内容整理于网络，因为忘了之前是从那几篇文章中整理的了，所以转载的连接不知道填啥，如果作者有看到的话，可以联系下我，谢谢
注意：所有带有import random的都是生成随机数展示的，如果有需要研究对应的数据格式改回

数据大屏可视化1-pyecharts库说明（python）
数据大屏可视化2-超全的基础图形模板（基础模版）
数据大屏可视化3-通用数据大屏模版

一、柱状图
原始柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# V1 版本开始支持链式调用
bar = (Bar().add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]).add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]).add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]).set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
)
bar.render('E:\MyProjects\可视化\原始柱状图.html')

换色彩模式柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 条形图
from pyecharts.globals import ThemeType
bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]).add_yaxis("商家B", [15, 6, 45, 20, 35, 66]).set_global_opts(title_opts=opts.TitleOpts (title="商家销售情况", subtitle="商家对比"))
)
bar.render('E:\MyProjects\可视化\柱状图.html')

带标记柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 基础数据
xray = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] # x轴数据
y1 =   [114, 55, 27, 101, 125, 27]
y2 =  [57, 134, 137, 129, 145, 60]
bar = Bar()
bar.add_xaxis(xray)
bar.add_yaxis("S1",y1)
bar.add_yaxis("S2",y2)
bar.set_global_opts(title_opts=opts.TitleOpts(title="Bar-datazoom）"),datazoom_opts = opts.DataZoomOpts(type_ = "inside"))
bar.set_series_opts(label_opts = opts.LabelOpts(is_show = False),markpoint_opts = opts.MarkPointOpts(data = [opts.MarkPointItem(type_ = "max",name = "max"),opts.MarkPointItem(name = "min",type_ = "min")] # 这里需要注意data是一个系列，就算只有一个也是必须做list处理),markline_opts = opts.MarkLineOpts(data = [opts.MarkLineItem(name = "average",type_ = "average")]))
# bar.render_notebook()
bar.render('E:\MyProjects\可视化\柱状图特殊标记.html')

横向柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts
# 基础数据
xray = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] # x轴数据
y1 =   [114, 55, 27, 101, 125, 27]
y2 =  [57, 134, 137, 129, 145, 60]
# y轴数据 ，无法直接使用numpy对象，转为list进行处理
bar = Bar()
bar.add_xaxis(xray)
bar.add_yaxis("S1",y1)
bar.add_yaxis("S2",y2)
bar.reversal_axis()
bar.set_global_opts(title_opts=opts.TitleOpts("rever"),toolbox_opts = opts.ToolboxOpts(is_show = True))
bar.set_series_opts(label_opts=opts.LabelOpts(position = "right"))
# bar.render_notebook()
bar.render('E:\MyProjects\可视化\横向条形图.html')

时间轴柱状图

# import random
from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline
from pyecharts.globals import ThemeType
# 示例数据
tl = Timeline()
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
bar = (Bar().add_xaxis(cate).add_yaxis("线上", [63, 77, 58, 62, 105, 134]).add_yaxis("门店", [133, 174, 115, 163, 131, 167]).set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2015))))
tl.add(bar, "{}年".format(2015))
bar = (Bar().add_xaxis(cate).add_yaxis("线上", [66, 109, 147, 131, 61, 146]).add_yaxis("门店", [110, 117, 144, 134, 104, 105]).set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2016))))
tl.add(bar, "{}年".format(2016))
bar = (Bar().add_xaxis(cate).add_yaxis("线上",[97, 98, 140, 85, 61, 99]).add_yaxis("门店",[194, 120, 176, 124, 128, 192]).set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2017))))
tl.add(bar, "{}年".format(2017))
bar = (Bar().add_xaxis(cate).add_yaxis("线上",[124, 104, 105, 52, 78, 62]).add_yaxis("门店",[157, 107, 161, 184, 124, 142]).set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2018))))
tl.add(bar, "{}年".format(2018))
bar = (Bar().add_xaxis(cate).add_yaxis("线上",[140, 60, 65, 121, 110, 105]).add_yaxis("门店",[111, 117, 182, 156, 108, 131]).set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(2019))))
tl.add(bar, "{}年".format(2019))
tl.render('时间轴柱状图.html')

