实验目的：

了解ECharts和pyecharts数据可视化的特点
掌握ECharts和pyecharts的简单操作
能够使用ECharts和pyecharts实现数据可视化操作

实验内容：

练习掌握pyecharts的安装和使用方法
练习使用pyecharts绘制柱状图、仪表盘图、3D图、雷达图、面积图等

实验过程（附结果截图）：

1.练习掌握pyecharts的安装和使用方法

（1）打开Windows命令窗口，执行 “pip install pyecharts” 命令安装pyecharts库

（2）执行 “pip list” 命令查看安装结果

（3）使用pyecharts制作柱状图

from pyecharts.charts import Barv1 = [70, 85, 95, 64]
str1 = ['数学', '物理', '化学', '英语']
bar1 = Bar()
bar1.add_xaxis(str1)
bar1.add_yaxis('成绩', v1)
bar1.render()

2.练习使用pyecharts绘制柱状图、仪表盘图、3D图、雷达图、面积图等

（1）绘制柱状图

from pyecharts.charts import Bar
from pyecharts import options as optsv1 = [70,85,95,64]
v2 = [80,75,85,70]
str1 = ['数学','物理','化学','英语']
bar = Bar()
bar.add_xaxis(str1)
bar.add_yaxis('小明', v1)
bar.add_yaxis('小红', v2)
bar.set_global_opts(title_opts=opts.TitleOpts(title='柱状图', subtitle='分数'))
bar.render()

（2）绘制仪表盘图

from pyecharts import options as opts
from pyecharts.charts import Gaugec = (Gauge().add("", [("完成率", 66.6)]).set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例")).render("gauge_base.html")
)

（3）绘制3D图

import pyecharts.options as opts
from pyecharts.charts import Bar3Dhours = ["12a","1a","2a","3a","4a","5a","6a","7a","8a","9a","10a","11a","12p","1p","2p","3p","4p","5p","6p","7p","8p","9p","10p","11p",
]
days = ["Saturday", "Friday", "Thursday", "Wednesday", "Tuesday", "Monday", "Sunday"]data = [[0, 0, 5],[0, 1, 1],[0, 2, 0],[0, 3, 0],[0, 4, 0],[0, 5, 0],[0, 6, 0],[0, 7, 0],[0, 8, 0],[0, 9, 0],[0, 10, 0],[0, 11, 2],[0, 12, 4],[0, 13, 1],[0, 14, 1],[0, 15, 3],[0, 16, 4],[0, 17, 6],[0, 18, 4],[0, 19, 4],[0, 20, 3],[0, 21, 3],[0, 22, 2],[0, 23, 5],[1, 0, 7],[1, 1, 0],[1, 2, 0],[1, 3, 0],[1, 4, 0],[1, 5, 0],[1, 6, 0],[1, 7, 0],[1, 8, 0],[1, 9, 0],[1, 10, 5],[1, 11, 2],[1, 12, 2],[1, 13, 6],[1, 14, 9],[1, 15, 11],[1, 16, 6],[1, 17, 7],[1, 18, 8],[1, 19, 12],[1, 20, 5],[1, 21, 5],[1, 22, 7],[1, 23, 2],[2, 0, 1],[2, 1, 1],[2, 2, 0],[2, 3, 0],[2, 4, 0],[2, 5, 0],[2, 6, 0],[2, 7, 0],[2, 8, 0],[2, 9, 0],[2, 10, 3],[2, 11, 2],[2, 12, 1],[2, 13, 9],[2, 14, 8],[2, 15, 10],[2, 16, 6],[2, 17, 5],[2, 18, 5],[2, 19, 5],[2, 20, 7],[2, 21, 4],[2, 22, 2],[2, 23, 4],[3, 0, 7],[3, 1, 3],[3, 2, 0],[3, 3, 0],[3, 4, 0],[3, 5, 0],[3, 6, 0],[3, 7, 0],[3, 8, 1],[3, 9, 0],[3, 10, 5],[3, 11, 4],[3, 12, 7],[3, 13, 14],[3, 14, 13],[3, 15, 12],[3, 16, 9],[3, 17, 5],[3, 18, 5],[3, 19, 10],[3, 20, 6],[3, 21, 4],[3, 22, 4],[3, 23, 1],[4, 0, 1],[4, 1, 3],[4, 2, 0],[4, 3, 0],[4, 4, 0],[4, 5, 1],[4, 6, 0],[4, 7, 0],[4, 8, 0],[4, 9, 2],[4, 10, 4],[4, 11, 4],[4, 12, 2],[4, 13, 4],[4, 14, 4],[4, 15, 14],[4, 16, 12],[4, 17, 1],[4, 18, 8],[4, 19, 5],[4, 20, 3],[4, 21, 7],[4, 22, 3],[4, 23, 0],[5, 0, 2],[5, 1, 1],[5, 2, 0],[5, 3, 3],[5, 4, 0],[5, 5, 0],[5, 6, 0],[5, 7, 0],[5, 8, 2],[5, 9, 0],[5, 10, 4],[5, 11, 1],[5, 12, 5],[5, 13, 10],[5, 14, 5],[5, 15, 7],[5, 16, 11],[5, 17, 6],[5, 18, 0],[5, 19, 5],[5, 20, 3],[5, 21, 4],[5, 22, 2],[5, 23, 0],[6, 0, 1],[6, 1, 0],[6, 2, 0],[6, 3, 0],[6, 4, 0],[6, 5, 0],[6, 6, 0],[6, 7, 0],[6, 8, 0],[6, 9, 0],[6, 10, 1],[6, 11, 0],[6, 12, 2],[6, 13, 1],[6, 14, 3],[6, 15, 4],[6, 16, 0],[6, 17, 0],[6, 18, 0],[6, 19, 0],[6, 20, 1],[6, 21, 2],[6, 22, 2],[6, 23, 6],
]
data = [[d[1], d[0], d[2]] for d in data](Bar3D(init_opts=opts.InitOpts(width="1600px", height="800px")).add(series_name="",data=data,xaxis3d_opts=opts.Axis3DOpts(type_="category", data=hours),yaxis3d_opts=opts.Axis3DOpts(type_="category", data=days),zaxis3d_opts=opts.Axis3DOpts(type_="value"),).set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=20,range_color=["#313695","#4575b4","#74add1","#abd9e9","#e0f3f8","#ffffbf","#fee090","#fdae61","#f46d43","#d73027","#a50026",],)).render("bar3d_punch_card.html")
)

