Python中的pyecharts库使用总结

更新时间：2023年12月05日 10:26:18 作者：流烟默

这篇文章主要介绍了Python中的pyecharts库使用总结,Pyecharts 提供了一个简单而直观的 API 接口,使得使用者无需了解复杂的 JavaScript 语法,即可通过 Python 代码实现高度定制化的图表设计,需要的朋友可以参考下

pyecharts库

pyecharts官方文档

在这里插入图片描述

Timeline

其是一个时间轴组件，如下图红框所示，当点击红色箭头指向的“播放”按钮时，会呈现动画形式展示每一年的数据变化。

在这里插入图片描述

data格式为DataFrame，数据如下图所示：

在这里插入图片描述

# 初始化Timeline 设置全局宽高
timeline = Timeline(init_opts=opts.InitOpts(width="2000px", height="800px"))
#  data['ReleaseNum'].shape[0]  获取所有行数 这里是20
# range(data['ReleaseNum'].shape[0]) 得到一个[0,20)的列表
 for index, year in zip(range(data['ReleaseNum'].shape[0]), data.index.tolist()):
     bar = (
         Bar()
             .add_xaxis(data['ReleaseNum'].columns.tolist()) #放所有类型
             .add_yaxis("销量", data['ReleaseNum'].iloc[index,].tolist(), label_opts=opts.LabelOpts(position="right"))#数值
             .reversal_axis()# 翻转
             .set_global_opts(title_opts=opts.TitleOpts(title="%d年各类型音乐专辑发行数量" % year, pos_left="center"),
                              legend_opts=opts.LegendOpts(pos_top="30px"),
                              xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12), name="发行数量"),
                              yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12), name="音乐专辑类型")
                              )
     )
     timeline.add(bar, year)#添加到时间轴
 timeline.render('releaseNumOfYear.html') # 渲染视图

data['ReleaseNum'] 用来去掉ReleaseNum获取一个二维表，如下图所示：

在这里插入图片描述

data.index.tolist() 获取所有年，得到一个list：

<class 'list'>: [2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]

zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

data['ReleaseNum'].columns.tolist() 得到所有的列label：

<class 'list'>: ['Alternative', 'Ambient', 'Black Metal', 'Blues', 'Boy Band', 'Brit-Pop', 'Compilation', 'Country', 'Dance', 'Death Metal', 'Deep House', 'Electro-Pop', 'Folk', 'Gospel', 'Hard Rock', 'Heavy Metal', 'Holy Metal', 'Indie', 'Indietronica', 'J-Rock', 'Jazz', 'K-Pop', 'Latino', 'Live', 'Lounge', 'Metal', 'Parody', 'Pop', 'Pop-Rock', 'Progressive', 'Punk', 'Rap', 'Retro', 'Rock', 'Techno', 'Trap', 'Unplugged', 'Western']

data['ReleaseNum'].iloc[index,].tolist() 用来获取目标index行的所有列。假设index=0，也就是说获取第一行所有列的数据。

柱状图

原始数据格式如下：

在这里插入图片描述

① 单个柱状图

如下图所示，只有一项发行量。

在这里插入图片描述

 index = [str(x) for x in salesAndScoreOfArtist['artist_id']]
    bar = (
        Bar(init_opts=opts.InitOpts(width="2000px", height="800px"))
            .add_xaxis(index) #作家ID
            .add_yaxis("发行量", salesAndScoreOfArtist['sale'].tolist()) #获取发行量列表

            .set_global_opts(title_opts=opts.TitleOpts(title="2000年-2019年音乐专辑销量前50的音乐作家专辑总销量", pos_left="center"),
                             legend_opts=opts.LegendOpts(pos_top="30px"),
                             xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=90, font_size=12), name="作家id"),
                             yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12), name="销售量"),
                             tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
                             )
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    )

② 多项柱状图

在这里插入图片描述

mult_bar = (
        Bar(init_opts=opts.InitOpts(width="2000px", height="800px"))
            .add_xaxis(index)
            .add_yaxis("mtv_score", salesAndScoreOfArtist['mtv_score'].tolist(), stack='stack1')
            # 这里stack意思  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。
            .add_yaxis("rolling_stone_score", salesAndScoreOfArtist['rolling_stone_score'].tolist(), stack='stack1')
            .add_yaxis("music_maniac_score", salesAndScoreOfArtist['music_maniac_score'].tolist(), stack='stack1')
            .set_global_opts(
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=90, font_size=12), name="作家id"),
            yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12), name="评分"),
            title_opts=opts.TitleOpts(title="2000年-2019年音乐专辑销量前50的音乐作家评分数据", pos_left="center"),
            legend_opts=opts.LegendOpts(pos_top="30px"),
            tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"))
            .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    )

