精华内容
参与话题
问答
  • Python可视化神器——pyecharts的超详细使用指南!

    万次阅读 多人点赞 2018-09-28 22:00:00
    源 | 机器之心 文 | wengJJpyecharts是一款将python与echarts结合的强大的数据可视化工具,本文将为你阐述pyecharts的使用细则前言...
        

     源 | 机器之心  文 | wengJJ

    pyecharts是一款将python与echarts结合的强大的数据可视化工具,本文将为你阐述pyecharts的使用细则

    前言

    我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts,可视化类型非常多,但是得通过导入js库在Java Web项目上运行,平时用Python比较多,于是就在想有没有Python与Echarts结合的轮子。Google后,找到一个国人开发的一个Echarts与Python结合的轮子:pyecharts,下面就来简述下pyecharts一些使用细则:

    安装

    写这篇文章用的是Win环境,首先打开命令行(win+R),输入:

    pip install pyecharts

    但笔者实测时发现,由于墙的原因,下载时会出现断线和速度过慢的问题导致下载失败,所以建议通过清华镜像来进行下载:

    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

    640?wx_fmt=png

    出现上方的信息,即代表下载成功,我们可以来进行下一步的实验了!

    使用实例

    使用之前我们要强调一点:就是python2.x和python3.x的编码问题,在python3.x中你可以把它看做默认是unicode编码,但在python2.x中并不是默认的,原因就在它的bytes对象定义的混乱,而pycharts是使用unicode编码来处理字符串和文件的,所以当你使用的是python2.x时,请务必在上方插入此代码:

    from __future__ import unicode_literals

    现在我们来开始正式使用pycharts,这里我们直接使用官方的数据:

    柱状图-Bar

    //导入柱状图-Bar from pyecharts import Bar //设置行名 columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"] //设置数据 data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3] data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3] //设置柱状图的主标题与副标题 bar = Bar("柱状图", "一年的降水量与蒸发量") //添加柱状图的数据及配置项 bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"]) //生成本地文件(默认为.html文件) bar.render()

    运行结果如下:

    640?wx_fmt=png

    简单的几行代码就可以将数据进行非常好看的可视化,而且还是动态的,在这里还是要安利一下jupyter,pyecharts在v0.1.9.2版本开始,在jupyter上直接调用实例(例如上方直接调用bar)就可以将图表直接表示出来,非常方便。

    笔者数了数,目前pyecharts上的图表大概支持到二十多种,接下来,我们再用上方的数据来生成几个数据挖掘常用的图表示例:

    饼图-Pie

    //导入饼图Pie from pyecharts import Pie //设置主标题与副标题,标题设置居中,设置宽度为900 pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900) //加入数据,设置坐标位置为【25,50】,上方的colums选项取消显示 pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False) //加入数据,设置坐标位置为【75,50】,上方的colums选项取消显示,显示label标签 pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True) //保存图表 pie.render()

    640?wx_fmt=png

    箱体图-Boxplot

    //导入箱型图Boxplot from pyecharts import Boxplot  boxplot = Boxplot("箱形图", "一年的降水量与蒸发量") x_axis = ['降水量','蒸发量'] y_axis = [data1,data2] //prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max] yaxis = boxplot.prepare_data(y_axis)        boxplot.add("天气统计", x_axis, _yaxis) boxplot.render()

    640?wx_fmt=png

    折线图-Line

    from pyecharts import Line line = Line("折线图","一年的降水量与蒸发量") //is_label_show是设置上方数据是否显示 line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) line.render()

    640?wx_fmt=png

    雷达图-Rader

    from pyecharts import Radar radar = Radar("雷达图", "一年的降水量与蒸发量") //由于雷达图传入的数据得为多维数据,所以这里需要做一下处理 radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]] radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]] //设置column的最大值,为了雷达图更为直观,这里的月份最大值设置有所不同 schema = [      ("Jan", 5), ("Feb",10), ("Mar", 10),     ("Apr", 50), ("May", 50), ("Jun", 200),     ("Jul", 200), ("Aug", 200), ("Sep", 50),     ("Oct", 50), ("Nov", 10), ("Dec", 5) ] //传入坐标 radar.config(schema) radar.add("降水量",radar_data1) //一般默认为同一种颜色,这里为了便于区分,需要设置item的颜色 radar.add("蒸发量",radar_data2,item_color="#1C86EE") radar.render()

    640?wx_fmt=png

    散点图-scatter

    from pyecharts import Scatter scatter = Scatter("散点图", "一年的降水量与蒸发量") //xais_name是设置横坐标名称,这里由于显示问题,还需要将y轴名称与y轴的距离进行设置 scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",             yaxis_name_gap=40) scatter.render()

    640?wx_fmt=png


    图表布局 Grid

    由于标题与图表是属于两个不同的控件,所以这里必须对下方的图表Line进行标题位置设置,否则会出现标题重叠的bug。

    from pyecharts import Grid //设置折线图标题位置 line = Line("折线图","一年的降水量与蒸发量",title_top="45%") line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) grid = Grid() //设置两个图表的相对位置 grid.add(bar, grid_bottom="60%") grid.add(line, grid_top="60%") grid.render()

    640?wx_fmt=png

    from pyecharts import Overlap overlap = Overlap() bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量") bar.add("降水量", columns, data1, mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_point=["max", "min"]) overlap.add(bar) overlap.add(line) overlap.render()

    640?wx_fmt=png


    总结

    1. 导入相关图表包

    2. 进行图表的基础设置,创建图表对象

    3. 利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)

    4. 利用render()方法来进行图表保存

    pyecharts还有许多好玩的3D图表和地图图表,个人觉得地图图表是最好玩的,各位有兴趣可以去pyecharts的使用手册查看,有中文版的非常方便:pyecharts

    -END-

    本文选自「机器之心」

    公众号内回复“1”带你进粉丝群640?wx_fmt=gif

    展开全文
  • python的pyecharts绘制各种图表详细(代码)

    万次阅读 多人点赞 2018-04-17 17:52:21
    环境:pyecharts库,echarts-countries-pypkg,echarts-china-provinces-pypkg,echarts-china-cities-pypkg 数据:2018年4月16号的全国各地最高最低和天气类型的数据——2018-4-16.json(爬虫爬的)代码:天气数据...

