python大量数据折线图-Python数据可视化练习：各种折线图的用法

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

以下文章来源于python数据分析之禅，作者鸟哥

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

下面我给大家介绍一下如何用pyecharts画出各种折线图

1.基本折线图

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y=[100,200,300,400,500,400,300]

line=(

Line()

.set_global_opts(

tooltip_opts=opts.TooltipOpts(is_show=False),

xaxis_opts=opts.AxisOpts(type_="category"),

yaxis_opts=opts.AxisOpts(

type_="value",

axistick_opts=opts.AxisTickOpts(is_show=True),

splitline_opts=opts.SplitLineOpts(is_show=True),

)

.add_xaxis(xaxis_data=x)

.add_yaxis(

series_name="基本折线图",

y_axis=y,

symbol="emptyCircle",

is_symbol_show=True,

label_opts=opts.LabelOpts(is_show=False),

)

line.render_notebook()

series_name：图形名称

y_axis：数据

symbol：标记的图形，pyecharts提供的类型包括'circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow', 'none'，也可以通过 'image://url' 设置为图片，其中 URL 为图片的链接。is_symbol_show：是否显示 symbol

2.连接空数据（折线图）

有时候我们要分析的数据存在空缺值，需要进行处理才能画出折线图

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y=[100,200,300,400,None,400,300]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis(

series_name="连接空数据（折线图）",

y_axis=y,

is_connect_nones=True

)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-连接空数据"))

)

line.render_notebook()

3.多条折线重叠

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y1=[100,200,300,400,100,400,300]

y2=[200,300,200,100,200,300,400]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis(series_name="y1线",y_axis=y1,symbol="arrow",is_symbol_show=True)

.add_yaxis(series_name="y2线",y_axis=y2)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))

)

line.render_notebook()

4.平滑曲线折线图

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y1=[100,200,300,400,100,400,300]

y2=[200,300,200,100,200,300,400]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis(series_name="y1线",y_axis=y1, is_smooth=True)

.add_yaxis(series_name="y2线",y_axis=y2, is_smooth=True)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))

)

line.render_notebook()

is_smooth：平滑曲线标志

5.阶梯图

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y1=[100,200,300,400,100,400,300]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis(series_name="y1线",y_axis=y1, is_step=True)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图"))

)

line.render_notebook()

is_step：阶梯图参数

6.变换折线的样式

importpyecharts.options as optsfrom pyecharts.charts importLinefrom pyecharts.faker importFaker

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y1=[100,200,300,400,100,400,300]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis("y1",

y1,

symbol="triangle",

symbol_size=30,

linestyle_opts=opts.LineStyleOpts(color="red", width=4, type_="dashed"),

itemstyle_opts=opts.ItemStyleOpts(

border_width=3, border_color="yellow", color="blue"),

)

.set_global_opts(title_opts=opts.TitleOpts(title="Line-ItemStyle"))

)

line.render_notebook()

linestyle_opts:折线样式配置

color设置颜色，width设置宽度

type设置类型，有'solid', 'dashed', 'dotted'三种类型

itemstyle_opts：图元样式配置，border_width设置描边宽度，border_color设置描边颜色，color设置纹理填充颜色

7.折线面积图

importpyecharts.options as optsfrom pyecharts.charts importLine

x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']

y1=[100,200,300,400,100,400,300]

y2=[200,300,200,100,200,300,400]

line=(

Line()

.add_xaxis(xaxis_data=x)

.add_yaxis(series_name="y1线",y_axis=y1,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))

.add_yaxis(series_name="y2线",y_axis=y2,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))

.set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))

)

line.render_notebook()

8.双横坐标折线图

importpyecharts.options as optsfrom pyecharts.charts importLinefrom pyecharts.commons.utils importJsCode

js_formatter= """function (params) {

console.log(params);

return '降水量 ' + params.value + (params.seriesData.length ? '：' + params.seriesData[0].data : '');

}"""line=(

Line()

.add_xaxis(

xaxis_data=["2016-1","2016-2","2016-3","2016-4","2016-5","2016-6","2016-7","2016-8","2016-9","2016-10","2016-11","2016-12",

]

)

.extend_axis(

xaxis_data=["2015-1","2015-2","2015-3","2015-4","2015-5","2015-6","2015-7","2015-8","2015-9","2015-10","2015-11","2015-12",

xaxis=opts.AxisOpts(

type_="category",

axistick_opts=opts.AxisTickOpts(is_align_with_label=True),

axisline_opts=opts.AxisLineOpts(

is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#6e9ef1")

axispointer_opts=opts.AxisPointerOpts(

is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))

)

.add_yaxis(

series_name="2015 降水量",

is_smooth=True,

symbol="emptyCircle",

is_symbol_show=False,

color="#d14a61",

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),

linestyle_opts=opts.LineStyleOpts(width=2),

)

.add_yaxis(

series_name="2016 降水量",

is_smooth=True,

symbol="emptyCircle",

is_symbol_show=False,

color="#6e9ef1",

y_axis=[3.9, 5.9, 11.1, 18.7, 48.3, 69.2, 231.6, 46.6, 55.4, 18.4, 10.3, 0.7],

label_opts=opts.LabelOpts(is_show=False),

linestyle_opts=opts.LineStyleOpts(width=2),

)

