精华内容
下载资源
问答
  • pyecharts柱状图

    2020-06-14 21:47:34
    柱状图 1. 柱状图 from pyecharts.charts import Bar from pyecharts import options # 1. 准备数据 cate = ["湖北", "四川", "重庆", "河北", "云南"] Confirmed_diagnosis_data = [450, 300, 232, 224, 144] ...

    1. 柱状图
    from pyecharts.charts import Bar
    from pyecharts import options
    
    # 1. 准备数据
    cate = ["湖北", "四川", "重庆", "河北", "云南"]
    Confirmed_diagnosis_data = [450, 300, 232, 224, 144]
    death_data = [500, 30, 22, 24, 44]
    
    # 2. 创建图表对象
    bar = Bar()
    
    # 3. 关联数据
    bar.add_xaxis(cate)  # x轴
    bar.add_yaxis("确诊人数", Confirmed_diagnosis_data)
    bar.add_yaxis("死亡人数", death_data)
    
    # 4. 设置图表
    # 全局设置
    bar.set_global_opts(
        # 设置标题信息
        options.TitleOpts(title="部分疫情数据统计", subtitle="确诊人数和死亡人数"),
        # 显示工具箱
        toolbox_opts=options.ToolboxOpts())
    
    # 系列设置
    bar.set_series_opts(
        # 设置是否显示数值
        label_opts=options.LabelOpts(is_show=False),
        markpoint_opts=options.MarkPointOpts(data=[
            options.MarkPointItem(type_="min", name="最小值"),
            options.MarkPointItem(type_="max", name="最大值")
        ]))
    
    # 5. 数据渲染
    bar.render_notebook()
    

    在这里插入图片描述

    from pyecharts.charts import Bar
    from pyecharts import options
    
    # 1. 准备数据
    cate = ["湖北", "四川", "重庆", "河北", "云南"]
    Confirmed_diagnosis_data = [450, 300, 232, 224, 144]
    death_data = [500, 30, 22, 24, 44]
    
    # 2. 创建图表对象
    bar = Bar()
    
    # 3. 关联数据
    bar.add_xaxis(cate)  # x轴
    bar.add_yaxis("确诊人数", Confirmed_diagnosis_data)
    bar.add_yaxis("死亡人数", death_data)
    
    # 4. 设置图表
    # 全局设置
    bar.set_global_opts(
        # 设置标题信息
        options.TitleOpts(title="部分疫情数据统计", subtitle="确诊人数和死亡人数"),
        # 显示工具箱
        toolbox_opts=options.ToolboxOpts())
    
    # 系列设置
    bar.set_series_opts(
        # 设置是否显示数值
        label_opts=options.LabelOpts(is_show=False),
        markpoint_opts=options.MarkPointOpts(data=[
            options.MarkPointItem(type_="min", name="最小值"),
            options.MarkPointItem(type_="max", name="最大值")
        ]))
    
    # 倒置
    bar.reversal_axis()
    
    # 5. 数据渲染
    bar.render_notebook()
    

    在这里插入图片描述

    展开全文
  • pyecharts柱状图进阶篇

    2020-08-30 12:31:18
    上一篇,我们讲解了pyecharts柱状图的常见类型,能够满足基本的工作学习需求,但是pyecharts的功能远不止于此,下面我将继续给大家介绍柱状图进阶展示形式,让你画出更酷炫的柱状图。 1.数据堆叠柱状图 from ...

    上一篇,我们讲解了pyecharts柱状图的常见类型,能够满足基本的工作学习需求,但是pyecharts的功能远不止于此,下面我将继续给大家介绍柱状图进阶展示形式,让你画出更酷炫的柱状图。

    1.数据堆叠柱状图

    from pyecharts import options as opts
    from pyecharts.charts import Bar
    l1=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
    l2=[100,200,300,400,500,400,300]
    l3=[300,400,500,400,300,200,100]
    bar = (
        Bar()
        .add_xaxis(l1)
        .add_yaxis("l2", l2, stack="stack1")
        .add_yaxis("l3", l3, stack="stack1")
        .set_global_opts(title_opts=opts.TitleOpts(title="数据堆叠"))
    )
    bar.render_notebook()
    

