Python数据可视化处理库PyEcharts柱状图,饼图,线性图,词云图常用实例详解
更新时间：2020年02月10日 16:46:04 作者：E1ffC1
这篇文章主要介绍了Python数据可视化处理库PyEcharts柱状图、饼图、线性图常用实例详解,需要的朋友可以参考下
python可以在处理各种数据时，如果可以将这些数据，利用图表将其可视化，这样在分析处理起来，将更加直观、清晰，以下是 利用 PyEcharts 常用图表的可视化Demo, 开发环境 python3
柱状图
基本柱状图
from pyecharts import Bar
# 基本柱状图
bar = Bar("基本柱状图", "副标题")
bar.use_theme('dark') # 暗黑色主题
bar.add('真实成本', # label
["1月", "2月", "3月", "4月", "5月", "6月"], # 横坐标
[5, 20, 36, 10, 75, 90], # 纵坐标
is_more_utils=True) # 设置最右侧工具栏
# bar.show_config() # 调试输出pyecharts的js的配置信息
bar.render('bar_demo.html') # 生成html文件
堆叠柱状图
# 堆叠柱状图
x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"]
data1 = [5, 20, 36, 10, 75, 90]
data2 = [10, 25, 8, 60, 20, 80]
bar1 = Bar('柱状信息堆叠图')
bar1.add('商家1', x_attr, data1, is_stack=True) # is_stack=True 表示堆叠在一起
bar1.add('商家2', x_attr, data2, is_stack=True)
bar1.render('bar1_demo.html')
并列柱形图
# 并列柱形图
bar2 = Bar('并列柱形图', '标记线和标记示例')
bar2.add('商家1', x_attr, data1, mark_point=['average']) # 标记点：商家1的平均值
bar2.add('商家2', x_attr, data2, mark_line=['min', 'max']) # 标记线：商家2的最小/大值
bar2.render('bar2_demo.html')
横向并列柱形图
# 横向并列柱形图
# 横向并列柱形图
bar3 = Bar('横向并列柱形图', 'X轴与Y轴交换')
bar3.add('商家1', x_attr, data1)
bar3.add('商家2', x_attr, data2, is_convert=True) # is_convert=True :X轴与Y轴交换
bar3.render('bar3_demo.html')
以上相关柱状图完整代码bar_demo.py
from pyecharts import Bar
# 基本柱状图
bar = Bar("基本柱状图", "副标题")
bar.use_theme('dark') # 暗黑色主题
bar.add('真实成本', # label
["1月", "2月", "3月", "4月", "5月", "6月"], # 横坐标
[5, 20, 36, 10, 75, 90], # 纵坐标
is_more_utils=True) # 设置最右侧工具栏
# bar.show_config() # 调试输出pyecharts的js的配置信息
bar.render('bar_demo.html') # 生成html文件
# 堆叠柱状图
x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"]
data1 = [5, 20, 36, 10, 75, 90]
data2 = [10, 25, 8, 60, 20, 80]
bar1 = Bar('柱状信息堆叠图')
bar1.add('商家1', x_attr, data1, is_stack=True) # is_stack=True 表示堆叠在一起
bar1.add('商家2', x_attr, data2, is_stack=True)
bar1.render('bar1_demo.html')
# 并列柱形图
bar2 = Bar('并列柱形图', '标记线和标记示例')
bar2.add('商家1', x_attr, data1, mark_point=['average']) # 标记点：商家1的平均值
bar2.add('商家2', x_attr, data2, mark_line=['min', 'max']) # 标记线：商家2的最小/大值
bar2.render('bar2_demo.html')
# 横向并列柱形图
bar3 = Bar('横向并列柱形图', 'X轴与Y轴交换')
bar3.add('商家1', x_attr, data1)
bar3.add('商家2', x_attr, data2, is_convert=True) # is_convert=True :X轴与Y轴交换
bar3.render('bar3_demo.html')
折线图、饼图、词云图
导入模块 与 基础数据
from pyecharts import Line from pyecharts import Pie from pyecharts import WordCloud from pyecharts import EffectScatter, Overlap x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"] data1 = [5, 20, 36, 10, 75, 90] data2 = [10, 25, 8, 60, 20, 80]
基础折线示例图
# 折线示例图
line = Line("折线示例图")
line.add('商家1', x_attr, data1, mark_point=['average'])
line.add('商家2', x_attr, data2, is_smooth=True, mark_line=['max', 'average'])
line.render('line.demo.html')
折线面积图
# 折线面积图
line = Line('折线面积示例图')
line.add('商家1', x_attr, data1, is_fill=True,line_opacity=0.2, area_opacity=0.4, symbol=None)
