数据分析 — 动画图 pyecharts

目录

  • 一、概念
  • 二、安装和导入
  • 三、绘图逻辑
  • 四、绘图
    • 1、柱状图
    • 2、折线图
    • 3、散点图
    • 4、饼图
    • 5、南丁格尔图
    • 6、Geo() 地理坐标第
    • 7、Map() 绘制区域
    • 8、词云图
    • 9、层叠图
    • 10、3D 图
    • 11、仪表板

一、概念

Pyecharts 是一个基于 Echarts 的 Python 可视化库，它通过 Python 生成 Echarts 的图表，并支持多种常见的图表类型，如折线图、柱状图、散点图、饼图等。
官网地址：https://pyecharts.org/#/zh-cn/intro

二、安装和导入

pip install pyecharts

from pyecharts.charts import * # 从 pyecharts.charts 模块中导入所有类

三、绘图逻辑

1、选择图表类型

2、声明图形类

3、选择全局变量

4、显示及保存图表

四、绘图

1、柱状图

from pyecharts.charts import Bar  # 从 pyecharts.charts 模块中导入 Bar 类

# 定义月份和对应的消费金额数据
months = ['一月', '二月', '三月', '四月', '五月', '六月']
cost = [1200, 1500, 1800, 1400, 1600, 2000]

# 创建一个 Bar 对象
bar = (
    Bar()  # 调用 Bar 类的构造函数
    .add_xaxis(months)  # 添加 x 轴的数据，即月份
    .add_yaxis('消费金额', cost)  # 添加 y 轴的数据，即消费金额，'消费金额' 为系列的名称
)

# 将图表保存为 HTML 文件，路径为 './bar.html'
bar.render('./bar.html')

在这里插入图片描述

2、折线图

# 从 pyecharts.charts 模块中导入 Line 类
from pyecharts.charts import Line

# 定义一周的日期和对应的温度、湿度数据
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
temperatures = [28, 29, 30, 32, 31, 30, 29]
humidity = [40, 50, 70, 65, 45, 55]

# 创建一个 Line 对象
line = (
    Line()  # 调用 Line 类的构造函数
    .add_xaxis(days)  # 添加 x 轴的数据，即日期
    .add_yaxis('折线图1', temperatures)  # 添加第一条 y 轴的数据，即温度，'折线图1' 为系列的名称
    .add_yaxis('折线图2', humidity)  # 添加第二条 y 轴的数据，即湿度，'折线图2' 为系列的名称
)

# 将图表保存为 HTML 文件，路径为 './line.html'
line.render('./line.html')

在这里插入图片描述

3、散点图

from pyecharts.charts import Scatter  # 从 pyecharts.charts 模块中导入 Scatter 类

# 定义一周的日期和对应的温度、湿度数据
cities = ['北京', '上海', '广州', '深圳', '成都', '重庆']
days = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
temperatures = [32, 33, 30, 31, 28, 30]
humidity = [40, 50, 70, 65, 45, 55]

# 创建一个 Scatter 对象
scatter = (
    Scatter()  # 调用 Scatter 类的构造函数
    .add_xaxis(days)  # 添加 x 轴的数据，即日期
    .add_yaxis('温度', temperatures)  # 添加第一条 y 轴的数据，即温度，'温度' 为系列的名称
    .add_yaxis('湿度', humidity)  # 添加第二条 y 轴的数据，即湿度，'湿度' 为系列的名称
)

# 将图表保存为 HTML 文件，路径为 './scatter.html'
scatter.render('./scatter.html')

在这里插入图片描述

4、饼图

from pyecharts.charts import Pie  # 从 pyecharts.charts 模块中导入 Pie 类

# 定义水果和对应的销量数据
fruits = ['苹果', '香蕉', '橙子', '草莓', '葡萄']
sales = [45, 30, 25, 20, 15]
# 将水果和销量数据组合成一个列表
data = [list(z) for z in zip(fruits, sales)]

