pyecharts在数据可视化中的应用

pyecharts 是一款非常好用的，基于 python 的，数据可视化工具包，那么如何来使用 pyecharts ，下面就来简单介绍一下 pyecharts 的使用方法，具体安装过程可以参考

pyecharts官方手册

注意事项

pyecharts 分为 v0.5.X 和 v1 两个大版本，v0.5.X 和 v1 间不兼容

v0.5.X版本	v1 版本
支持Python2.7，3.4+，且已不再维护	支持Python3.6 + 是目前的首选

简单的开发流程

1. 导入全局配置项和图表类型

from pyecharts import options as opts
from pyecharts.charts import  [name]

2. 添加或导入数据

x_data = ["1995","1996","1997","1998","1999","2000","2001","2002","2003","2004","2005","2006","2007","2008","2009"]
y_data = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44]

3. 初始化图表(以Line为例)，配置全局设置，添加xy轴数据

    Line().set_global_opts( title_opts=opts.TitleOpts(title="Line-折线图", subtitle="Chale"),).add_xaxis(xaxis_data = x_data).add_yaxis( y_axis = y_data）

4. 导出

 .render("html/折线图.html")

render方法会在指定目录生成一个html文件,在浏览器打开可查看图例
下面有几个例题可以更详细的理解这个流程

项目实例

折线图(Line)

绘制美国1995年-2009年邮费变化折线图、阶梯图，数据如下：
年份： [“1995”, “1996”, “1997”, “1998”, “1999”, “2000”, “2001”, “2002”, “2003”, “2004”, “2005”, “2006”,“2007”, “2008”, “2009”]
邮费： [0.32, 0.32, 0.32, 0.32, 0.33, 0.33, 0.34, 0.37, 0.37, 0.37, 0.37, 0.39, 0.41, 0.42, 0.44]

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 9:54
"""import pyecharts.options as opts
from pyecharts.charts import Line#原始数据
x_data = ["1995","1996","1997","1998","1999","2000","2001","2002","2003","2004","2005","2006","2007","2008","2009"]
y_data = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44]#折线图
(
#初始化Line()
#全局配置.set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_="category"),title_opts=opts.TitleOpts(title="Line-折线图", subtitle="Chale"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),))#xy轴配置.add_xaxis(xaxis_data=x_data).add_yaxis(series_name="美国1995年-2009年邮费折线图",y_axis=y_data,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=True),)
#导出.render("./html/basic_line_chart.html")
)#阶梯图
c = (Line().set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图", subtitle="Chale")).add_xaxis(xaxis_data=x_data).add_yaxis("美国1995年-2009年邮费阶梯图", y_axis=y_data, is_step=True).render("./html/line_step.html")
)

堆叠柱形图(bar)、极坐标系-堆叠柱状图

2000年-2010年热狗大胃王比赛前三名成绩的堆叠柱形图、极坐标系-堆叠柱状图（南丁格尔玫瑰图）：
数据文件：hot-dog-places.csv
可以通过 pandas 来导入 csv 文件

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 10:57
"""import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.charts import Polar#导入csv文件
hot_dog = pd.read_csv('file/hot-dog-places.csv')#xy轴赋值
x = hot_dog.columns.values.tolist()
y1 = hot_dog.values[0:1][0].tolist()
y2 = hot_dog.values[1:2][0].tolist()
y3 = hot_dog.values[2:3][0].tolist()#堆叠柱形图c = (Bar()
#设置x轴.add_xaxis(x)
#设置堆叠数据.add_yaxis("Fst", y1, stack="stack1").add_yaxis("Sec", y2, stack="stack1").add_yaxis("Trd", y3, stack="stack1").set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠柱形图", subtitle="Chale")).render("html/堆叠柱形图.html")
)#玫瑰图
c = (Polar().add_schema(angleaxis_opts=opts.AngleAxisOpts(data=x, type_="category")).add("A", y1, type_="bar", stack="stack0").add("B", y2, type_="bar", stack="stack0").add("C", y3, type_="bar", stack="stack0").set_global_opts(title_opts=opts.TitleOpts(title="Polar-AngleAxis", subtitle="Chale")).render("html/南丁格尔玫瑰图.html")
)

饼图(pie)