二、折线图
基础折线图

import random
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode
line = (Line().add_xaxis(['{}月第{}周周赛'.format(y,z) for y in range(1, 3)  # 1、2月  for z in range(1, 5)])  # 1-4周.add_yaxis('A题', [random.randint(10, 20) for _ in range(8)], is_smooth=True, # 平滑markpoint_opts=opts.MarkPointOpts(# 使用coord这个属性设置自定义标记点数值，我这儿随便写data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='标注值')])).add_yaxis('B题', [random.randint(5, 20) for _ in range(8)]).add_yaxis('C题', [random.randint(5, 20) for _ in range(8)]).set_series_opts(label_opts=opts.LabelOpts(formatter=JsCode( # 通过定义JavaScript回调函数自定义标签"function(params){""return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！))).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度yaxis_opts=opts.AxisOpts(name='AC率', min_=3), title_opts=opts.TitleOpts(title='折线示例_ACM题目分析'))        )
line.render('E:\MyProjects\可视化\折线图.html')

时间轴折线图

import pyecharts.options as opts
from pyecharts.charts import Line,Timeline
from pyecharts.commons.utils import JsCode
tl = Timeline()
#如果静态显示一个折线图数据，到tl前为止格式即可line.render()
line = (Line().add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销']).add_yaxis('A店',[11,15,12,13])#,is_smooth=True,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='平滑'))).add_yaxis('B店',[17,17,18,19],is_smooth=True,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name='自定义标记点',coord=[2,18],value='平滑')])).set_series_opts(label_opts=opts.LabelOpts(formatter=JsCode( # 通过定义JavaScript回调函数自定义标签"function(params){""return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！))).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(1)))
)
tl.add(line, "2020年{}月".format(1))
line = (Line().add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销','2月1周周销','2月2周周销','2月3周周销','2月4周周销']).add_yaxis('A店',[11,15,12,13,17,15,12,15]).add_yaxis('B店',[17,17,18,19,16,17,18,17]).set_series_opts(label_opts=opts.LabelOpts(formatter=JsCode( # 通过定义JavaScript回调函数自定义标签"function(params){""return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！))).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(2)))
)
tl.add(line, "2020年1月-{}月".format(2))
line = (Line().add_xaxis(['1月1周周销','1月2周周销','1月3周周销','1月4周周销','2月1周周销','2月2周周销','2月3周周销','2月4周周销','3月1周周销','3月2周周销','3月3周周销','3月4周周销']).add_yaxis('A店',[11,15,12,13,17,15,12,15,10,13,15,17]).add_yaxis('B店',[17,17,18,19,16,17,18,17,20,17,18,16]).set_series_opts(label_opts=opts.LabelOpts(formatter=JsCode( # 通过定义JavaScript回调函数自定义标签"function(params){""return params.value[1].toString() + '%';}"  # 外层单引号内存双引号亲测不行！))).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度yaxis_opts=opts.AxisOpts(name='Y轴-周销售额', min_=3), title_opts=opts.TitleOpts(title='标题-门店周销售额动态显示'.format(3)))
)
tl.add(line, "2020年1月-{}月".format(3))
tl.render('时间轴折线图.html')

折线面积图

import random
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCodeline = (Line().add_xaxis(['{}月第{}周周赛'.format(y,z) for y in range(1, 3)  # 1、2月  for z in range(1, 5)])  # 1-4周.add_yaxis('蔡队', [random.randint(10, 20) for _ in range(8)], is_symbol_show=False,         areastyle_opts=opts.AreaStyleOpts(opacity=0.5),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='average', name='均值'),opts.MarkPointItem(type_='max', name='最大值'),opts.MarkPointItem(type_='min', name='最小值')], symbol_size=50)           ).add_yaxis('旺神', [random.randint(6, 20) for _ in range(8)], is_smooth=True, is_symbol_show=False,areastyle_opts=opts.AreaStyleOpts(opacity=0.5)).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-30)), # 设置x轴标签旋转角度yaxis_opts=opts.AxisOpts(name='完成积分', min_=5), title_opts=opts.TitleOpts(title='折线面积图示例_周赛分析'))        )line.render('E:\MyProjects\可视化\折线面积图.html')