.set_global_opts(

legend_opts=opts.LegendOpts(),

tooltip_opts=opts.TooltipOpts(trigger="none", axis_pointer_type="cross"),

xaxis_opts=opts.AxisOpts(

type_="category",

axistick_opts=opts.AxisTickOpts(is_align_with_label=True),

axisline_opts=opts.AxisLineOpts(

is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#d14a61")

axispointer_opts=opts.AxisPointerOpts(

is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))

yaxis_opts=opts.AxisOpts(

type_="value",

splitline_opts=opts.SplitLineOpts(

is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)

)

line.render_notebook()

9.用电量随时间变化

importpyecharts.options as optsfrom pyecharts.charts importLine

x_data=["00:00","01:15","02:30","03:45","05:00","06:15","07:30","08:45","10:00","11:15","12:30","13:45","15:00","16:15","17:30","18:45","20:00","21:15","22:30","23:45",

]

y_data=[300,280,250,260,270,300,550,500,400,390,380,390,400,500,600,750,800,700,600,400,

]

line=(

Line()

.add_xaxis(xaxis_data=x_data)

.add_yaxis(

series_name="用电量",

y_axis=y_data,

is_smooth=True,

label_opts=opts.LabelOpts(is_show=False),

linestyle_opts=opts.LineStyleOpts(width=2),

)

.set_global_opts(

title_opts=opts.TitleOpts(title="一天用电量分布", subtitle="纯属虚构"),

tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

xaxis_opts=opts.AxisOpts(boundary_gap=False),

yaxis_opts=opts.AxisOpts(

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

splitline_opts=opts.SplitLineOpts(is_show=True),

visualmap_opts=opts.VisualMapOpts(

is_piecewise=True,

dimension=0,

pieces=[

{"lte": 6, "color": "green"},

{"gt": 6, "lte": 8, "color": "red"},

{"gt": 8, "lte": 14, "color": "yellow"},

{"gt": 14, "lte": 17, "color": "red"},

{"gt": 17, "color": "green"},

pos_right=0,

pos_bottom=100),

)

.set_series_opts(

markarea_opts=opts.MarkAreaOpts(

data=[

opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),

opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),

]

)

line.render_notebook()

这里给大家介绍几个关键参数：

①visualmap_opts：视觉映射配置项，可以将折线分段并设置标签（is_piecewise），将不同段设置颜色（pieces）；

②markarea_opts：标记区域配置项，data参数可以设置标记区域名称和位置。

python大量数据折线图-Python数据可视化练习：各种折线图的用法相关推荐

知识图谱和图分析与可视化
来源:知链数据 "知识图谱和图分析与可视化"这个题目看起来比较大,我尝试基于本人的一些图数据可视化与分析经验,对知识图谱和图分析与可视化之间的关系进行简单梳理,并分享一些以知识图谱 ...
python使用matplotlib可视化堆积的折线图、使用stackplot函数可视化堆积的折线图、不同数据在垂直方向堆叠
python使用matplotlib可视化堆积的折线图.使用stackplot函数可视化堆积的折线图.不同数据在垂直方向堆叠目录
数据可视化实验：python数据可视化-柱状图，条形图，直方图，饼图，棒图，散点图，气泡图，雷达图，箱线图，折线图
数据可视化实验:python数据可视化实验8-12:大数据可视化工具-python 目录 1柱状图 2条形图 3直方图 4饼图 5棒图 6散点图 7气泡图 8雷达图 9箱线图 10折线图 1柱状图 ...
【Plotly】python数据可视化神器——绘制折线图
Plotly简介 Plotly是用于机器学习.数据挖掘等领域的数据可视化包. 其图标视觉效果简洁大气,可互动性强,成为我工作中进行数据可视化的一大利器,接下来我们就从最简单的折线图,带领大家逐渐入门p ...
python画曲线图例-Python数据可视化之Matplotlib(折线图)
一.使用Matplotlib生成数据图:是Python上的一个2D绘图库,它可以在跨平台上边出很多高质量的图像. 1.Pycharm安装Matplotlib库 (1)点击菜单上的"file& ...
python画曲线图-Python数据可视化之Matplotlib(折线图)
一.使用Matplotlib生成数据图:是Python上的一个2D绘图库,它可以在跨平台上边出很多高质量的图像. 1.Pycharm安装Matplotlib库 (1)点击菜单上的"file& ...
python excel数据分析画直方图饼状图_Excel数据可视化应用（直方图、折线图、饼状图）...
直方图:对比关系直方图是一种统计报告图,是表示资料变化情况的主要工具.直方图由一系列高度不等的的纵向条纹或线段表示数据分布的情况.一般用横轴表示数据类型,纵轴表示分布情况. 例1: 1.右键单击图表 ...
python数据可视化之美源码_Python数据可视化之美-专业图
Python数据可视化之美专业图表绘制指南作者:张杰著定价:129 出版社:电子工业出版社出版日期:2020年03月01日页数:303 装帧:平装 ISBN:97871 ...
Python读取excel文件中的数据，绘制折线图、散点图
https://www.cnblogs.com/liulinghua90/p/9935642.html https://blog.csdn.net/qq_32458499/article/detail ...

python大量数据折线图-Python数据可视化练习：各种折线图的用法

python大量数据折线图-Python数据可视化练习：各种折线图的用法相关推荐

最新文章

热门文章