    环境:pyecharts库,echarts-countries-pypkg,echarts-china-provinces-pypkg,echarts-china-cities-pypkg 

    数据:2018年4月16号的全国各地最高最低和天气类型的数据——2018-4-16.json(爬虫爬的)

    代码:天气数据爬虫代码,图表绘制代码 代码地址:https://github.com/goodloving/pyecharts.git(py文件)

    一、公共属性

    1、标题栏的属性:一般在实例化(初始化)类型时给与,如bar = Bar(“大标题”,“副标题”,···各种属性···)

            title_color = “颜色”:标题颜色,可以是‘red’或者‘#0000’

            title_pos = ‘位置’:标题位置,如‘center’,‘left’···

            width = 1200:图表的宽

            height = 800:图表的高

            background_color = "颜色":图表的背景色

            ·····

    2、标签栏的属性:如bar.add(“标签”,x,values,···属性···)

            'mark_'类,通个'mark_'显示,如 mark_point['max', 'min', 'average']:标出最大最小和平均值的点,

                    mark_point_textcolor,mark_line_symbolsize·····

            'legend_'类,如legend_pos=‘left’:标签的位置

             'is_'类,如is_label_show=True:显示每个点的值,is_datazoom_show=True:实现移动控制x轴的数量

                    is_convert = True:x,y轴是否调换

    eg:

    bar = pyecharts.Bar("全国各地最高气温", "2018-4-18", title_color='red', title_pos='right', width=1400, height=700,                         background_color='#404a59')
    bar.add("最高气温", cities, highs, mark_point=['max', 'min', 'average'], is_label_show=True, is_datazoom_show=True,                         legend_pos='left')
    bar.render('Bar-High.html')

    3、Geo,Map无法显示底图

    pyecharts v0.3.2以后,pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表,可自行安装对应的地图文件包。

    地图文件被分成了三个 Python 包,分别为:
    全球国家地图: echarts-countries-pypkg (1.9MB)
    中国省级地图: echarts-china-provinces-pypkg (730KB)

    中国市级地图: echarts-china-cities-pypkg (3.8MB)

    (1)pycharm直接在设置里面搜索安装这三个库

    (2)pip安装

            pip install echarts-countries-pypkg 

          pip install echarts-china-provinces-pypkg  

          pip install echarts-china-cities-pypkg  

    二、各种图表

    1.柱状图/条形图——Bar

       bar = pyecharts.Bar("全国各地最高最低气温", "2018-4-18", title_pos='right', title_color='blue', width=1400,                     height=700,background_color='white')
        bar.add("最高气温", cities, highs, mark_point=['max'], legend_text_color='red', is_datazoom_show=True)
        bar.add("最低气温", cities, lows, mark_line=['min'], legend_text_color='blue' )

        bar.render('Bar-High-Low.html')


    2、散点图——EffectScatter

    es = pyecharts.EffectScatter("最低气温动态散点图", "2018-4-16", title_pos='right', title_color='blue', width=1400,                 height=700, background_color='white')
    es.add("最低温度", range(0, len(cities)), lows, legend_pos='center', legend_text_color='blue',symbol_size=10,                 effect_period=3, effect_scale=3.5, symbol='pin',is_datazoom_show=True,is_label_show=True)

    es.render("EffectScatter-low.html")


    3、漏斗与——Funnel

    fl = pyecharts.Funnel("最高气温漏斗图", "2018-40-16", title_pos='left', width=1400, height=700)
    fl.add("最低气温", cities[:15], lows[:15], is_label_show=True, label_pos='inside', label_text_color='white')

    fl.render("Funnel-low.html")


    4、仪表盘——Guage

        gu = pyecharts.Gauge("仪表盘图")
        gu.add("指标", "达标", 80)

        gu.render("Guage-eg.html")


    5、地理坐标图——Geo

        geo = pyecharts.Geo("最高气温地理坐标系图", '2018-4-16', title_color='#fff', title_pos='center', width=1200,                 height=600, background_color='#404a95')
         geo.add("最高气温", cities, highs, is_visualmap=True, visual_range=[0, 40], visual_text_color='#fff', symbol_size=5,                 legend_pos='right',is_geo_effect_show=True)

         geo.render("Geo-Low.html")


    6、关系图——Graph(略)

    7、折线/面积图——Line

        line = pyecharts.Line("气温变化折线图", '2018-4-16', width=1200, height=600)
        line.add("最高气温", cities, highs, mark_point=['average'], is_datazoom_show=True)
        line.add("最低气温", cities, lows, mark_line=['average'], is_smooth=True)

        line.render('Line-High-Low.html')


        line = pyecharts.Line("气温变化折线图", '2018-4-16', width=1200, height=600)
       line.add("最高气温", cities, highs, mark_point=['average'], is_datazoom_show=True, is_fill=True, line_opacity=0.2,             area_opacity=0.4)
     line.add("最低气温", cities, lows, mark_line=['average'], is_smooth=True, is_fill=True, area_color="#000",             area_opacity=0.5)

        line.render('Area-High-Low.html')


    8、水滴球——Liquid

        lq = pyecharts.Liquid("水滴球")
        lq.add("Liquid", [0.8, 0.5, 0.2], is_liquid_outline_show=False, is_liquid_animation=True)

        lq.render("LiQuid.html")


    9、地图——Map

        a_city = []
        for i in cities:
            a_city.append(i + '市')
        map = pyecharts.Map("湖北最低气温", width=1200, height=600)
     map.add("最低气温", a_city, lows, maptype='湖北', is_visualmap=True, visual_text_color='#000',             visual_range=  [-15, 20])

        map.render("Map-low.html")


    value = [95.1, 23.2, 43.3, 66.4, 88.5]

    attr= ["China", "Canada", "Brazil", "Russia", "United States"]

    map = Map("世界地图示例", width=1200, height=600)

    map.add("", attr, value, maptype="world", is_visualmap=True, visual_text_color='#000')

    map.render('Map-World.html')


    10、平行坐标图——Parallel

        parallel = pyecharts.Parallel("高低温度的平行坐标系图", '2018-4-16', width=1200, height=600)
        parallel.config(cities[:20])
        parallel.add("高低温", [highs[:20], lows[:20]], is_random=True)

        parallel.render('Parallel-High-Low.html')


    11、饼图——Pie

        sun = 0
        cloud = 0
        lit_rain = 0
        mit_rain = 0
        sail = 0
        shadom = 0
        z_rain = 0
        th_rain = 0
        for i in types:
            if i == '晴':
                sun += 1
            elif i == '多云':
                cloud += 1
            elif i == '小雨':
                lit_rain += 1
            elif i == '中雨':
                mit_rain += 1
            elif i == '阴':
                shadom += 1
            elif i == '阵雨':
                z_rain += 1
            elif i == '雷阵雨':
                th_rain += 1
            elif i == '扬沙':
                sail += 1
        pie = pyecharts.Pie("全国天气类型比例", '2018-4-16')
        pie.add('天气类型', weather, [mit_rain, lit_rain, sail, sun, th_rain, cloud, shadom, z_rain], is_label_show=True)

        pie.render('Pie-weather.html')