组合展示图

from pyecharts.charts import Bar,Grid,Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ["{}月".format(i) for i in range(1, 13)]
zengfaliang =  [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
jiangshuiliang = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
average_wendu = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]
grid = Grid()
bar = Bar()
grid.theme = ThemeType.PURPLE_PASSION
line = Line()
bar.add_xaxis(x_data)
bar.add_yaxis("蒸发量",zengfaliang)
bar.add_yaxis("降水量",jiangshuiliang)
bar.set_global_opts(title_opts=opts.TitleOpts("Grid-多Y轴展示"),tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") # 交叉指向工具)
bar.extend_axis(yaxis=opts.AxisOpts(type_="value",name="温度",min_=0,max_=25,position="right",                    axislabel_opts=opts.LabelOpts(formatter="{value} °C"),))
# 在bar上增加Y轴，在line图上选择对应的轴向
line.add_xaxis(x_data)
line.add_yaxis("平均温度",average_wendu,yaxis_index = 1)
# 把line添加到bar上
bar.overlap(line)
# 这里如果不需要grid也可以，直接设置bar的格式，然后显示bar即可
#bar.render_notebook()
grid.add(chart = bar,grid_opts = opts.GridOpts(),is_control_axis_index = True)
# grid.render_notebook()
grid.render('E:\MyProjects\可视化\多轴展示.html')

三、饼图
基础饼图

import random
from pyecharts import options as opts
from pyecharts.charts import Page, Pie
pie = (Pie().add('鼠标选中分区后的tip',[list(z) for z in zip(['20{}年第{}季'.format(year,season)   for year in [19, 20]  # count 2                                        for season in range(1,5)] # count 2,[random.randint(2, 10) for _ in range(8)])]) # count 8.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}: {c}万套')).set_global_opts(title_opts=opts.TitleOpts(title='饼图实例-近两年季度销售'),legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\饼图.html')

环形图

import random
from pyecharts import options as opts
from pyecharts.charts import Pie
pie = (Pie().add('鼠标选中分区后的tip',[list(z) for z in zip(['20{}年第{}季'.format(year,season)   for year in [19, 20]  # count 2                                        for season in range(1,5)] # count 2,[random.randint(2, 10) for _ in range(8)])],radius=['50%', '75%'],          #设置内径外径           label_opts=opts.LabelOpts(is_show=True)        ).set_global_opts(title_opts=opts.TitleOpts(title='圆环图示例-近两年季度销售'),legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\环形图.html')

玫瑰图

import random
from pyecharts import options as opts
from pyecharts.charts import Pie
pie = (Pie().add('鼠标选中分区后的tip',[list(z) for z in zip(['20{}年第{}季'.format(year,season)   for year in [19, 20]  # count 2                                        for season in range(1,5)] # count 2,[random.randint(0, 10) for _ in range(8)])],radius=['10%', '75%'],          #设置内径外径# rosetype='radius' 圆心角展现数据百分比，半径展现数据大小# rosetype='area' 圆心角相同，为通过半径展现数据大小rosetype='radius',             label_opts=opts.LabelOpts(is_show=True)        ).set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图示例-近两年季度销售'),legend_opts=opts.LegendOpts(is_show=False))
)
pie.render('E:\MyProjects\可视化\玫瑰图.html')

四、其他图形
漏斗图

from pyecharts.charts import Funnel
from pyecharts import options as opts# 示例数据
cate = ['访问', '注册', '加入购物车', '提交订单', '付款成功']
data = [30398, 15230, 10045, 8109, 5698]
"""
漏斗图示例：
1. sort_控制排序，默认降序；
2. 标签显示位置
"""
funnel = (Funnel().add("用户数", [list(z) for z in zip(cate, data)], sort_='ascending',label_opts=opts.LabelOpts(position="inside")).set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例", subtitle="我是副标题")))funnel.render_notebook()
funnel.render('漏斗图.html')

热力图

from pyecharts.charts import HeatMap
from pyecharts import options as opts
from pyecharts.faker import Faker
import random
# 示例数据
data = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heat = (HeatMap().add_xaxis(Faker.clock).add_yaxis("访客数", Faker.week, data,label_opts=opts.LabelOpts(is_show=True, position="inside")).set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例", subtitle="我是副标题"),visualmap_opts=opts.VisualMapOpts(),legend_opts=opts.LegendOpts(is_show=False)))
#heat.render_notebook()
heat.render('热力图.html')