    在这里插入图片描述

    2.柱状图和折线图合并

    import pyecharts.options as opts
    from pyecharts.charts import Bar, Line
    
    
    x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
    
    bar = (
        Bar(init_opts=opts.InitOpts(width="1000px", height="500px"))
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="降水量",
            yaxis_data=[
                2.6,
                5.9,
                9.0,
                26.4,
                28.7,
                70.7,
                175.6,
                182.2,
                48.7,
                18.8,
                6.0,
                2.3,
            ],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(
                is_show=True, trigger="axis", axis_pointer_type="cross"
            ),
            xaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
            yaxis_opts=opts.AxisOpts(
                name="水量",
                type_="value",
                min_=0,
                max_=250,
                interval=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
        )
    )
    
    line = (
        Line()
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="降水量",
            yaxis_index=0,
            y_axis=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3,],
            label_opts=opts.LabelOpts(is_show=False),
        )
    )
    
    bar.overlap(line).render_notebook()
    
    

    在这里插入图片描述

    yaxis_opts=opts.AxisOpts()中可以设置纵坐标起止范围和间隔
    

    3.双纵坐标柱状图

    如果想把温度和降雨量画在同一个柱状图内,一个纵坐标就不够用了
    
    import pyecharts.options as opts
    from pyecharts.charts import Bar, Line
    x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
    
    bar = (
        Bar(init_opts=opts.InitOpts(width="1000px", height="600px"))
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="蒸发量",
            yaxis_index=0,
            yaxis_data=[
                2.0,
                4.9,
                7.0,
                23.2,
                25.6,
                76.7,
                135.6,
                162.2,
                32.6,
                20.0,
                6.4,
                3.3,
            ],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .add_yaxis(
            series_name="平均温度",
            yaxis_index=1,
            yaxis_data=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .extend_axis(
            yaxis=opts.AxisOpts(
                name="温度",
                type_="value",
                min_=0,
                max_=25,
                interval=5,
                axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            )
        )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(
                is_show=True, trigger="axis", axis_pointer_type="cross"
            ),
            xaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
            yaxis_opts=opts.AxisOpts(
                name="水量",
                type_="value",
                min_=0,
                max_=250,
                interval=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
        )
    )
    bar.render_notebook()
    

    在这里插入图片描述

    extend_axis增加了以温度为刻度的纵坐标轴
    add_yaxis()内yaxis_index=0表示该数据用第一个坐标轴,yaxis_index=1表示该数据用第二个坐标轴

    4.为柱状图添加背景图片

    觉得背景太单调?那就来自定义一下背景图片吧

    from pyecharts import options as opts
    from pyecharts.charts import Bar
    from pyecharts.commons.utils import JsCode
    from pyecharts.faker import Faker
    l2=[100,200,300,400,500,400,300]
    l3=[300,400,500,400,300,200,100]
    bar = (
        Bar(
            init_opts=opts.InitOpts(
                bg_color={"type": "pattern", "image": JsCode("img"), "repeat": "no-repeat"}
            )
        )
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", l2)
        .add_yaxis("商家B", l3)
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="Bar-背景图基本示例",
                subtitle="我是副标题",
                title_textstyle_opts=opts.TextStyleOpts(color="white"),
            )
        )
    )
    bar.add_js_funcs(
        """
        var img = new Image(); img.src = 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1598692410282&di=3a4c3f5770826c30089dd3975357bcd7&imgtype=0&src=http%3A%2F%2Fdimg01.c-ctrip.com%2Fimages%2Ffd%2Ftg%2Fg6%2FM00%2F4A%2F70%2FCggYslbXsPaABfvoAAE_7azp5ow674_R_1024_10000_Q90.jpg';
        """
    )
    bar.render_notebook()
    

