualmap=True,visual_text_color="#000",
)
map.render()

python-绘图-echart相关推荐

python绘图和可视化_Python 绘图和可视化详细介绍
Python之绘图和可视化 1. 启用matplotlib 最常用的Pylab模式的IPython(IPython --pylab) 2. matplotlib的图像都位于Figure对象中. 可以使 ...
python绘图模块pandas_python绘图：matplotlib和pandas的应用
在进行数据分析时,绘图是必不可少的模式探索方式.用Python进行数据分析时,matplotlib和pandas是最常用到的两个库. 1.matplotlib库的应用准备工作如下:打开ipython ...
python绘图subplots函数使用模板
文章目录背景模板显示中文使用subplot(221) 使用subplots(2,2) 配合axs end 背景使用python进行图像可视化,很多情况下都需要subplots将多幅图像绘制在 ...
Python绘图之matplotlib基础教程：matplotlib库图表绘制中常规设置大全(交互模式、清除原有图像、设置横坐标显示文字/旋转角度、添加图例、绘图布局自动调整、图像显示、图像暂停)
Python绘图之matplotlib基础教程:matplotlib库图表绘制中常规设置大全(交互模式.清除原有图像.设置横坐标显示文字/旋转角度.添加图例.绘图布局自动调整.图像显示.图像暂停) 目 ...
python绘图—— matplotlib
python绘图-- matplotlib 1.模块导入 2.折线图绘制 2.1 设置画布大小 2.2画图 2.3 设置显示中文 2.4 设置标题 2.5 设置图例 2.6 设置坐标轴刻度和刻度标签 ...
python绘图函数m_python绘图数据m
我试图在python绘图上做一个数据标记,显示x和y坐标,如果可能的话,最好是自动的.请记住,我是python新手,没有使用matplotlib中标记功能的任何经验.我有一些来自.csv文件的FFT图 ...
Python 绘图问题：Matplotlib中plt.rcParams[]使用方法 rcsetup.py matplotlibrc
文章目录 from `__init__.py` from matplotlibrc from rcsetup.py from __init__.py # this is the instance us ...
Python+Flask+Echart+WordCloud：豆瓣爬虫项目的可视化数据
文章目录介绍基本流程项目概览-截图 4.1 首页 4.2 电影 4.3 评分 4.4 词云 4.5 团队数据集和项目代码下载介绍爬虫数据可视化(Python+Flask+Echart+Wo ...
python绘图设置标题出现乱码_解决python2 绘图title,xlabel,ylabel出现中文乱码的问题...
Python绘图如何显示中文标题一个懂得以幽默态度面对自己缺点并将缺点变成自己专属的特色-这才是真正乐观勇敢的人. 采用matplotlib作图时默认设置下是无法显示中文的,例如编写如下python脚 ...
R绘图 vs Python绘图(散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图)
写在前面:为啥不用excel绘制这些图,用PoweBI,帆软BI等可视化软件来绘图,不是更方便吗?的确,这些工具都很方便,但同时,它们显得很呆,不够灵活,更为致命的是,它们绘制出的图形,分辨率不够,用 ...

python-绘图-echart

文章目录