雷达图

from pyecharts import options as opts
from pyecharts.charts import Page, Radar
#雷达图
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
def radar_base() -> Radar:c = (Radar().add_schema(schema=[opts.RadarIndicatorItem(name="销售", max_=6500),opts.RadarIndicatorItem(name="管理", max_=16000),opts.RadarIndicatorItem(name="信息技术", max_=30000),opts.RadarIndicatorItem(name="客服", max_=38000),opts.RadarIndicatorItem(name="研发", max_=52000),opts.RadarIndicatorItem(name="市场", max_=25000),]).add("预算分配", v1).add("实际开销", v2).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="部门开销")))return c
c = radar_base()
c.render('E:\MyProjects\可视化\雷达图.html')

雷达面积图

import random
from pyecharts import options as opts
from pyecharts.charts import Page, Radar
def radar_simple() -> Radar:c = (Radar().add_schema(# 各项的max_值可以不同schema=[opts.RadarIndicatorItem(name='计算几何学', max_=100),opts.RadarIndicatorItem(name='动态规划', max_=100),opts.RadarIndicatorItem(name='图论', max_=100),opts.RadarIndicatorItem(name='搜索', max_=100),opts.RadarIndicatorItem(name='模拟', max_=100),opts.RadarIndicatorItem(name='数论', max_=100),]).add('旺神', [[random.randint(10, 101) for _ in range(6)]],           color='red',           areastyle_opts = opts.AreaStyleOpts(  #设置填充的属性opacity = 0.5,                  color='red'                     ),).add('蔡队', [[random.randint(10, 101) for _ in range(6)]],color='blue',areastyle_opts = opts.AreaStyleOpts(opacity = 0.5,#透明度color='blue'),).set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title='雷达图示例-ACM集训队队员能力')))return c
radar_simple().render('雷达面积图.html')

散点图

from pyecharts.charts import Scatter
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
import pandas as pddef scatter_simple() -> Scatter:# 数据源df = pd.DataFrame({'AC':[21,22,23,24,28,30,34,35,40,44,45],  # 刷题数'ACB':[140,120,380,120,200,190,160,300,300,400,500],'姓名':['小军','NIL','假冒NOI','小白','弱刚','晓雷','窜天','云云','依图','蔡队','旺神',]})# inplace=True：不创建新的对象，直接对原始对象进行修改# 升序df.sort_values('AC', inplace=True, ascending=True)  c = (Scatter().add_xaxis(df.AC.values.tolist()).add_yaxis('刷题_能力_姓名',df[['ACB','姓名']].values.tolist(),label_opts=opts.LabelOpts(formatter=JsCode('function(params){return params.value[2];}' #通过定义JavaScript回调函数自定义标签))).set_global_opts(title_opts=opts.TitleOpts(title='散点图示例--ACM集训队队员能力'),xaxis_opts=opts.AxisOpts(name='AC(刷题数)', type_='value', min_=20),  #x轴从20开始，原点不为0yaxis_opts=opts.AxisOpts(name='ACB(能力值)', min_=100),  # y轴起始点的值legend_opts=opts.LegendOpts(is_show=True)))return c
scatter_simple().render('E:\MyProjects\可视化\散点图.html')

箱线图

from pyecharts import options as opts
from pyecharts.charts import Boxplot
def boxpolt_base() -> Boxplot:v_sophomore = [[1.1, 2.2, 2.6, 3.2, 3.7, 4.2, 4.7, 4.7, 5.5, 6.3, 8.0],[2.5, 2.5, 2.8, 3.2, 3.7, 4.2, 4.7, 4.7, 5.5, 6.3, 7.0]]v_junior = [[3.6, 3.7, 4.7, 4.9, 5.1, 5.2, 5.3, 5.4, 5.7, 5.8, 5.8],[3.6, 3.7, 4.7, 4.9, 5.1, 5.2, 5.3, 5.4, 5.7, 5.8, 5.8]]# 最小值，下四分位数，中位数、上四分位数、最大值# [min, Q1, median (or Q2), Q3, max]c = (Boxplot().add_xaxis(['寒假作业','暑假作业']).add_yaxis('大二队员', Boxplot.prepare_data(v_sophomore)).add_yaxis('大三队员', Boxplot.prepare_data(v_junior)).set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title='ACM集训队祖传练习完成时长离散度'),xaxis_opts=opts.AxisOpts(name='单位：小时'), legend_opts=opts.LegendOpts(is_show=True)).reversal_axis() #翻转XY轴)return cboxpolt_base().render('箱线图.html')