    在这里插入图片描述

    只需更改img.src中图片url地址即可更换背景

    5.为柱状图添加动画

    简单的出场方式已经不能满足我的需要了,我需要酷炫一点的
    
    from pyecharts import options as opts
    from pyecharts.charts import Bar
    from pyecharts.faker import Faker
    
    l1=[100,200,300,400,500,400,300]
    l2=[300,400,500,400,300,200,100]
    bar = (
        Bar(
            init_opts=opts.InitOpts(
                animation_opts=opts.AnimationOpts(
                    animation_delay=1000, animation_easing="bounceIn"
                )
            )
        )
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", l1)
        .add_yaxis("商家B", l2)
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-动画配置基本示例", subtitle="我是副标题"))
    )
    bar.render_notebook()
    

    在这里插入图片描述

    animation_delay设置延迟时间,animation_easing设置动画效果

    本文来自公众号:python数据分析之禅

    展开全文
  • 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
  • 这里记录下折线图和柱状图的使用。便于说事,这里使用了tushare的stock数据源。先看下效果图:一、折线图单根线的折线图是比较容易搞的,这里说多根线的折线图,我这里使用的代码如下:import pyecharts.options as ...

    参照pyecharts-gallery示例代码分容易能完成图形的展示,不过这里也有一点小坑。这里记录下折线图和柱状图的使用。便于说事,这里使用了tushare的stock数据源。先看下效果图:

    一、折线图

    单根线的折线图是比较容易搞的,这里说多根线的折线图,我这里使用的代码如下:

    import pyecharts.options as opts

    from pyecharts.charts import Line

    import talib as ta

    import tushare as ts

    dw = ts.get_k_data('603515')

    df = dw[-30:]

    x_data = df['date'].values

    x_data = df['date'].values

    #y_data = [820, 932, 901, 934, 1290, 1330, 1320]

    line = (

    Line()

    .add_xaxis(xaxis_data=x_data)

    .add_yaxis(

    series_name="开",

    y_axis=df['open'].values,

    label_opts=opts.LabelOpts(is_show=False),

    )

    .add_yaxis(

    series_name="收",

    y_axis=df['close'].values,

    label_opts=opts.LabelOpts(is_show=False),

    )

    .add_yaxis(

    series_name="高",

    y_axis=df['high'].values,

    label_opts=opts.LabelOpts(is_show=False),

    areastyle_opts=opts.AreaStyleOpts(opacity=0.5),

    )

    .add_yaxis(

    series_name="低",

    y_axis=df['low'].values,

    label_opts=opts.LabelOpts(is_show=False),

    areastyle_opts=opts.AreaStyleOpts(opacity=0.5),

    )

    .set_global_opts(

    tooltip_opts=opts.TooltipOpts(

    is_show=True, trigger="axis", axis_pointer_type="cross"

    ),

    yaxis_opts=opts.AxisOpts(

    type_="value",

    axistick_opts=opts.AxisTickOpts(is_show=True),

    splitline_opts=opts.SplitLineOpts(is_show=True),

    ),

    xaxis_opts=opts.AxisOpts(

    type_="category",

    boundary_gap=False,

    axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),

    ),

    )

    # .render("stacked_line_chart.html")

    )

    line.render_notebook()

    这里是根据官方 stacked_line_chart.py 示例的基础上修改出来的。使用官方示例有一个问题。其在增加 y 轴值的时候,加了一个参数 stack="总量" ,使用该参数后,后面每根线的值会和前面一根线的各个点的值求和再显示。有这个场景比较适合使用这个选项,就是CPU利用率,不过这显然我的需求不一样,把这个值拿掉就好了。

    上面使用示例中还有两个参数也说明下:

    label_opts=opts.LabelOpts(is_show=False), //控制是否在线上显示各个点的值

    areastyle_opts=opts.AreaStyleOpts(opacity=0.5), //控制是否以颜色区域显示某根线

    二、柱状图

    根据官方示例,这里先写一个柱状图的示例:

    import tushare as ts

    import pyecharts.options as opts

    from pyecharts.charts import Bar, Line

    dw = ts.get_k_data('603515')

    df = dw[-30:]

    x_data = df['date'].values

    bar = (

    Bar()

    .add_xaxis(list(x_data))

    .add_yaxis("开", list(df['open'].values),label_opts=opts.LabelOpts(is_show=False))