    修改:pie = pyecharts.Pie("全国天气类型比例", '2018-4-16', title_pos='center')
            pie.add('天气类型', weather, [mit_rain, lit_rain, sail, sun, th_rain, cloud, shadom, z_rain], is_label_show=True,                 legend_pos='left', label_text_color=None, legend_orient='vertical', radius=[30, 75])

               pie.render('Pie-weather.html')

    pie镶嵌:

    center -> list

    饼图的中心(圆心)坐标,数组的第一项是横坐标,第二项是纵坐标,默认为 [50, 50]默认设置成百分比,设置成百分比时第一项是相对于容器宽度,第二项是相对于容器高度

    rosetype -> str

    是否展示成南丁格尔图,通过半径区分数据大小,有'radius'和'area'两种模式。默认为'radius'radius:扇区圆心角展现数据的百分比,半径展现数据的大小area:所有扇区圆心角相同,仅通过半径展现数据大小

        pie = pyecharts.Pie("全国天气类型比例", '2018-4-16')
      pie.add('', weather, [mit_rain, lit_rain, sail, sun, th_rain, cloud, shadom, z_rain], is_label_show=True, label_text_color=None,         legend_orient='vertical', radius=[40, 50], center=[50, 50])
        pie.add('', ['中雨', '小雨', '扬沙', '晴'], [lit_rain, mit_rain, sun, sail], radius=[10, 35], center=[50, 50], rosetype='area')

        pie.render('Pie-weather.html')



    至此,pyecharts的大多数图标的绘制我们都可以实现了,更多知识可以查看下面链接


    链接:pyecharts


    展开全文
  • Python数据分析案例实战 视频课程

    千人学习 2019-08-24 09:58:24
    Python 数据分析+pyecharts 可视化 + Flask Web端服务 + 2大真实项目 手把手实战教程. Python数据分析课程以Python为核心工具,结合其工具包pyecharts+开发IDEA pycharm + web 框架Flask。课程以案例为中心,...
  • Python数据可视化 pyecharts实战

    千人学习 2019-06-03 11:53:37
         本课程是pyecharts的入门课程。主要介绍了pyecharts函数库的...主要内容包括pyecharts简介,用pyecharts绘制离散点、折线、柱状图、柱状图和折线图组合、饼图、地理图等,而且这些图表是可交互的。
  • 本系列(pyecharts进阶用法)将给大家介绍和讲解一些pyecharts里的细节问题,让大家能将数据分析和可视化更好的结合,同时也给用户更 好的视觉体验。 ​欢迎关注微信公众号:简说Python 账号:xksnh888 关注回复...
    本系列(pyecharts进阶用法)将给大家介绍和讲解一些pyecharts里的细节问题,让大家能将数据分析和可视化更好的结合,同时也给用户更
    好的视觉体验。
    

    ​欢迎关注微信公众号:简说Python
    账号:xksnh888
    关注回复:1024,可以领取精选编程学习电子书籍。

    一、改变主题

    1.基本介绍

    • 简介:echarts 自带 dark 主题, pyecharts 也就自带了 dark。 echarts-themes-pypkg 提供了 vintage, macarons, infographic, shine 和 roma 主题。

    • 安装:

    $ pip install echarts-themes-pypkg
    

    2.test_Theme

    (1)源代码

    from pyecharts import Bar
    v1 = [20,25,35,24]
    str1 = ['回忆','生活','现实','失败']
    bar1 = Bar('testBar_theme','Theme')
    bar1.add('test01',str1,v1,is_more_utils = True)
    bar1.render()
    

    显示效果:

    (2)更改主题

    • 单个图换主题:
    from pyecharts import Bar
    v1 = [20,25,35,24]
    str1 = ['回忆','生活','现实','失败']
    bar = Bar('testBar_theme','Theme')
    bar.add('test01',str1,v1,is_more_utils = True)
    # 更换单个图表主题
    # 其他主题:vintage,macarons,infographic,shine,roma 
    bar.use_theme("vintage")
    bar.render()
    

    显示效果:

    • 整个页面使用同一个主题:
    from pyecharts import configure
    configure(global_theme='vintage')
    

    显示效果:

    二、基本配置

    1.在Bar()函数里添加的参数

    • title -> str
      主标题文本,支持 \n 换行,默认为 “”

    • subtitle -> str
      副标题文本,支持 \n 换行,默认为 “”

    • width -> int
      画布宽度,默认为 800(px)

    • height -> int
      画布高度,默认为 400(px)

    • title_color -> str
      主标题文本颜色,默认为 ‘#000’

    • subtitle_color -> str

      副标题文本颜色,默认为 ‘#aaa’

    • background_color -> str

      画布背景颜色,默认为 ‘#fff’

    • page_title -> str
      指定生成的 html 文件中 <title> 标签的值。默认为’Echarts’

    • renderer -> str
      指定使用渲染方式,有 ‘svg’ 和 ‘canvas’ 可选,默认为 ‘canvas’。3D 图仅能使用 ‘canvas’(canvas和svg区别请参考:https://blog.csdn.net/helloword_chen/article/details/49788309

    具体使用

    • 代码

      from pyecharts import Bar
      v1 = [20,25,35,24]
      str1 = ['回忆','生活','现实','失败']
      # 默认Bar()第一个参数为 主标题,第二个参数为副标题
      bar1 = Bar('testBar_theme','Theme',page_title  = '我的柱状图',title_color  ='#3367FF',subtitle_color= '#3367FF',background_color = '#5AB5FF')
      bar1.add('vintage',str1,v1,is_more_utils = True)
      bar1.render(r"H:\PyCoding\FlaskCoding\Test_all\test0608\test01.html")
      
    • 显示效果

    2.在add()函数里添加的参数

    • is_random -> bool
      是否随机排列颜色列表,默认为 False

    • label_color -> list
      自定义标签颜色。全局颜色列表,所有图表的图例颜色均在这里修改。如 Bar 的柱状颜色,Line 的线条颜色等等。

    • is_label_show -> bool
      是否正常显示标签,默认不显示。标签即各点的数据项信息

    • label_pos -> str
      标签的位置,Bar 图默认为’top’。有’top’, ‘left’, ‘right’, ‘bottom’, ‘inside’,’outside’可选

    • label_text_color -> str
      标签字体颜色,默认为 “#000”

    • label_text_size -> int
      标签字体大小,默认为 12

    • is_random -> bool
      是否随机排列颜色列表,默认为 False

    • label_formatter -> function

      回调函数使用

      def label_formatter(params):
            return params.value + ' [Good!]'
      
