from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker#伪数据

pie = Pie()
pie.add("这个系列的名称",[list(z) for z in zip(Faker.choose(), Faker.values())], radius=["40%", "75%"],)
pie.set_global_opts(title_opts=opts.TitleOpts(title="Pie-Radius"),
    legend_opts=opts.LegendOpts(orient="horizontal", pos_top="3%", pos_left="27%"))
pie.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))#显示百分比
pie.render("pie_radius.html")

opts.LabelOpts（formatter’）
# 标签内容格式器，支持字符串模板和回调函数两种形式，字符串模板与回调函数返回的字符串均支持用 \n 换行。
    # 模板变量有 {a}, {b}，{c}，{d}，{e}，分别表示系列名，数据名，数据值等。 
    # 在 trigger 为 'axis' 的时候，会有多个系列的数据，此时可以通过 {a0}, {a1}, {a2} 这种后面加索引的方式表示系列的索引。 
    # 不同图表类型下的 {a}，{b}，{c}，{d} 含义不一样。 其中变量{a}, {b}, {c}, {d}在不同图表类型下代表数据含义为：

    # 折线（区域）图、柱状（条形）图、K线图 : {a}（系列名称），{b}（类目值），{c}（数值）, {d}（无）
    # 散点图（气泡）图 : {a}（系列名称），{b}（数据名称），{c}（数值数组）, {d}（无）
    # 地图 : {a}（系列名称），{b}（区域名称），{c}（合并数值）, {d}（无）
    # 饼图、仪表盘、漏斗图: {a}（系列名称），{b}（数据项名称），{c}（数值）, {d}（百分比）
    # 示例：formatter: '{b}: {@score}'
    # 
    # 回调函数，回调函数格式：
    # (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,
    # }
    formatter: Optional[str] = None,


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

x=range(1,8)
y=[114, 55, 27, 101, 125, 27, 105]
bar = Bar()
bar.add_xaxis(list(x))
bar.add_yaxis("name", y)
bar.set_global_opts(xaxis_opts=opts.AxisOpts(max_=10,axisline_opts=opts.AxisLineOpts(is_show=False)))#max_配置x轴刻度
bar.render("bar2.html")

学习笔记，仅供参考，有错必究

文章目录
pyecharts学习
pyecharts饼图
pyechart 圆弧状Pie


pyecharts学习
pyecharts饼图
Pie 需要的数据格式：
[[x1,y1],[x2,y2]]
绘制饼图的操作步骤：

构建Pie 的数据
为Pie 示例对象添加数据
设置标题
设置每一项占比

from pyecharts.charts import  Pie
from pyecharts import  options as opts

# 构建Pie的数据
x = ['直接访问','营销推广','博客推广','搜索引擎']
y = [830,214,300,1100]

# Pie 设置指定的格式
data_pair = [list(z) for z in  list(zip(x_data,y_data))]
print(data_pair)

[['直接访问', 830], ['营销推广', 214], ['博客推广', 300], ['搜索引擎', 1100]]

def pie_charts(data_pair)->Pie:
    c = Pie(init_opts=opts.InitOpts(width='600px',height='600px'))
    c.add(series_name='访问来源',data_pair=data_pair)

    # 设置全局项
    c.set_global_opts(title_opts=opts.TitleOpts(title='课程不同的来源的销售分析',pos_left='center',pos_top=20))

    # 设置每项数据占比
    c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a} <br/> {b}:{c} ({d}%)"))
    return c


c  = pie_charts(data_pair)
c.render_notebook()


pyechart 圆弧状Pie
def pie_radius_charts(data_pair)->Pie:
    c = Pie()
    c.add(series_name='访问来源',data_pair=data_pair,radius=['40%','75%'])
    
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='课程不同销售来源'),
        legend_opts=opts.LegendOpts(orient='vertical',pos_top='15%',pos_left='2%')
    )
    
    # 设置每项数据占比
    c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a} <br/> {b}:{c} ({d}%)"))
    return c 


c = pie_radius_charts(data_pair)
c.render_notebook()

如果要把 pyecharts 里的饼图嵌入其他页面，有的时候需要调整饼图的位置。

不调整可能会显示成这样：



调整后的效果是这样：



 

关键代码在于：

center=["40%", "60%"]

def pie_base_proc(p_dict, p_list) -> Pie:
    c = (
        Pie(init_opts=opts.InitOpts(width=p_dict['width'],height=p_dict['height']))
        .add("", p_list,center=["40%", "60%"])

        .set_global_opts(title_opts=opts.TitleOpts(title=p_dict['title']),
                             legend_opts=opts.LegendOpts(orient=p_dict['orient'], pos_left=p_dict['pos_left'], pos_top=p_dict['pos_top']))

        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}", position='inside'))

    )
    return c


def lx_data_Pie(m_dict):
    p_dict = {'title':m_dict['title'], 'width':'300px', 'height': '300px'}
    # horizontal vertical
    p_dict['orient'] ="horizontal"
    p_dict['pos_left'] = "0%"
    p_dict['pos_top'] = "5%"
    m_data = m_dict['m_data']
    p_list = [list(z) for z in zip(m_data[0], m_data[1])]
    return pie_base_proc(p_dict,p_list)

 

 

1. 打开虚拟机，确保虚拟机中的mysql正常连接：



2.数据准备：

Navicat Premium正常连接虚拟机中的mysq，创建名为follow的数据库，再通过excel导入准备好的数据：



3.Navicat Premium中查询出表中各评分及其对应的影片数量：



4. 验证查询结果正确性，如验证9.4分的影片个数是否为4：



5. cmd开打jupyterlab，http地址复制到浏览器中:



6. jupyterlab中写入程序：



7.运行程序：

 



8. 有些时候juputerlab中显示不出图形，可以用下面运行程序看图形是否生成：