词云图

from pyecharts import options as opts
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolTypewords = [('背包问题', 10000),('大整数', 6181),('Karatsuba乘法算法', 4386),('穷举搜索', 4055),('傅里叶变换', 2467),('状态树遍历', 2244),('剪枝', 1868),('Gale-shapley', 1484),('最大匹配与匈牙利算法', 1112),('线索模型', 865),('关键路径算法', 847),('最小二乘法曲线拟合', 582),('二分逼近法', 555),('牛顿迭代法', 550),('Bresenham算法', 462),('粒子群优化', 366),('Dijkstra', 360),('A*算法', 282),('负极大极搜索算法', 273),('估值函数', 265)
]
def wordcloud_base() -> WordCloud:c = (WordCloud().add("", words, word_size_range=[20, 100], shape=SymbolType.ROUND_RECT).set_global_opts(title_opts=opts.TitleOpts(title='WordCloud示例-OJ搜索关键字')))return c
wordcloud_base().render('词云图.html')

日历图

from pyecharts.charts import Calendar
from pyecharts import options as opts
import random
import datetime
# 示例数据
begin = datetime.date(2019, 1, 1)
end = datetime.date(2019, 12, 31)
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)]
"""
日历图示例：
"""
calendar = (Calendar().add("微信步数", data, calendar_opts=opts.CalendarOpts(range_="2019")).set_global_opts(title_opts=opts.TitleOpts(title="Calendar-基本示例", subtitle="我是副标题"),legend_opts=opts.LegendOpts(is_show=False),visualmap_opts=opts.VisualMapOpts(max_=25000,min_=1000,orient="horizontal",is_piecewise=True,pos_top="230px",pos_left="100px",)))calendar.render_notebook()
calendar.render('日历数据图.html')

地理图

from pyecharts import options as opts
from pyecharts.charts import Map
import random
province = ['广东', '湖北', '湖南', '四川', '重庆', '黑龙江', '浙江', '山西', '河北', '安徽', '河南', '山东', '西藏']
data = [(i, random.randint(50, 150)) for i in province]
_map = (Map().add("销售额", data, "china").set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"),legend_opts=opts.LegendOpts(is_show=False),visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),))_map.render_notebook()
_map.render('地理数据图.html')

地理热点图

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
import random
province = ['武汉', '十堰', '鄂州', '宜昌', '荆州', '孝感', '黄石', '咸宁', '仙桃']
data = [(i, random.randint(50, 150)) for i in province]
geo = (Geo().add_schema(maptype="湖北").add("门店数", data,type_=ChartType.HEATMAP).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(visualmap_opts=opts.VisualMapOpts(),legend_opts=opts.LegendOpts(is_show=False),title_opts=opts.TitleOpts(title="Geo-湖北热力地图")))
geo.render_notebook()
geo.render('地理热力图.html')

3D散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter3D
from pyecharts.faker import Faker
import random
data = [(random.randint(0, 100), random.randint(0, 100), random.randint(0, 100))for _ in range(80)]
scatter3D = (Scatter3D().add("", data).set_global_opts(title_opts=opts.TitleOpts("Scatter3D-基本示例"),visualmap_opts=opts.VisualMapOpts(range_color=Faker.visual_color)))
scatter3D.render_notebook()
scatter3D.render('3D散点图.html')

数据大屏可视化2-超全的基础图形模板（基础模版）相关推荐

1. 大屏数据可视化源码_AxureBI数据大屏可视化原型设计软件

   产品名称:70套BI数据大屏可视化Axure RP原型设计软件 软件版本: Axure 8,Axure 9(兼容) 作品类型: BI数据大屏可视化Axure原型 文件类型: .rp (可通过 Axur ...

2. 思迈特软件Smartbi：如何快速打造数据大屏可视化展示系统

   数据大屏可视化展示系统的定义 数据大屏可视化展示系统指的是用在大数据领域前端实时显示的显示屏,这在当前数字化经济兴起的今天越来越普及,比如一些企业的展厅或者控制室都会打造一个显示大数据平台用来展示企业 ...