    •  (params: Object|Array) => string
        参数 params 是 formatter 需要的单个数据集。格式如下:
        {
            componentType: 'series',
            // 系列类型
            seriesType: string,
            // 系列在传入的 option.series 中的 index
            seriesIndex: number,
            // 系列名称
            seriesName: string,
            // 数据名,类目名
            name: string,
            // 数据在传入的 data 数组中的 index
            dataIndex: number,
            // 传入的原始数据项
            data: Object,
            // 传入的数据值
            value: number|Array,
            // 数据图形的颜色
            color: string,
        }
      

    具体使用

    • 代码

      from pyecharts import Bar
      def label_formatter(params):
          return params.data +'分'
      v1 = [20,25,35,24]
      attr = ['回忆','生活','现实','失败']
      bar = Bar('testBar_color','Theme',page_title  = '我的柱状图')
      # 注意 label_color的属性值为 list(列表)
      bar.add("test_X", attr, v1, is_label_show=True,label_color=['#5AB5FF'],label_text_color ='#3367FF',label_formatter=label_formatter)
      bar.render()
      
    • 显示效果

    展开全文
  • python 包的使用 (二)——pyecharts

    千次阅读 多人点赞 2018-06-11 15:00:44
    Echarts是百度出的很有名 也... pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。网址: https://github.com/chenjiandongx/pyecharts/blob/master/docs/zh-cn/documentatio...

    如何做Python 的数据可视化?

    pyecharts 是一个用于生成 Echarts 图表的类库。 Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。

    一、安装

    pyecharts 兼容 Python2 和 Python3。目前版本为 0.1.4

    1.pip install pyecharts

    Bar(柱状图/条形图)   
    Bar3D(3D 柱状图)   
    Boxplot(箱形图)   
    EffectScatter(带有涟漪特效动画的散点图)   
    Funnel(漏斗图)   
    Gauge(仪表盘)   
    Geo(地理坐标系)   
    Graph(关系图)   
    HeatMap(热力图)   
    Kline(K线图)   
    Line(折线/面积图)   
    Line3D(3D 折线图)   
    Liquid(水球图)   
    Map(地图)   
    Parallel(平行坐标系)   
    Pie(饼图)   
    Polar(极坐标系)   
    Radar(雷达图)   
    Sankey(桑基图)   
    Scatter(散点图)   
    Scatter3D(3D 散点图)   
    ThemeRiver(主题河流图)   
    WordCloud(词云图) 

    2.公共属性

        1.标题栏的属性:一般在实例化(初始化)类型时给与,如bar = Bar(“大标题”,“副标题”,···各种属性···)

            title_color = “颜色”:标题颜色,可以是‘red’或者‘#0000’

            title_pos = ‘位置’:标题位置,如‘center’,‘left’···

            width = 1200:图表的宽

            height = 800:图表的高

            background_color = "颜色":图表的背景色

            ·····

       2、标签栏的属性:

             bar.add(“标签”,x,values,···属性···)

            'mark_'类,通个'mark_'显示,如 mark_point['max', 'min', 'average']:标出最大最小和平均值的点,

                    mark_point_textcolor,mark_line_symbolsize·····

            'legend_'类,如legend_pos=‘left’:标签的位置

             'is_'类,如is_label_show=True:显示每个点的值,is_datazoom_show=True:实现移动控制x轴的数量

                    is_convert = True:x,y轴是否调换

    二、入门

    1.首先开始来绘制你的第一个图表

    from pyecharts import Bar
    bar =Bar("我的第一个图表""这里是副标题")
    bar.use_theme('dark')  #设置背景色
    bar.add("服装", ["衬衫""羊毛衫""雪纺衫""裤子""高跟鞋""袜子"], [52036107590])
    bar.show_config()#打印输出图表的所有配置项
    bar.render()#默认将会在根目录下生成一个 render.html 的文件

    Tip:可以按右边的下载按钮将图片下载到本地

    • add()主要方法,用于添加图表的数据和设置各种配置项

    • show_config()打印输出图表的所有配置项

    • render()默认将会在根目录下生成一个 render.html 的文件,支持 path 参数,设置文件保存位置,如 render(r"e:my_first_chart.html"),文件用浏览器打开.默认的编码类型为 UTF-8,在 Python3 中是没什么问题的,Python3 对中文的支持好很多。但是在 Python2 中,编码的处理是个很头疼的问题,暂时没能找到完美的解决方法,目前只能通过文本编辑器自己进行二次编码,我用的是 Visual Studio Code,先通过 Gbk 编码重新打开,然后再用 UTF-8 重新保存,这样用浏览器打开的话就不会出现中文乱码问题了。

    基本上所有的图表类型都是这样绘制的:

    1. chart_name = Type() 初始化具体类型图表。

    2. add() 添加数据及配置项。

    3. render() 生成 .html 文件。

    三、图表类型

    1.柱状图

    某地区的降水量,并转换x,y轴

    attr = ['{}月'.format(i) for i in range(1,13)]
    v1 = [2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
    v2 = [2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.8,48.7,18.8,6.0,2.3]
    bar = Bar("柱状图示例")
    bar.add("蒸发量", attr,v1,mark_line = ['average'],mark_point = ["max","min"])#画平均线,标记最大最小值
    bar.add("降水量", attr,v2,mark_line = ['average'],mark_point = ["max","min"])
    bar.render()
    
    bar = Bar("x 轴和 y 轴交换") #print交换x轴和y轴
    bar.add("蒸发量", attr, v1,mark_line = ['average'],mark_point = ["max","min"]) 
    bar.add("降水量", attr, v2,mark_line = ['average'],mark_point = ["max","min"], is_convert=True)#is_convert是否转换
    bar.render()
    