# 创建一个 Pie 对象
pie = (
    Pie()  # 调用 Pie 类的构造函数
    .add(  # 添加数据
        series_name='水果销量',  # 设置系列的名称
        data_pair=data,  # 设置数据对，包含水果和对应的销量
    )
)

# 将图表保存为 HTML 文件，路径为 './pie.html'
pie.render('./pie.html')

在这里插入图片描述

5、南丁格尔图

from pyecharts.charts import Pie  # 从 pyecharts.charts 模块中导入 Pie 类
from pyecharts import options as opts  # 从 pyecharts.options 模块中导入 opts 类

# 定义水果和对应的销量数据
fruits = ['苹果', '香蕉', '橙子', '草莓', '葡萄']
sales = [45, 30, 25, 20, 15]
# 将水果和销量数据组合成一个列表
data = [list(z) for z in zip(fruits, sales)]

# 创建一个 Pie 对象，并设置半径、标签格式和玫瑰图样式
pie2 = (
    Pie()  # 调用 Pie 类的构造函数
    .add(  # 添加数据
        series_name='水果销量',  # 设置系列的名称
        data_pair=data,  # 设置数据对，包含水果和对应的销量
        radius=['40%', '60%'],  # 设置饼图的半径范围
        label_opts=opts.LabelOpts(formatter="{b}:{d}%"),  # 设置标签的格式，显示水果名称和销量占比
        rosetype="radius"  # 设置玫瑰图样式，即设置为半径模式
    )
)

# 将图表保存为 HTML 文件，路径为 './pie_radius.html'
pie2.render('./pie2.html')

在这里插入图片描述

6、Geo() 地理坐标第

from pyecharts.charts import Geo  # 从 pyecharts.charts 模块中导入 Geo 类
from pyecharts import options as opts  # 从 pyecharts.options 模块中导入 opts 类
import random  # 导入 random 模块

# 定义省份数据，以及每个省份的随机数据（模拟数据）
province = [
    '广东', '湖北', '湖南', '四川', '重庆', '黑龙江',
    '浙江', '山西', '河北', '安徽', '河南', '山东', '西藏'
]
data = [(i, random.randint(50, 150)) for i in province]

# 创建一个 Geo 对象，并设置地图类型为 "china"
geo = (
    Geo()  # 调用 Geo 类的构造函数
    .add_schema(maptype="china")  # 设置地图类型为中国地图
    .add("", data)  # 添加数据，data 中包含省份和对应的随机数据
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))  # 设置系列的标签选项，显示省份名称
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(  # 设置全局的视觉映射选项
            is_piecewise=True,  # 设置为分段型视觉映射
            pieces=[
                {'min': 50, 'max': 100, 'label': '50-100'},  # 视觉映射的分段设置
                {'min': 100, 'max': 150, 'label': '100-150'}
            ]
        )
    )
)

# 将图表保存为 HTML 文件，路径为 './geo.html'
geo.render('./geo.html')

在这里插入图片描述

7、Map() 绘制区域

from pyecharts.charts import Map  # 从 pyecharts.charts 模块中导入 Map 类
from pyecharts import options as opts  # 从 pyecharts.options 模块中导入 opts 类
import random  # 导入 random 模块

# 定义省份数据，以及每个省份的随机数据（模拟数据）
province = [
    '广东省', '湖北省', '湖南省', '四川省', '重庆市', '黑龙江省',
    '浙江省', '山西省', '河北省', '安徽省', '河南省', '山东省', '西藏自治区'
]
data = [(i, random.randint(50, 250)) for i in province]
# 创建一个 Map 对象，并添加数据
map = Map()
map.add('确诊人数', data)