    .add_yaxis("收", list(df['close'].values),label_opts=opts.LabelOpts(is_show=False))

    )

    bar.render_notebook()

    这里有一个坑就是,默认tushare取回的每一列值的数据类型是numpy类型的,而从官方示例上可以看出,其需要引入的是列表类型,所以需要list(npdata) 或npdata.to_list()进行数据转换,不然不能正常显示柱状图,这点和折线图不同,折线图不转换也可以正常显示。

    三、柱状图和折线图混用

    这部分可以参考官方示例:mixed_bar_and_line ,我这里具体实现的代码如下:

    import tushare as ts

    import pyecharts.options as opts

    from pyecharts.charts import Bar, Line

    dw = ts.get_k_data('603515')

    df = dw[-30:]

    x_data = df['date'].values

    bar = (

    Bar()

    .add_xaxis(list(x_data))

    .add_yaxis("开", list(df['open'].values),label_opts=opts.LabelOpts(is_show=False))

    .add_yaxis("收", list(df['close'].values),label_opts=opts.LabelOpts(is_show=False))

    )

    #bar.render_notebook()

    line = (

    Line()

    .add_xaxis(xaxis_data=x_data)

    .add_yaxis(

    series_name="高",

    #线上不显示数值

    label_opts=opts.LabelOpts(is_show=False),

    y_axis=df['high'].values,

    )

    .add_yaxis(

    series_name="低",

    label_opts=opts.LabelOpts(is_show=False),

    #是否显示阴影

    #areastyle_opts=opts.AreaStyleOpts(opacity=0.5),

    y_axis=df['low'].values,

    )

    .set_global_opts(

    tooltip_opts=opts.TooltipOpts(

    is_show=True, trigger="axis", axis_pointer_type="cross"

    ),

    yaxis_opts=opts.AxisOpts(

    type_="value",

    axistick_opts=opts.AxisTickOpts(is_show=True),

    splitline_opts=opts.SplitLineOpts(is_show=True),

    ),

    xaxis_opts=opts.AxisOpts(

    type_="category",

    boundary_gap=False,

    axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),

    ),

    )

    )

    #line.render_notebook()

    bar.overlap(line).render_notebook()

    效果图见最开始的图示。这里混使用主机使用bar.overlap(line)这样的用法。不过上图只是简单的展示,并没有标题,也没有y轴的单位名称,同时在鼠标移动时,也没有参考线,这些也可以参考官方示例进行配置,具体可以根据如下代码进行修改:

    .set_global_opts(

    tooltip_opts=opts.TooltipOpts(

    is_show=True, trigger="axis", axis_pointer_type="cross"

    ),

    xaxis_opts=opts.AxisOpts(

    type_="category",

    axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),

    ),

    yaxis_opts=opts.AxisOpts(

    name="水量",

    type_="value",

    min_=0,

    max_=250,

    interval=50,

    axislabel_opts=opts.LabelOpts(formatter="{value} ml"),

    axistick_opts=opts.AxisTickOpts(is_show=True),

    splitline_opts=opts.SplitLineOpts(is_show=True),

    ),

    )

    展开全文
  • 上一篇,我们讲解了pyecharts柱状图的常见类型,能够满足基本的工作学习需求,但是pyecharts的功能远不止于此,下面我将继续给大家介绍柱状图进阶展示形式,让你画出更酷炫的柱状图。1.数据堆叠柱状图...

    7d9a5390fb42afb7dabf020ae1721e5c.png

    上一篇,我们讲解了pyecharts柱状图的常见类型,能够满足基本的工作学习需求,但是pyecharts的功能远不止于此,下面我将继续给大家介绍柱状图进阶展示形式,让你画出更酷炫的柱状图。

    1.数据堆叠柱状图

    from pyecharts import options as opts
    from pyecharts.charts import Bar
    l1=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
    l2=[100,200,300,400,500,400,300]
    l3=[300,400,500,400,300,200,100]
    bar = (
        Bar()
        .add_xaxis(l1)
        .add_yaxis("l2", l2, stack="stack1")
        .add_yaxis("l3", l3, stack="stack1")
        .set_global_opts(title_opts=opts.TitleOpts(title="数据堆叠"))
    )
    bar.render_notebook()
    c5e593a393935394f5d0094c5c9a0ce1.png