    2.Pie(饼图)

    from pyecharts import Pie
    attr =["衬衫""羊毛衫""雪纺衫""裤子""高跟鞋""袜子"]v1 =[111213101010]pie =Pie("饼图示例")
    pie.add("", attr, v1, is_label_show=True)
    pie.show_config()
    pie.render()

    attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
    v1 =[11, 12, 13, 10, 10, 10]
    v2 =[19, 21, 32, 20, 20, 33]
    pie =Pie("饼图实例2-玫瑰图示例", title_pos='center', width=900,title_text_size=40)#标题,title_pos调整标题位置,title_text_size调整主标题文字大小
    pie.add("商品A",attr,v1,center=[25, 50], is_random=True, radius=[30, 75], rosetype='radius')
    pie.add("商品B",attr,v2,center=[75, 50], is_random=True, radius=[30, 75], rosetype='area', is_legend_show=False, is_label_show=True)
    pie.show_config()
    pie.render()
    #attr为不同的属性名称; v为从表格读出来的,不同属性对用的数据;center为调整饼图圆心坐标; is_random为是否随即排列颜色列表(bool);
    #radius为半径,第一个为内半径,第二个是外半径;
    #rosetype为是否展示成南丁格尔图( 'radius' 圆心角展现数据半分比,半径展现数据大小;'area' 圆心角相同,为通过半径展现数据大小)
    # is_label_show为是否显示标签(各个属性的数据信息); label_text_size为调整标签字体大小;

    2.各类电影中"好片"所占的比例

    from pyecharts import Pie
    pie =Pie('各类电影中"好片"所占的比例', "数据来着豆瓣", title_pos='center')
    pie.add("", ["剧情", ""], [25, 75], center=[10, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, )
    pie.add("", ["奇幻", ""], [24, 76], center=[30, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, legend_pos='left')
    pie.add("", ["爱情", ""], [14, 86], center=[50, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["惊悚", ""], [11, 89], center=[70, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["冒险", ""], [27, 73], center=[90, 30], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["动作", ""], [15, 85], center=[10, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["喜剧", ""], [54, 46], center=[30, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["科幻", ""], [26, 74], center=[50, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["悬疑", ""], [25, 75], center=[70, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None)
    pie.add("", ["犯罪", ""], [28, 72], center=[90, 70], radius=[18, 24], label_pos='center', is_label_show=True, label_text_color=None, is_legend_show=True, legend_top="center")
    pie.show_config()
    pie.render()
    



    3.带有涟漪特效动画的散点图

    这段代码参考简书网 https://www.jianshu.com/p/b718c307a61c ,强烈推荐大家学习chenjiandongx大神的文章。完整代码如下:

    [python] view plain copy
    1. # -*- coding:utf-8 -*-  
    2. from pyecharts import EffectScatter  
    3.   
    4. es = EffectScatter("动态散点图各种图形示例")  
    5. es.add("", [10], [10], symbol_size=20, effect_scale=3.5, effect_period=3, symbol="pin")  
    6. es.add("", [20], [20], symbol_size=12, effect_scale=4.5, effect_period=4, symbol="rect")  
    7. es.add("", [30], [30], symbol_size=30, effect_scale=5.5, effect_period=5, symbol="roundRect")  
    8. es.add("", [40], [40], symbol_size=10, effect_scale=6.5, effect_brushtype='fill', symbol="diamond")  
    9. es.add("", [50], [50], symbol_size=16, effect_scale=5.5, effect_period=3, symbol="arrow")  
    10. es.add("", [60], [60], symbol_size=6, effect_scale=2.5, effect_period=3, symbol="triangle")  
    11. es.render()  
    运行结果如下图所示:

    4.绘制3D图形

    1.绘制3D折线图代码如下:

    [python] view plain copy
    1. # -*- coding:utf-8 -*-  
    2. from pyecharts import Line3D  
    3. import random  
    4. data = [[1,2,3,4], [1,2,3,4], [0,4,8,16]]  
    5. Line3D = Line3D("3D 折线图示例", width=1200, height=600)  
    6. Line3D.add("", data, is_visualmap=True)  
    7. Line3D.render()  
    输出图形如下所示:

    5.绘制Scatter(散点图)

    1.设置随机散点坐标,代码如下所示:
    [python] view plain copy
    1. # -*- coding:utf-8 -*-  
    2. from pyecharts import Scatter3D  
    3. import random  
    4. data = [[random.randint(0100), random.randint(0100), random.randint(0100)] for _ in range(80)]  
    5. range_color = ['#313695''#4575b4''#74add1''#abd9e9''#e0f3f8''#ffffbf',  
    6.                '#fee090''#fdae61''#f46d43''#d73027''#a50026']  
    7. scatter3D = Scatter3D("3D 散点图示例", width=1200, height=600)  
    8. scatter3D.add("", data, is_visualmap=True, visual_range_color=range_color)  
    9. scatter3D.render()         
    输出结果非常美观,如下图所示:


    2.
    from pyecharts import Scatter
    v1 =[10, 20, 30, 40, 50, 60]
    v2 =[10, 20, 30, 40, 50, 60]
    scatter =Scatter("散点图示例")
    scatter.add("A", v1, v2)
    scatter.add("B", v1[::-1], v2)
    scatter.show_config()
    scatter.render()

    3.散点打印Pyecharts字体

    from pyecharts import Scatter
    scatter =Scatter("散点图示例")
    v1, v2 =scatter.draw("F://anacondadaima//keshihua//1.png")
    scatter.add("pyecharts", v1, v2, is_random=True)
    scatter.show_config()
    scatter.render()


    6.仪表盘

    代码如下:

    [python] view plain copy
    1. # -*- coding:utf-8 -*-  
    2. from pyecharts import Gauge  
    3.   
    4. g = Gauge("仪表盘图形","副图标")  
    5. g.add("重大项目""投资占比"66.66)  
    6. g.show_config()  
    7. g.render("g.html")  

    输出图形如下所示:



    7.水球图

    1.水球图

    代码如下:

    [python] view plain copy
    1. # -*- coding:utf-8 -*-  
    2. from pyecharts import Liquid  
    3.   
    4. liquid = Liquid("水球图")  
    5. liquid.add("Liquid", [0.8])  
    6. liquid.show_config()  
    7. liquid.render()  

    输出如下图所示:



    2.水球图
    from pyecharts import Liquid
    liquid =Liquid("水球图示例")
    liquid.add("Liquid", [0.6, 0.5, 0.4, 0.3], is_liquid_outline_show=False)
    liquid.show_config()
    liquid.render()

    3.水球图

    from pyecharts import Liquid
    liquid =Liquid("水球图示例3")
    liquid.add("Liquid",[0.6, 0.5, 0.4, 0.3],is_liquid_animation=False,shape='diamond')
    liquid.show_config()
    liquid.render()

    8. 绘制中国地图


    如果直接绘制中国地图,只会显示一个角落,如下图所示:


    1.安装

    这是需要安装第三方地图支持包,代码如下:
        pip install echarts-countries-pypkg 
        pip install echarts-china-provinces-pypkg
        pip install echarts-china-cities-pypkg

        pip install echarts-countries-pypkg 
        pip install echarts-china-provinces-pypkg
        pip install echarts-china-cities-pypkg

     echarts-china-cities-pypkg是中国城市地图。安装过程如下图所示:








    2.绘制中国地图

    安装之后我们来看一个简单的中国地图代码,这是作者微信好友全国各省分布情况,代码如下:

    [python] view plain copy
    1. #-*- coding:utf-8 -*-  
    2. from pyecharts import Map  
    3. value =[26026802521451,  
    4.         415225411102]  
    5. attr =["安徽""北京""福建""广东""贵州""海南""河北""河南""黑龙江",  
    6.        "湖北""湖南""吉林""江苏""辽宁""山东""山西""陕西""上海",  
    7.        "四川""天津""云南""浙江""重庆"]  
    8. map=Map("各省微信好友分布", width=1200, height=600)  
    9. map.add("", attr, value, maptype='china', is_visualmap=True,  
    10.         visual_text_color='#000')  
    11. map.show_config()  
    12. map.render()  
    输出结果如下图所示,因为作者在北京读书,贵州人,所以这两个地方好友最多。


    再来看一组中国地图,全国的空气质量情况,代码如下:

    [python] view plain copy
    1. #-*- coding:utf-8 -*-  
    2. from pyecharts import Geo  
    3.   
    4. data = [  
    5.     ("海门"9),("鄂尔多斯"12),("招远"12),("舟山"12),("齐齐哈尔"14),("盐城"15),  
    6.     ("赤峰"16),("青岛"18),("乳山"18),("金昌"19),("泉州"21),("莱西"21),  
    7.     ("日照"21),("胶南"22),("南通"23),("拉萨"24),("云浮"24),("梅州"25)]  
    8. geo = Geo("全国主要城市空气质量""data from pm2.5",  
    9.           title_color="#fff", title_pos="center",  
    10.           width=1200, height=600, background_color='#404a59')  
    11. attr, value = geo.cast(data)  
    12. geo.add("", attr, value, visual_range=[0200],  
    13.         visual_text_color="#fff", symbol_size=15, is_visualmap=True)  
    14. geo.show_config()  
    15. geo.render("kongqi.html")  

    输出结果如下所示,它会提示错误“coordinates is not found”坐标没有定义,知乎说可以用 geo_cities_coords 参数自定义经纬度处理解决。



    而我的解决方法是怀疑中文乱码错误,并且成功解决,即中文前面加个u"贵阳",代码如下:
    [python] view plain copy
    1. #-*- coding:utf-8 -*-  
    2. from pyecharts import Geo  
    3.   
    4. data = [  
    5.     (u"海门"9),(u"鄂尔多斯"12),(u"招远"12),(u"舟山"12),(u"齐齐哈尔"14),(u"盐城"15),  
    6.     (u"赤峰"16),(u"青岛"18),(u"乳山"18),(u"金昌"19),(u"泉州"21),(u"莱西"21),  
    7.     (u"日照"21),(u"胶南"22),(u"南通"23),(u"拉萨"24),(u"云浮"24),(u"梅州"25)]  
    8. geo = Geo(u"全国主要城市空气质量""data from pm2.5",  
    9.           title_color="#fff", title_pos="center",  
    10.           width=1200, height=600, background_color='#404a59')  
    11. attr, value = geo.cast(data)  
    12. geo.add("", attr, value, visual_range=[0200],  
    13.         visual_text_color="#fff", symbol_size=15, is_visualmap=True)  
    14. geo.show_config()  
    15. geo.render("kongqi.html")  
    输出如下图所示:


    3.绘制贵州地图

    最后补充绘制贵州省地图的代码:

    [python] view plain copy
    1. #-*- coding:utf-8 -*-  
    2. from pyecharts import Map  
    3.   
    4. value = [9570304580,  
    5.          1025405]  
    6. attr = [u'贵阳市', u'遵义市',  u'六盘水市', u'安顺市', u'毕节市',   
    7.         u'铜仁市', u"黔东南苗族侗族自治州", u"黔南布依族苗族自治州",  
    8.         u"黔西南布依族苗族自治州"]  
    9. map = Map(u"贵州地图示例", width=1200, height=600)  
    10. map.add("", attr, value, maptype=u'贵州',  
    11.         is_visualmap=True, visual_text_color='#000')  
    12. map.show_config()  
    13. map.render()  

    输出如下图所示:





    9. Graph(关系图)

    1.力引导布局

    from pyecharts import Graph
    nodes = [{"name": "结点1", "symbolSize": 10},{"name": "结点2", "symbolSize": 20},{"name": "结点3", "symbolSize": 30},{"name": "结点4", "symbolSize": 40},{"name": "结点5", "symbolSize": 50},{"name": "结点6", "symbolSize": 40},{"name": "结点7", "symbolSize": 30},{"name": "结点8", "symbolSize": 20}]
    links = []
    for i in nodes:
         for j in nodes:
              links.append({"source": i.get('name'), "target": j.get('name')})
    graph = Graph("关系图-环形布局示例")
    graph.add("关系图1",nodes,links,is_label_show=True,repulsion=8000,layout='circular',label_text_color=None)
    graph.show_config()
    graph.render()
    

    2.微博转发关系图(没有实现)

    from pyecharts import Graph
    import json
    with open("..\json\weibo.json","r",encoding="utf-8") as f:
         j = json.load(f)
         nodes,links,categories,cont,mid,userl = j
    graph = Graph("微博转发关系图", width=1200, height=600)
    graph.add("关系图2", nodes, links, categories, label_pos="right", repulsion=50, is_legend_show=False,          line_curve=0.2, label_text_color=None)
    graph.show_config()
    graph.render()

    10. Line(折线/面积图)

    1.阶梯图

    from pyecharts import Line
    attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
    v1 =[5, 20, 36, 10, 10, 100]
    v2 =[55, 60, 16, 20, 15, 80]
    line =Line("折线图示例")
    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.show_config()
    line.render()
    line =Line("折线图-阶梯图示例")
    line.add("商家A", attr, v1, is_step=True, is_label_show=True)
    line.show_config()
    line.render()

    2.面积图

    from pyecharts import Line
    attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
    v1 =[5, 20, 36, 10, 10, 100]
    v2 =[55, 60, 16, 20, 15, 80]
    line =Line("折线图-面积图示例")
    line.add("商家A", attr, v1, is_fill=True, line_opacity=0.2, area_opacity=0.4, symbol=None)
    line.add("商家B", attr, v2, is_fill=True, area_color='#000', area_opacity=0.3, is_smooth=True)
    line.show_config()
    line.render()
    