# 设置全局选项，包括标题和视觉映射的设置
map.set_global_opts(
    title_opts=opts.TitleOpts(title='全国疫情地图'),  # 设置地图的标题
    visualmap_opts=opts.VisualMapOpts(  # 设置视觉映射的选项
        is_piecewise=True,  # 设置为分段型视觉映射
        pieces=[
            {'min': 50, 'max': 99, 'label': '50-99人', 'color': 'yellow'},  # 视觉映射的分段设置
            {'min': 100, 'max': 149, 'label': '100-149人', 'color': 'pink'},
            {'min': 150, 'max': 199, 'label': '150-199人', 'color': 'green'},
            {'min': 200, 'max': 250, 'label': '200-250人', 'color': 'red'}
        ]
    )
)

# 将图表保存为 HTML 文件，路径为 './map.html'
map.render('./map.html')

在这里插入图片描述

8、词云图

from pyecharts.charts import WordCloud  # 从 pyecharts.charts 模块中导入 WordCloud 类

# 定义词云数据，每个元组包含单词和对应的频率
words = [
    ("economy", 1230),
    ("jude", 124),
    ("dont", 436),
    ("make", 255),
    ("it", 247),
    ("bad", 244),
    ("Take", 138),
    ("a sad song", 184),
    ("and", 12),
    ("make", 165),
    ("it", 247),
    ("better", 182),
    ("remember", 255),
    ("to", 150),
    ("let", 162),
    ("her", 266),
    ("into", 60),
    ("your", 82),
    ("heart", 173),
    ("then", 365),
    ("you", 360),
    ("can", 282),
    ("start", 273),
    ("make", 265),
]

# 创建一个 WordCloud 对象，并添加词云数据
wc = (
    WordCloud()  # 调用 WordCloud 类的构造函数
    .add("", words)  # 添加词云数据，空字符串表示没有系列名称
)

# 将词云图保存为 HTML 文件，路径为 './wc.html'
wc.render('./wc.html')

在这里插入图片描述

9、层叠图

from pyecharts.charts import Bar, Line  # 从 pyecharts.charts 模块中导入 Bar 和 Line 类

# 定义横轴数据（x 轴）
x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
# 定义柱状图的纵轴数据
y_data_bar = [123, 153, 89, 107, 98, 23]
# 定义折线图的纵轴数据
y_data_line = [153, 107, 23, 89, 123, 107]

# 创建柱状图对象，添加横轴和纵轴数据
bar = (
    Bar()  # 调用 Bar 类的构造函数
    .add_xaxis(x_data)  # 添加横轴数据
    .add_yaxis('', y_data_bar)  # 添加柱状图的纵轴数据，空字符串表示没有系列名称
)
# 创建折线图对象，添加横轴和纵轴数据
line = (
    Line()  # 调用 Line 类的构造函数
    .add_xaxis(x_data)  # 添加横轴数据
    .add_yaxis('', y_data_line)  # 添加折线图的纵轴数据，空字符串表示没有系列名称
)

# 将折线图和柱状图进行重叠
overlap = line.overlap(bar)
# 将重叠图保存为 HTML 文件，路径为 './overlap.html'
overlap.render('./overlap.html')

在这里插入图片描述

10、3D 图

from pyecharts.charts import Bar3D  # 从 pyecharts.charts 模块中导入 Bar3D 类

# 定义三维柱状图的数据，数据为一个二维列表
data = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]
# 创建一个三维柱状图对象，添加数据
bar3d = Bar3D()  # 调用 Bar3D 类的构造函数
bar3d.add("", data)  # 添加三维柱状图的数据，空字符串表示没有系列名称

# 将三维柱状图保存为 HTML 文件，路径为 './bar3d.html'
bar3d.render('./bar3d.html')

在这里插入图片描述

11、仪表板

import numpy as np  # 导入 NumPy 库并使用别名 np
from pyecharts.charts import *  # 从 pyecharts.charts 模块中导入所有类
from pyecharts.charts import Page  # 从 pyecharts.charts 模块中导入 Page 类