    2.柱状图和折线图合并

    import pyecharts.options as opts
    from pyecharts.charts import Bar, Line


    x_data = ["1月""2月""3月""4月""5月""6月""7月""8月""9月""10月""11月""12月"]

    bar = (
        Bar(init_opts=opts.InitOpts(width="1000px", height="500px"))
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="降水量",
            yaxis_data=[
                2.6,
                5.9,
                9.0,
                26.4,
                28.7,
                70.7,
                175.6,
                182.2,
                48.7,
                18.8,
                6.0,
                2.3,
            ],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(
                is_show=True, trigger="axis", axis_pointer_type="cross"
            ),
            xaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
            yaxis_opts=opts.AxisOpts(
                name="水量",
                type_="value",
                min_=0,
                max_=250,
                interval=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
        )
    )

    line = (
        Line()
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="降水量",
            yaxis_index=0,
            y_axis=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3,],
            label_opts=opts.LabelOpts(is_show=False),
        )
    )

    bar.overlap(line).render_notebook()

    1753c67087bb7eb2942544bfb454ec06.png
    yaxis_opts=opts.AxisOpts()中可以设置纵坐标起止范围和间隔

    3.双纵坐标柱状图

    如果想把温度和降雨量画在同一个柱状图内,一个纵坐标就不够用了
    import pyecharts.options as opts
    from pyecharts.charts import Bar, Line
    x_data = ["1月""2月""3月""4月""5月""6月""7月""8月""9月""10月""11月""12月"]

    bar = (
        Bar(init_opts=opts.InitOpts(width="1000px", height="600px"))
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="蒸发量",
            yaxis_index=0,
            yaxis_data=[
                2.0,
                4.9,
                7.0,
                23.2,
                25.6,
                76.7,
                135.6,
                162.2,
                32.6,
                20.0,
                6.4,
                3.3,
            ],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .add_yaxis(
            series_name="平均温度",
            yaxis_index=1,
            yaxis_data=[2.02.23.34.56.310.220.323.423.016.512.06.2],
            label_opts=opts.LabelOpts(is_show=False),
        )
        .extend_axis(
            yaxis=opts.AxisOpts(
                name="温度",
                type_="value",
                min_=0,
                max_=25,
                interval=5,
                axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            )
        )
        .set_global_opts(
            tooltip_opts=opts.TooltipOpts(
                is_show=True, trigger="axis", axis_pointer_type="cross"
            ),
            xaxis_opts=opts.AxisOpts(
                type_="category",
                axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
            ),
            yaxis_opts=opts.AxisOpts(
                name="水量",
                type_="value",
                min_=0,
                max_=250,
                interval=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
                axistick_opts=opts.AxisTickOpts(is_show=True),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
        )
    )
    bar.render_notebook()
    6641caf330fcc6ee321224215e365d86.png

    extend_axis:增加了以温度为刻度的纵坐标轴

    add_yaxis:yaxis_index=0表示该数据用第一个坐标轴,yaxis_index=1表示该数据用第二个坐标轴

    4.为柱状图添加背景图片

    觉得背景太单调?那就来自定义一下背景图片吧

    from pyecharts import options as opts
    from pyecharts.charts import Bar
    from pyecharts.commons.utils import JsCode
    from pyecharts.faker import Faker
    l2=[100,200,300,400,500,400,300]
    l3=[300,400,500,400,300,200,100]
    bar = (
        Bar(
            init_opts=opts.InitOpts(
                bg_color={"type""pattern""image": JsCode("img"), "repeat""no-repeat"}
            )
        )
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", l2)
        .add_yaxis("商家B", l3)
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title="Bar-背景图基本示例",
                subtitle="我是副标题",
                title_textstyle_opts=opts.TextStyleOpts(color="white"),
            )
        )
    )
    bar.add_js_funcs(
        """
        var img = new Image(); img.src = 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1598692410282&di=3a4c3f5770826c30089dd3975357bcd7&imgtype=0&src=http%3A%2F%2Fdimg01.c-ctrip.com%2Fimages%2Ffd%2Ftg%2Fg6%2FM00%2F4A%2F70%2FCggYslbXsPaABfvoAAE_7azp5ow674_R_1024_10000_Q90.jpg';
        """