    11. Parallel(平行坐标系)

    from pyecharts import Parallel
    c_schema = [ {"dim": 0, "name": "data"}, {"dim": 1, "name": "AQI"}, {"dim": 2, "name": "PM2.5"}, {"dim": 3, "name": "PM10"}, {"dim": 4, "name": "CO"}, {"dim": 5, "name": "NO2"}, {"dim": 6, "name": "CO2"}, {"dim": 7, "name": "等级", "type": "category", "data": ['优', '良', '轻度污染', '中度污染', '重度污染', '严重污染']}]
    data = [ [1, 91, 45, 125, 0.82, 34, 23, "良"], [2, 65, 27, 78, 0.86, 45, 29, "良"], [3, 83, 60, 84, 1.09, 73, 27, "良"], [4, 109, 81, 121, 1.28, 68, 51, "轻度污染"], [5, 106, 77, 114, 1.07, 55, 51, "轻度污染"], [6, 109, 81, 121, 1.28, 68, 51, "轻度污染"], [7, 106, 77, 114, 1.07, 55, 51, "轻度污染"], [8, 89, 65, 78, 0.86, 51, 26, "良"], [9, 53, 33, 47, 0.64, 50, 17, "良"], [10, 80, 55, 80, 1.01, 75, 24, "良"], [11, 117, 81, 124, 1.03, 45, 24, "轻度污染"], [12, 99, 71, 142, 1.1, 62, 42, "良"], [13, 95, 69, 130, 1.28, 74, 50, "良"], [14, 116, 87, 131, 1.47, 84, 40, "轻度污染"]]
    parallel = Parallel("平行坐标系-用户自定义指示器")
    parallel.config(c_schema = c_schema)
    parallel.add("parallel", data)
    parallel.show_config()
    parallel.render()


    12 .Polar(极坐标系)

    1.
    from pyecharts import Polar
    radius =['周一', '周二', '周三', '周四', '周五', '周六', '周日']
    polar =Polar("极坐标系-堆叠柱状图示例", width=1200, height=600)
    polar.add("A", [1, 2, 3, 4, 3, 5, 1], radius_data=radius, type='barRadius', is_stack=True)
    polar.add("B", [2, 4, 6, 1, 2, 3, 1], radius_data=radius, type='barRadius', is_stack=True)
    polar.add("C", [1, 2, 3, 4, 1, 2, 5], radius_data=radius, type='barRadius', is_stack=True)
    polar.show_config()
    polar.render()

    2.
    from pyecharts import Polar
    radius =['周一', '周二', '周三', '周四', '周五', '周六', '周日']
    polar =Polar("极坐标系-堆叠柱状图示例2", width=1200, height=600)
    polar.add("", [1, 2, 3, 4, 3, 5, 1], radius_data=radius, type='barAngle', is_stack=True)
    polar.add("", [2, 4, 6, 1, 2, 3, 1], radius_data=radius, type='barAngle', is_stack=True)
    polar.add("", [1, 2, 3, 4, 1, 2, 5], radius_data=radius, type='barAngle', is_stack=True)
    polar.show_config()
    polar.render()

    3用极坐标系画出一个蜗牛壳

    import math 
    from pyecharts import Polar 
    data =[]
    for i in range(5):
         for j in range(101):
              theta =j /100*360
              alpha =i *360+theta
              r =math.pow(math.e, 0.003*alpha)
              data.append([r, theta])
    polar = Polar("极坐标系示例")
    polar.add("", data, symbol_size=0, symbol='circle', start_angle=-25, is_radiusaxis_show=False, area_color="#f3c5b3", area_opacity=0.5, is_angleaxis_show=False)
    polar.show_config()
    polar.render()
    
    



    4.用极坐标系画出一个爱心

    import math 
    from pyecharts import Polar
    data =[]
    for i in range(101):
         theta =i /100*360
         r =5*(1+math.sin(theta /180*math.pi))
         data.append([r, theta])
         hour = [i for i in range(1, 25)]
    polar =Polar("极坐标系示例", width=1200, height=600)
    polar.add("Love", data, angle_data=hour, boundary_gap=False,start_angle=0)
    polar.show_config()
    polar.render()

    5.用极坐标系画出一朵小花

    import math
    from pyecharts import Polar
    data =[]
    for i in range(361):
         t =i /180*math.pi
         r =math.sin(2*t) *math.cos(2*t)
         data.append([r, i])
    polar =Polar("极坐标系示例", width=1200, height=600)
    polar.add("Color-Flower", data, start_angle=0, symbol=None, axis_range=[0, None], area_color="#f71f24", area_opacity=0.6)
    polar.show_config()
    polar.render()

    13 Radar(雷达图)

    1.
    from pyecharts import Radar
    schema = [("销售", 6500), ("管理", 16000), ("信息技术", 30000), ("客服", 38000), ("研发", 52000), ("市场", 25000)]
    v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
    v2 =[[5000, 14000, 28000, 31000, 42000, 21000]]
    radar = Radar()
    radar.config(schema)
    radar.add("预算分配", v1, is_splitline=True, is_axisline_show=True)
    radar.add("实际开销", v2, label_color=["#4e79a7"], is_area_show=False)
    radar.show_config()

    2.
    from pyecharts import Radar
    value_bj = [ [55, 9, 56, 0.46, 18, 6, 1], [25, 11, 21, 0.65, 34, 9, 2], [56, 7, 63, 0.3, 14, 5, 3], [33, 7, 29, 0.33, 16, 6, 4]]
    value_sh = [ [91, 45, 125, 0.82, 34, 23, 1], [65, 27, 78, 0.86, 45, 29, 2], [83, 60, 84, 1.09, 73, 27, 3], [109, 81, 121, 1.28, 68, 51, 4]]
    c_schema = [{"name": "AQI", "max": 300, "min": 5}, {"name": "PM2.5", "max": 250, "min": 20}, {"name": "PM10", "max": 300, "min": 5}, {"name": "CO", "max": 5}, {"name": "NO2", "max": 200}, {"name": "SO2", "max": 100}]
    radar = Radar()
    radar.config(c_schema=c_schema, shape='circle')
    radar.add("北京", value_bj, item_color="#f9713c", symbol=None)
    radar.add("上海", value_sh, item_color="#b3e4a1", symbol=None)
    radar.show_config()