# 定义柱状图函数
def bar():
    # 定义横轴和纵轴数据
    x_data = ["水笔", "铅笔", "钢笔", "圆珠笔"]
    y_data = [40, 30, 98, 42]

    # 创建柱状图对象，添加横轴和纵轴数据
    bar = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis("", y_data)
    )
    return bar

# 定义折线图函数
def line():
    # 定义横轴和纵轴数据
    x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
    y_data = [123, 153, 89, 107, 98, 23]

    # 创建折线图对象，添加横轴和纵轴数据
    line = (
        Line()
        .add_xaxis(x_data)
        .add_yaxis('呵呵', y_data)
    )
    return line

# 定义散点图函数
def scatter():
    # 生成正弦函数数据
    x = np.linspace(0, 2 * np.pi, 100)
    y = np.sin(x)

    # 创建散点图对象，添加横轴和纵轴数据
    scatter = (
        Scatter()
        .add_xaxis(x)
        .add_yaxis("正弦", y)
    )
    return scatter

# 定义饼图函数
def pie():
    # 定义饼图数据
    num = [110, 136, 108, 48, 111, 112, 103]
    lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']
    data_pair_ = list(zip(lab, num))

    # 创建饼图对象，添加数据
    pie = (
        Pie()
        .add('饼图',
             data_pair=data_pair_,
             rosetype='radius',
             radius=["20%", "45%"])
    )
    return pie

# 创建一个可拖动页面，设置页面标题
page = Page(layout=Page.DraggablePageLayout, page_title='haha')

# 添加各种图表到页面
page.add(
    bar(),
    line(),
    scatter(),
    pie()
)

# 将页面保存为 HTML 文件，路径为 './大屏.html'
page.render('./大屏.html')

在这里插入图片描述

拖动图表排列顺序后，点击 Save Config 按钮，将下载的 chart_config.json 保存至 大屏.html 同目录下

from pyecharts.charts import Page  # 从 pyecharts.charts 模块中导入 Page 类
# 创建一个可拖动页面，设置页面标题
page = Page(layout=Page.DraggablePageLayout, page_title='haha')
# 保存配置后的文件
# page.save_resize_html(原html文件,拖拽保存的配置文件,成品的保存路径)
page.save_resize_html(r'./大屏.html',cfg_file='chart_config.json',dest="./大屏显示.html")

在这里插入图片描述

记录学习过程，欢迎讨论交流，尊重原创，转载请注明出处~

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/393391.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

【动态规划】【C++算法】2742. 给墙壁刷油漆

【动态规划】【C++算法】2742. 给墙壁刷油漆

作者推荐 【数位dp】【动态规划】【状态压缩】【推荐】1012. 至少有 1 位重复的数字 本文涉及知识点 动态规划汇总 LeetCode2742. 给墙壁刷油漆 给你两个长度为 n 下标从 0 开始的整数数组 cost 和 time ，分别表示给 n 堵不同的墙刷油漆需要的开销和时间。你有…
阅读更多...
差异表达分析和PPI网络图构建

差异表达分析和PPI网络图构建

原文链接：差异分析和PPI网路图绘制教程 写在前面 在原文中，作者获得285个DEG，在此推文中共获得601个DEG。小杜的猜想是标准化的水段不同的原因吧，或是其他的原因。此外，惊奇的发现发表医学类的文章在附件中都不提供相…
阅读更多...
【MySQL】学习多表查询和笛卡尔积

【MySQL】学习多表查询和笛卡尔积

🌈个人主页: Aileen_0v0 🔥热门专栏: 华为鸿蒙系统学习|计算机网络|数据结构与算法 ​💫个人格言:“没有罗马,那就自己创造罗马~” #mermaid-svg-N8PeTKG6uLu4bJuM {font-family:"trebuchet ms",verdana,arial,sans-serif;font-siz…
阅读更多...
vue自定义指令（图文示例）

vue自定义指令（图文示例）

第085个 查看专栏目录: VUE 本文章目录 示例效果图示例源代码API 参考网址 Vue 自定义指令是一种用于扩展 Vue 模板功能的强大工具。通过自定义指令，你可以在 Vue 模板中添加自定义的行为和逻辑，使模板更加灵活和可定制。 以下是对 Vue 自定义指令的详细…
阅读更多...
基于springboot车辆充电桩管理系统源码和论文