    )
    bar.render_notebook()
    1cf8747d53843a424056c2f815e9fc59.png

    只需更改img.src中图片url地址即可更换背景

    5.为柱状图添加动画

    简单的出场方式已经不能满足我的需要了,我需要酷炫一点的
    from pyecharts import options as opts
    from pyecharts.charts import Bar
    from pyecharts.faker import Faker

    l1=[100,200,300,400,500,400,300]
    l2=[300,400,500,400,300,200,100]
    bar = (
        Bar(
            init_opts=opts.InitOpts(
                animation_opts=opts.AnimationOpts(
                    animation_delay=1000, animation_easing="bounceIn"
                )
            )
        )
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", l1)
        .add_yaxis("商家B", l2)
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-动画配置基本示例", subtitle="我是副标题"))
    )
    bar.render_notebook()

    c3df2968358d16d64622c6cda879c2b5.gif

    animation_delay设置延迟时间

    animation_easing设置动画效果

    -完-

    推荐阅读:

    python数据分析——pyecharts柱状图全解(小白必看)

    python数据分析之环境搭建——小白也能看懂的Jupyter Notebook安装与使用教程
    Python深度分析出高考最难的年份

    5996e1e35ab7dac3f47141ba72269730.png

    长按回复下方【关键词】,获取优质资源:

    回复关键词【福利1】,立即获取python数据分析教学视频回复关键词【福利2】,立即获取python学习电子书
    展开全文
  • Pyecharts 柱状图等无法绘出图表 最近使用Pyecharts时,经常出现,虽然图表的整体结构已经出来了(x轴出来了,legend也出来了),但是图中的y轴数据没出来,查看数据,发现y轴数据也是有的,但就是绘制不出来,后来...
  • pyecharts 柱状图自定义tooltip提示框,以及数据传入办法 我的需求 鼠标移动到柱状图上时,显示对应的文本信息。 最终效果(fake_data)如下图: 查阅的资料 1,echarts中的用法 2,pyecharts中JsCode简介 3,...
  • 2020年初,很久没有用过pyecharts的我由于工作原因,安装...这里描述了设置柱状图6大元素、柱状图转置XY轴、堆叠柱状图的方法。了解清楚了柱状图,其他图形应该就无师自通啦,框架结构都是一样的,参数不同而已,看...
  • 2020年初,很久没有用过pyecharts的我由于工作原因,安装了新版pyecharts之后,以前的...参考网址:A Python Echarts Plotting Library这里描述了设置柱状图6大元素、柱状图转置XY轴、堆叠柱状图的方法。了解...
  • pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。 pyecharts 分为 v0.5.X 和 v1 两个大版本,v...
  • 一、pyecharts简介pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。pyecharts 分为 v0.5.X 和 v1...
  • pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。 pyecharts 分为 v0.5.X 和 v1 两个大版本,v...
  • 一、pyecharts简介pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。pyecharts 分为 v0.5.X 和 v1...
  • 一、pyecharts简介pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。pyecharts 分为 v0.5.X 和 v1...
  • 一、pyecharts简介pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。pyecharts 分为 v0.5.X 和 v1 ...
  • /usr/bin/python3from pyecharts.charts import Bar, Pagefrom pyecharts import options as optsx = [ "python数据可视化库 a1","python数据可视化库 b1","python数据可视化库 c1" ]y1 = [ 1140,520,270...
  • pyecharts主要基于Web浏览器进行显示,绘制的图形比较多,包括折线图、柱状图、饼图、漏斗图 地图和极坐标图等。使用pyecharts绘图代码量很少,但绘制的图形比较美观。 pyecharts 分为 v0.5.X 和 v1 两个大版本,v...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 819
精华内容 327
关键字:

pyecharts柱状图