3. 数据大屏可视化展示系统有什么作用

   数据大屏可视化展示系统指的是用在大数据领域前端实时显示的显示屏,这在当前数字化经济兴起的今天越来越普及,比如一些企业的展厅或者控制室都会打造一个显示大数据平台用来展示企业的各种数据,帮助管理人员分析各 ...

4. 一个基于Python数据大屏可视化开源项目

   ‍‍ 今天给大家介绍一个开源数据大屏可视化工具. 项目简介 这是一个基于Python开发的,结构简单的项目.可通过配置Json的数据,实现数据报表大屏显示. 优点:代码清晰.结构简单.配置Json数据 ...

5. 基于Vue的数据可视化设计框架，数据大屏可视化编辑器

   开发文档(★★★★★) 请访问 https://lizhensheng.github.io/vue-data-view/ 完整代码下载地址:基于Vue的数据可视化设计框架,数据大屏可视化编辑器 简介 ...

6. 前端基础第二天项目 大数据大屏可视化项目

   大数据大屏可视化项目 01-项目介绍 ​ 应对现在数据可视化的趋势,越来越多企业需要在很多场景(营销数据,生产数据,用户数据)下使用,可视化图表来展示体现数据,让数据更加直观,数据特点更加突出.我们引 ...

7. 数聚易视重磅推出，助力企业级数据大屏可视化

   数字化转型趋势下,以大屏为主要载体的数据可视化需求日益增加.大屏给人以震撼的视觉冲击,呈现直观丰富的信息,有效帮助管理或业务人员决策.判断.发现问题.诊断问题,已经成为数字化管理中不可或缺的场景之一. ...

8. 【可视化开发】数据大屏可视化技术汇总

   由于工作原因,需要用到一些大屏可视化技术,于是通过网上整理.自我学习等多途径,汇总了一份大屏可视化技术的思维导图,如下: 这里主要汇总的是: 大屏可视化技术! 大屏可视化技术! 大屏可视化技术! 重要 ...

9. python flask大作业，疫情数据大屏可视化展示

   整体效果 功能描述 本作业从MongoDB取出中国和世界疫情的相关数据进行处理和分析,然后将处理好的数据以Json的形式分别加载到相应的网站,基于ajax异步加载实现轮询,设定每一个小时发起一次请求, ...

最新文章

1. c/c++中的const
2. EXT中创建一个弹窗效果
3. 本文主要总结关于mysql的优化（将会持续更新）
4. Effective c++读书笔记
5. java.lang.NoClassDefFoundError: org/w3c/dom/ElementTraversal
6. Node.js mm131图片批量下载爬虫1.01 增加断点续传功能
7. 分享6个关于自主学习的思维导图模板
8. python ImportError: cannot import name Template解决方法
9. 加密卡华为怎么模拟_华为手机NFC模拟加密的门禁卡详细教程
10. 软考计算机硬件知识,软考程序员考点计算机硬件基础知识之指令系统
11. 共线性分析软件MCScanX安装、报错解决方法及使用
12. 小程序上传图片/上传视频
13. idea显示Multiple Spring Boot run configurations were detected. Services allows to manage multiple run
14. swper_swipe和swiper的区别
15. RGB565部分常用颜色对照表
16. Go-Proxy-Checker，一款基于Go编写的高性能代理服务器验证工具
17. qt 频谱 音乐播放器
18. 三星mzvlb1t0hblr是什么固态_固态硬盘跑分速度天梯图/天梯表，最全搜集。
19. [机缘参悟-50]：鬼谷子-第十二符言篇-当好领导者的艺术：守其位，观四方，洞危险，广言路，虚谏言，定规则，明赏罚，符名实，得民心。
20. 免费可商用的图片资源推荐

热门文章

1. 投影仪可以当电视看吗?告诉你好用的电视应用市场，建议收藏
2. java中的数据结构之HashMap学习
3. 【数论】本原勾股数组(PPT)的性质
4. 【Vulkan】Sparse Resources（一）【Basic】
5. POJ 2217 Secretary (后缀数组，挑战程序)
6. 创新社叶筱静受邀主持清华经管区块链前沿探讨
7. siege 用户登录_siege--Web性能压测工具
8. 分布式多端同步IM架构设计及其中台化过程（一）（无长链接推送设计）
9. Eclipse各个版本及名称
10. Oracle给用户授查询表权限,给oracle用户查询其它用户表的权限