基于springboot车辆充电桩管理系统源码和论文

随着信息化时代的到来，管理系统都趋向于智能化、系统化，车辆充电桩管理系统也不例外，但目前国内仍都使用人工管理，市场规模越来越大，同时信息量也越来越庞大，人工管理显然已无法应对时代的变化，…
阅读更多...
线程池如何知道一个线程的任务已经执行完成

线程池如何知道一个线程的任务已经执行完成

一个小伙伴私信了一个小米的面试题，问题是： “线程池如何知道一个线程的任务已经执行完成”？ 说实话，这个问题确实很刁钻，毕竟像很多工作 5 年多的小伙伴，连线程池都没用过，怎么可能回答出来这个…
阅读更多...
2024.02.18作业

2024.02.18作业

1. 使用fgets统计给定文件的行数 #include <stdio.h> #include <stdlib.h> #include <string.h>int main(int argc, char const *argv[]) {if (argc ! 2){puts("input file error");puts("usage:./a.out filename");return -1;}FILE* f…
阅读更多...
【论文阅读笔记】Contrastive Learning with Stronger Augmentations

【论文阅读笔记】Contrastive Learning with Stronger Augmentations

Contrastive Learning with Stronger Augmentations 摘要 基于提供的摘要&#xff0c;该论文的核心焦点是在对比学习领域提出的一个新框架——利用强数据增强的对比学习&#xff08;Contrastive Learning with Stronger Augmentations&#xff0c;简称CLSA&#xff09;。以下…
阅读更多...
黑猫带你学NandFlash第5篇：NAND的封装与引脚定义

黑猫带你学NandFlash第5篇：NAND的封装与引脚定义

本文依据ONFI5.1及个人工作经验整理而成&#xff0c;如有错误请留言。 文章为付费内容&#xff0c;已加入原创侵权保护&#xff0c;禁止私自转载及抄袭。 文章所在专栏&#xff1a;《黑猫带你学&#xff1a;NandFlash详解》 1 封装类型 spec中规定nand封装尺寸有以下几种&…
阅读更多...
.螺旋矩阵

.螺旋矩阵

54. 螺旋矩阵 给你一个 m 行 n 列的矩阵 matrix &#xff0c;请按照 顺时针螺旋顺序 &#xff0c;返回矩阵中的所有元素。 示例 1&#xff1a; 输入&#xff1a;matrix [[1,2,3],[4,5,6],[7,8,9]] 输出&#xff1a;[1,2,3,6,9,8,7,4,5]示例 2&#xff1a; 输入&#xff1a;ma…
阅读更多...
【FastAPI】P1 安装与第一个 FastAPI 应用

【FastAPI】P1 安装与第一个 FastAPI 应用

目录 FastAPI 安装第一个 FastAPI 应用代码拆解分析 FastAPI 安装 FastAPI 是用于快速构建 API 的 web 框架&#xff0c;依赖 Python 3.8 及更高版本。使用 pip 命令安装 fastapi&#xff1a; pip install fastapi安装异步处理 ASGI 的服务器 Uvicorn&#xff1a; pip insta…
阅读更多...
HAL STM32通过multi_button库处理按键事件

HAL STM32通过multi_button库处理按键事件

HAL STM32通过multi_button库处理按键事件 &#x1f4cd;作者&#xff1a;0x1abin的multi_button库:https://github.com/0x1abin/MultiButton &#x1f4d8;MultiButton简介 MultiButton 是一个小巧简单易用的事件驱动型按键驱动模块&#xff0c;可无限量扩展按键&#xff0c;…
阅读更多...
分享一个学英语的网站