（4）绘制雷达图

import pyecharts.options as opts
from pyecharts.charts import Radarv1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]](Radar(init_opts=opts.InitOpts(width="1280px", height="720px", bg_color="#CCCCCC")).add_schema(schema=[opts.RadarIndicatorItem(name="销售（sales）", max_=6500),opts.RadarIndicatorItem(name="管理（Administration）", max_=16000),opts.RadarIndicatorItem(name="信息技术（Information Technology）", max_=30000),opts.RadarIndicatorItem(name="客服（Customer Support）", max_=38000),opts.RadarIndicatorItem(name="研发（Development）", max_=52000),opts.RadarIndicatorItem(name="市场（Marketing）", max_=25000),],splitarea_opt=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),textstyle_opts=opts.TextStyleOpts(color="#fff"),).add(series_name="预算分配（Allocated Budget）",data=v1,linestyle_opts=opts.LineStyleOpts(color="#CD0000"),).add(series_name="实际开销（Actual Spending）",data=v2,linestyle_opts=opts.LineStyleOpts(color="#5CACEE"),).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="基础雷达图"), legend_opts=opts.LegendOpts()).render("basic_radar_chart.html")
)

（5）绘制面积图

import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Fakerc = (Line().add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values(), is_smooth=True).add_yaxis("商家B", Faker.values(), is_smooth=True).set_series_opts(areastyle_opts=opts.AreaStyleOpts(opacity=0.5),label_opts=opts.LabelOpts(is_show=False),).set_global_opts(title_opts=opts.TitleOpts(title="Line-面积图（紧贴 Y 轴）"),xaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_align_with_label=True),is_scale=False,boundary_gap=False,),).render("line_areastyle_boundary_gap.html")
)

实验总结自己写写就行了，本实验仅供参考。

可视化实验四：大数据可视化工具—ECharts（二）相关推荐

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 ...
数据可视化系列-01大数据可视化基础
文章目录 1.概述 2.大数据可视化基础 2.1 数据可视化基础知识 1.数据可视化简史: 2.数据可视化是什么: 3.数据可视化的分类: 4.数据可视化流程: 5.数据可视化的意义: 2.2 认识B ...
星痕轻松实现大屏数据可视化_买大数据可视化大屏幕，看这篇文章就够了
近年来,随着融媒体中心.智慧城市及安防产业的快速发展,拼接大屏逐渐成为各演播大厅.指挥控制室等场所不可或缺的一份子.形形色色的大屏专用名词,如LCD.LED.DID.DLP等,让不少人应接不暇.在这里 ...
【matlab】实验四：数据可视化+matlab绘图
题目一 1.设y=cos(x)(0.5+3sin(x)/(1+x^2)),把x=0~2*pi间分为101点,绘制图像 clear;clc; x=0:2*pi/100:3*pi; y=cos(x)*(0 ...
这篇文章你一定要阅读：大数据可视化以及几款数据可视化的工具介绍
大数据可视化是什么数据可视化要根据数据的特性,可视化要根据数据的特性,如时间信息和空间信息等,找到合适的可视化方式,例如图表(Chart).图(Diagram)和地图(Map)等,将数据直观地展现出 ...
视频教程-跟风舞烟学大数据可视化－Echarts从入门到上手实战-JavaScript
跟风舞烟学大数据可视化-Echarts从入门到上手实战网名风舞烟,中国科技大学计算机专业.微软认证讲师(MCE).微软数据分析讲师.10多年软件行业从业经验,参与过数百万的企业级ERP系统,在大数据 ...
大数据可视化及发展趋势
大数据可视化及发展趋势大数据可视化是什么数据可视化要根据数据的特性,可视化要根据数据的特性,如时间信息和空间信息等,找到合适的可视化方式,例如图表(Chart).图(Diagram)和地图(Map ...
什么是大数据可视化，有什么作用？
根据数据的特点,如时间信息和空间信息,应建立数据可视化,例如图表(Chart).图(Diagram)和地图(Map)等,将数据直观地展现出来,以便直观地显示数据,帮助人们理解数据,同时发现海量数据中包 ...
数字冰雹创始人邓潇专访：2017大数据可视化的关键技术及行业应用
大数据可视化的内涵与意义大数据可视化就是利用视觉的方式将那些巨大的.复杂的.枯燥的.潜逻辑的数据展现出来,无论通过地理空间.时间序列,还是逻辑关系等不同维度,最终使读者在短时间内理解数据背后的规律与 ...
3D物联网大数据可视化制作平台
大数据3D可视化产业正在用一个超乎我们想象的速度蓬勃发展,随着3D物联网大数据时代的来临,商迪3D身为拥有前沿3D物联网技术的我们,也要紧跟科技时代的步伐为各大企业打造优秀的信息数据库.3D物联网大数 ...

可视化实验四：大数据可视化工具—ECharts（二）

实验目的：

实验内容：

实验过程（附结果截图）：

实验总结自己写写就行了，本实验仅供参考。

可视化实验四：大数据可视化工具—ECharts（二）相关推荐

最新文章

热门文章