line.add('商家2', x_attr, data2, line_color='#000', area_opacity=0.3, is_smooth=True)
line.render('line2_demo.html')
饼图
# 饼图
pie = Pie('饼图')
pie.add('', x_attr, data1, is_label_show=True)
pie.render('pie_demo.html')
词云图
# 词云图
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('词云', name, value, word_size_range=[20, 100])
worldcloud.render('worldcloud.html')
线性闪烁图 —组合图
# 线性闪烁图
line2 = Line('线性闪烁图')
line2.add('line', x_attr, data1, is_random=True)
es = EffectScatter()
es.add('es', x_attr, data1, effect_scale=8) # 闪烁
overlop = Overlap()
overlop.add(line2) # 必须先添加line 再添加 es
overlop.add(es)
overlop.render('line-es.html')
以上相关图完整代码line_pie_demo.py
from pyecharts import Line
from pyecharts import Pie
from pyecharts import WordCloud
from pyecharts import EffectScatter, Overlap
x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"]
data1 = [5, 20, 36, 10, 75, 90]
data2 = [10, 25, 8, 60, 20, 80]
# 折线示例图
line = Line("折线示例图")
line.add('商家1', x_attr, data1, mark_point=['average'])
line.add('商家2', x_attr, data2, is_smooth=True, mark_line=['max', 'average'])
line.render('line.demo.html')
# 折线面积图
line = Line('折线面积示例图')
line.add('商家1', x_attr, data1, is_fill=True,line_opacity=0.2, area_opacity=0.4, symbol=None)
line.add('商家2', x_attr, data2, line_color='#000', area_opacity=0.3, is_smooth=True)
line.render('line2_demo.html')
# 饼图
pie = Pie('饼图')
pie.add('', x_attr, data1, is_label_show=True)
pie.render('pie_demo.html')
# 词云图
name = [
'Python', '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('词云', name, value, word_size_range=[20, 100])
worldcloud.render('worldcloud.html')
# 线性闪烁图
line2 = Line('线性闪烁图')
line2.add('line', x_attr, data1, is_random=True)
es = EffectScatter()
es.add('es', x_attr, data1, effect_scale=8) # 闪烁
overlop = Overlap()
overlop.add(line2) # 必须先添加line 再添加 es
overlop.add(es)
overlop.render('line-es.html')
更多关于Python数据可视化处理库PyEcharts使用方法与实例请查看下面的相关链接
相关文章
本文给大家详细讲解了在django框架中如何集成celery进行开发，步骤非常详细，有需要的小伙伴可以参考下2017-05-05
这篇文章主要为大家详细介绍了一个Python OpenCV的实战小项目——手势识别控制电脑音量，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2023-05-05
Django中使用ModelForm生成HTML标签的方法步骤
在 Django 中,使用 ModelForm 来生成 HTML 表单标签是一种常见且高效的做法,本文主要介绍了Django中使用ModelForm生成HTML标签的方法步骤,感兴趣的可以了解一下2024-01-01
这篇文章主要介绍了Python中super函数用法,结合实例形式详细分析了Python中super函数的功能、调用父类相关原理、操作技巧与注意事项,需要的朋友可以参考下2019-03-03
这篇文章主要介绍了python中MySQLdb模块用法,以实例形式详细讲述了MySQLdb模块针对MySQL数据库的各种常见操作方法,非常具有实用价值,需要的朋友可以参考下2014-11-11
给网站增加pv、uv统计，可以是件很简单的事，也可以是件很复杂的事。下面这篇文章主要给大家介绍了利用Celery实现Django博客PV统计功能的相关资料，文中介绍的非常详细，需要的朋友可以参考借鉴，下面来一起看看吧。2017-05-05
今天小编就为大家分享一篇关于Python字典的核心底层原理讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-01-01
这篇文章主要介绍了Django接收照片储存文件的实例代码 ,代码简单易懂，非常不错，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-03-03
今天小编就为大家分享一篇基于Python fminunc 的替代方法，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2020-02-02
在本文中,我们将介绍Python中一些常用的数据清理方法,包括数据预览、缺失值处理、异常值处理、数据类型转换、重复值处理、数据标准化、特征选择以及处理类别数据,感兴趣的可以了解一下2023-11-11
最新评论