分享一个学英语的网站

名字叫&#xff1a;公益大米网​​​​​​​ Freerice 这个网站是以做题的形式来记忆单词&#xff0c;题干是一个单词&#xff0c;给出4个选项&#xff0c;需要选出其中最接近题干单词的选项。 答对可以获得10粒大米&#xff0c;网站的创办者负责捐赠。如图 触发某些条件&a…
阅读更多...
解锁Spring Boot中的设计模式—05.策略模式：探索【策略模式】的奥秘与应用实践！

解锁Spring Boot中的设计模式—05.策略模式：探索【策略模式】的奥秘与应用实践！

1.策略者工厂模式&#xff08;Map版本&#xff09; 1.需求背景 假设有一个销售系统&#xff0c;需要根据不同的促销活动对商品进行打折或者其他形式的优惠。这些促销活动可以是针对不同商品类别的&#xff0c;比如男装、女装等。 2.需求实现 活动策略接口&#xff1a;定义了…
阅读更多...
Docker数据卷容器（容器继承）

Docker数据卷容器（容器继承）

Docker数据卷容器&#xff08;容器继承&#xff09; 创建DockerFile构建镜像启动容器修改数据卷创建子容器验证 命名的容器挂载数据卷。其他容器通过挂载这个容器实现数据共享&#xff0c;挂载数据的容器 -> 称之为数据卷容器 创建DockerFile FROM centosVOLUME ["dat…
阅读更多...
哪个牌子的洗地机好用？性能超好的洗地机推荐

哪个牌子的洗地机好用？性能超好的洗地机推荐

洗地机已经是家庭中不可或缺的清洁家电之一了&#xff0c;它的出现极大地方便了我们的生活&#xff0c;并为我们解决了一大难题&#xff1a;洗地板的繁琐。无论是家庭主妇还是上班族&#xff0c;对于洗地机的需求都是无可替代的。随着科技的不断进步&#xff0c;洗地机的功能也…
阅读更多...
上门回收小程序开发，互联网下发展机遇

上门回收小程序开发，互联网下发展机遇

在当下生活水平大幅度上升发展下&#xff0c;回收成为了人们日常生活中的一部分。 如今&#xff0c;随着互联网的快速发展&#xff0c;回收行业也进行了升级换代&#xff0c;由传统的线下回收门店到回收箱在到当下的线上互联网回收模式&#xff0c;迈向了“互联网废品回收”的…
阅读更多...
安装ts-node有感

安装ts-node有感

起因&#xff1a;想要在vsCode上运行ts脚本 解决方案&#xff1a; 1.安装vsCode插件 code runner 2.全局安装ts-node 这一步遇到三个问题&#xff1a; ①.node版本问题&#xff1a;需安装版本18以上node&#xff0c;可使用nvm去控制不同的node版本 ②.certificate has exp…
阅读更多...
【以解决】Pyinstaller打包报错IndexError: tuple index out of range

【以解决】Pyinstaller打包报错IndexError: tuple index out of range

问题 这个问题主要是在Python3.7以上的版本中遇到&#xff0c;用pyinstaller打包的时候发现报错 (pyinstallerEnv) D:\virtualEnv\pyinstallerEnv\Scripts>auto-py-to-exe pygame 2.5.2 (SDL 2.28.3, Python 3.10.0) Hello from the pygame community. https://www.pygame…
阅读更多...
PCIe TX端电容

PCIe TX端电容

一、问题&#xff1a;PCIe为什么要加电容 PCIe为什么要加电容&#xff1f;具体的作用是什么&#xff1f; 答&#xff1a;因为PCIe Host和Receiver两端的直流偏置会不一样&#xff0c;所以需要在PCIe的传输路径上加电容&#xff0c;这样传输路径上只有AC信号&#xff0c;不存在…
阅读更多...
最新文章

Copyright @ 2022~2023