    14. WordCloud(词云图)

    1.
    from pyecharts import WordCloud
    name = ['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications', 'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp', 'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham', 'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']
    value = [10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112, 965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
    wordcloud = WordCloud(width=1300, height=620)
    wordcloud.add("", name, value, word_size_range=[20, 100])
    wordcloud.show_config()
    wordcloud.render()



    个人分类: python

    展开全文
  • pyecharts库安装与使用

    万次阅读 2019-03-28 19:57:34
    pyecharts是Python的数据可视化库,可以帮助我们生成各种需要的图表。 一. 安装 1. 正常情况 在Python版本适合,pip版本适合,安装需要的环境适合的情况下,用pip install pyecharts 安装完全没有问题。 2. 非...
  • Pyecharts V1全新版本使用教程——Bar(柱状图的使用) 以下内容均来自Pyecharts官方使用文档(可自行阅读)和自己的理解: 官方链接:https://pyecharts.org/#/zh-cn/intro github链接:...
  • 文章目录pyecharts 是一个用于生成 Echarts 图表的类库。pyecharts安装在jupyter notebook中交互式显示图表图表结构设置样式柱状图方法说明横向bar指定特殊点Grid-多 Y 轴示例 pyecharts 是一个用于生成 Echarts ...
  • pyecharts定制主题

    千次阅读 2019-11-17 17:31:43
    pyecharts内置提供了10+种不同的风格,另外也提供了便捷的定制主题的方法 准备工作 from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.globals import ThemeType x=['衬衫'...
  • 官网:http://pyecharts.org/#/ 下面这个人的博客不错,包含Geo和map的区别 ...
  • 重磅!你们一直催的 PyEcharts教程来啦

    万次阅读 多人点赞 2019-05-23 15:51:04
    作者 |王圣元来源 | 王的机器(ID:MeanMachine1031)看PyEcharts名字就猜得到PyEcharts=Python+EchartsEc...
  • python pyecharts生成图表

    千次阅读 2019-08-20 14:18:30
    pass
  • Python + PyEcharts——数据可视化

    万次阅读 多人点赞 2018-05-31 10:00:05
    一、第一个PyEcharts图标 1 安装:&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;nbsp;&...
  • pyecharts学习笔记

    万次阅读 多人点赞 2018-06-13 18:14:14
    echarts是百度可视化工具,图形的可视化效果很好,pyecharts是利用python实现生成echarts图表的类目,功能非常强大,用了之后瞬间被圈粉了,以下为学习笔记 中文官方文档:点击打开链接 1.基本语法学习 from ...
  • pyecharts中文手册

    2020-09-22 17:20:06
    如何查看使用的pyecharts版本? import pyecharts print(pyecharts.__version__) 1、首先开始来推出你的第一个图表 from pyecharts.charts import Bar bar = Bar() bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫...
  • pyecharts中文教程

    2018-08-13 08:55:13
    本资源为pyecharts中文教程,详细介绍了pyecharts的主要绘图及代码,可供参考和学习。
  • pyecharts中文文档使用攻略

    万次阅读 2019-07-17 15:05:13
    def:
  • pyecharts_doc_v1.7.1.pdf

    2020-05-29 21:59:33
    为了方便在离线环境下学习Pyecharts,将官方文档制作成pdf文件,带标签。 Echarts 是一个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而 Python 是一门富有表达力的语言...
  • [pyecharts1.7] 使用手册

    千次阅读 2020-05-13 20:07:09
    本文档(以及pyecharts手册中的其他文档)将会持续更新。 有些内容标记为待更新的,有时间我会补充上。急需的可以在评论处留言,或者可关注微信公众号「燃烧吧数据」(id:data-fired),聊天框输入暗号:江湖救急,...
  • pyecharts1.0+绘图环境内容第一个简单的柱状图绘制多种数据的表格添加图像工具中文帮助文档的使用 环境内容 python==3.6+ jupyter==1.0.0+ pyecharts=1.0+ 【说明】: pyecharts的v0.5和v1.0版本的语法有很大差别,...
  • 文章目录版本说明常见图表整理(主要基于v1 版本)1·条形图2·散点图3·层叠多图4·折线图5·箱线图6·热力图7·3D散点图 ...当数据分析遇上数据可视化时,pyecharts 诞生了。 版本说明 pyecharts 分为 v0.5....
  • pyecharts官方文档

    万次阅读 2020-02-20 16:09:57
    pyecharts官方文档
  • Pyecharts V1全新版本使用教程(1)

    万次阅读 多人点赞 2019-06-20 16:03:18
    前言 pyecharts是一款将python与echarts结合的强大的数据可视化工具,由于v0.5.x 和 V1 间不兼容,导致很多代码不可复用,旧版本将不再维护,本文将简单介绍新版本的使用方法。 Github地址 ...
  • python使用pyecharts 0.5.X画图

    千次阅读 2019-07-18 23:32:30
    pyecharts是一个用于生成echarts图表的类库.echarts是百度开源的一个数据可视化库,用echarts生成的图可视化效果非常棒。使用pyechart库可以在python中生成echarts数据图。 官网:http://pyecharts.org Github:...
  • 中文文档 English Documentation 示例 Example ⛏ 代码质量 单元测试 $ pip install -r test/requirements.txt $ make 集成测试 使用 Travis CI 和 AppVeyor 持续集成环境。 代码规范 使用 flake8, Codecov ...
  • pyecharts是干什么的 echarts 是百度开源的一个数据可视化 JS 库,主要用于数据可视化。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。pyecharts分为v0.5和v1两个版本,v0.5...
  • pyecharts-1.8.0数据可视化地图绘制

    千次阅读 2020-06-09 15:34:55
    from pyecharts.faker import Faker from pyecharts import options as opts from pyecharts.charts import Map 2、数据处理 将数据从Excel粘贴出来放到代码中 provinces='''北京 广东 上海 江苏 山东 浙江 湖南...
  • pyecharts教程

    千次阅读 2018-07-31 08:49:18
    github地址:...中文官网教程:https://pyecharts.org/#/zh-cn/ 安装 $ pip install pyecharts 扩展包 World countries include China map and World map:echarts-countries-pypkg(1.9...
  • pyecharts

    2019-01-22 21:45:40
    pyecharts可以用来画什么?pyecharts怎么用?pyecharts实例Bar(柱状图/条形图)堆叠图:3D柱状图:Pie(饼图)Line(折线图) pyecharts是什么? pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一...

空空如也

1 2 3 4 5 ... 20
收藏数 12,923
精华内容 5,169
关键字:

pyecharts