③ WordCloud：词云图

在这里插入图片描述

def drawCloud():
    words = pd.read_csv("data/frequencyOfTitle.csv", header=None, names=['word', 'count'])
    data = [(i, j) for i, j in zip(words['word'], words['count'])]
    cloud = (
        WordCloud(init_opts=opts.InitOpts(width="2000px", height="800px"))
            .add("次数", data, word_size_range=[20, 100], shape=SymbolType.ROUND_RECT)
            .set_global_opts(title_opts=opts.TitleOpts(title="2000年-2019年所有音乐专辑名称词汇统计", pos_left="center"),
                             legend_opts=opts.LegendOpts(pos_top="30px"),
                             tooltip_opts=opts.TooltipOpts(is_show=True))
    )
    cloud.render("wordCloud.html")

④ 柱状图+折线图

# 绘制2000年至2019年各类型的音乐专辑的发行数量和销量
def drawReleaseNumAndSalesOfGenre():
    releaseNumAndSalesOfGenre = pd.read_csv("data/releaseNumAndSalesOfGenre.csv", header=None,
                                            names=['Type', 'Sale', 'Num'])
    bar = (
        Bar(init_opts=opts.InitOpts(width="2000px", height="800px"))
            .add_xaxis(releaseNumAndSalesOfGenre['Type'].tolist())
            .add_yaxis("发行量", releaseNumAndSalesOfGenre['Num'].tolist(), label_opts=opts.LabelOpts(is_show=False))

            .set_global_opts(title_opts=opts.TitleOpts(title="2000年-2019年不同类型音乐专辑发行量与销量", pos_left="center"),
                             legend_opts=opts.LegendOpts(pos_top="30px"),
                             xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45, font_size=12), name="音乐专辑类型"),
                             yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(font_size=12),
                                                      name="发行量"),
                             tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
                             )
            # 添加右侧y轴
            .extend_axis(
                yaxis=opts.AxisOpts(
                    name="销量",
                )
            )
    )
    line = (
        Line()
            .add_xaxis(releaseNumAndSalesOfGenre['Type'].tolist())
            .add_yaxis("销量",
                       releaseNumAndSalesOfGenre['Sale'],
                       yaxis_index=1, 
                       z=2,
                       label_opts=opts.LabelOpts(is_show=False), is_smooth=True)
    )
    bar.overlap(line).render("releaseNumAndSalesOfGenre.html")

在这里插入图片描述

这里yaxis_index=1, 表示使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。

这里z=2表示折线图组件的所有图形的z值。控制图形的前后顺序。z值小的图形会被z值大的图形覆盖。z 相比 zlevel 优先级更低，而且不会创建新的 Canvas。

到此这篇关于Python中的pyecharts库使用总结的文章就介绍到这了,更多相关Python的pyecharts库内容请搜索脚本之家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脚本之家！

您可能感兴趣的文章:

Python实现天气查询软件
今天给大家带来一个不是那么实用的小工具-天气查询,文中详细介绍了如何实用Python实现天气查询系统,需要的朋友可以参考下
2021-06-06
使用Python监控文件内容变化代码实例
在python中文件监控主要有两个库，一个是pyinotify，一个是watchdog。pyinotify依赖于Linux平台的inotify，今天我们就来探讨下pyinotify.
2018-06-06
python用Configobj模块读取配置文件
这篇文章主要介绍了python用Configobj模块读取配置文件，帮助大家更好的利用python处理文件，感兴趣的朋友可以了解下
2020-09-09
python中lambda匿名函数详解
大家好，本篇文章主要讲的是python中lambda匿名函数详解，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
2022-02-02
使用pandas的DataFrame的plot方法绘制图像的实例
今天小编就为大家分享一篇使用pandas的DataFrame的plot方法绘制图像的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-05-05
Python OpenCV 基于图像边缘提取的轮廓发现函数
这篇文章主要介绍了Python OpenCV 基于图像边缘提取的轮廓发现函数,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-03-03
500行代码使用python写个微信小游戏飞机大战游戏
这篇文章主要介绍了500行代码使用python写个微信小游戏飞机大战游戏，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-10-10
Python基于Opencv来快速实现人脸识别过程详解（完整版）
这篇文章主要介绍了Python基于Opencv来快速实现人脸识别过程详解（完整版）随着人工智能的日益火热，计算机视觉领域发展迅速，今天就为大家带来最基础的人脸识别基础，从一个个函数开始走进这个奥妙的世界,需要的朋友可以参考下
2019-07-07
Django集成celery发送异步邮件实例
今天小编就为大家分享一篇Django集成celery发送异步邮件实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-12-12
Python使用pymupdf实现PDF加密
这篇文章主要介绍了如何使用 Python 和 wxPython 库创建一个简单的图形用户界面（GUI）应用程序,用于对 PDF 文件进行加密,感兴趣的小伙伴可以了解下
2023-08-08