某网站用户感兴趣的领域的投票结果绘制饼图、环形图
数据文件：vote_result.csv

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 11:30
"""
import pandas as pdfrom pyecharts import options as opts
from pyecharts.charts import Pie#导入csv文件
vote_result = pd.read_csv('file/vote_result.csv')#xy轴赋值
x = vote_result['感兴趣的领域'].tolist()
y= vote_result['票数'].tolist()c = (Pie().add("", [list(z) for z in zip(x,y)])
#设置饼图各部分颜色.set_colors(["#3FA7D6", "#F3CA40", "#F2A541", "#F3752B", "#9bf6ff", "#D78A76", "#0CCE6B"]).set_global_opts(title_opts=opts.TitleOpts(title="投票结果", subtitle="Chale")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")).render("html/饼图.html")
)d = (Pie().add("",[list(z) for z in zip(x, y)],
#设置圆环宽度和大小radius=["40%", "75%"],).set_global_opts(title_opts=opts.TitleOpts(title="环形饼图", subtitle="Chale"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),).set_colors(["#3FA7D6", "#F3CA40", "#F2A541", "#F3752B", "#9bf6ff", "#D78A76", "#0CCE6B"]).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")).render("html/环形饼图.html")
)

堆积柱形图II

奥巴马的政治举措民意调查结果的堆叠柱形图
数据文件：approval_rate.csv

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 12:00
"""import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar#导入csv文件
approval_rate = pd.read_csv('file/approval_rate.csv')#xy轴赋值
x = approval_rate['政治举措'].tolist()
y1 = approval_rate['支持'].tolist()
y2 = approval_rate['反对'].tolist()
y3 = approval_rate['不发表意见'].tolist()c = (Bar()
#设置x轴.add_xaxis(x)#设置y轴堆叠数据.add_yaxis("支持", y1, stack="stack1").add_yaxis("反对", y2, stack="stack1").add_yaxis("不发表意见", y3, stack="stack1").set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title="奥巴马的政治举措民意调查结果", subtitle="Chale")).render("html/堆叠柱形图aobama.html")
)

以上就是pyecharts在数据可视化中的应用中比较基础的部分

完。

关于使用pyecharts进行数据可视化分析的学习报告I相关推荐

基于Python的电影数据可视化分析系统设计报告+答辩PPT+项目源码
目录引言 2 1.1 编写目的 2 1.2 读者对象 2 1.3 软件项目概述 2 1.4 文档概述 2 1.5 定义 2 1.6 参考资料 3 软件的一般性描述 4 2.1软件产品与其环境之间的关 ...
Pyecharts 风景名胜区数据可视化分析
import pandas as pd import numpy as np # 使用read_csv()方法进行读取 scenery_file_path = open(r'风景名胜区.csv') s ...
基于pyecharts的Kline以及pandas对美国标准普尔500指数历史数据(SP500)进行数据可视化分析
基于pyecharts的Kline以及pandas对美国标准普尔500指数历史数据(SP500)进行数据可视化分析 k线图简述对股票数据的描述,我们最常用的还是k线图,k线图包含四个数据,即开盘价. ...
知乎爬虫与数据分析（二）pandas+pyecharts数据可视化分析篇（上）
注:代码完整版可移步Github--https://github.com/florakl/zhihu_spider. 知乎爬虫与数据分析(一)数据爬取篇知乎爬虫与数据分析(三)pandas+pyec ...
网易云音乐爬虫数据可视化分析
网易云音乐爬虫 & 数据可视化分析 1. 数据爬取 1.1 评论爬取 1.2 用户信息爬取 2 数据清洗 & 可视化歌评文本分析个人博客:Archiew's blog 源码:htt ...
Kaggle Lending Club Loan Data数据可视化分析与不良贷款预测
文章目录数据集介绍数据可视化分析前的数据预处理引入包和数据集对特征缺失值的处理保存处理好的数据集数据可视化分析申请贷款金额和实际贷款金额的数据分布每年贷款笔数直方图与每年贷款总金额直方 ...
数据分析实战项目--天猫交易数据可视化分析
导语:"学习的价值不在于记住多少,而在于应用多少",这是笔者两天前浏览博客时看见的一句话,深有感触.相信有不少uu们正处于头绪繁多,却又不知从何下手的状态.想起之前在数据分析中踽踽 ...
数据可视化分析之热门旅游景区数据分析
背景介绍对景区的数据分析可以判断热门景区的走向和趋势,从而帮助更好的决定去哪里游玩,具有一定的指导意义. 景区数据分析这里直接展示数据分析的结果: 首先展示了数据的原始信息,然后,使用了pyech ...
天池赛：淘宝用户购物行为数据可视化分析
目录前言一.赛题介绍二.数据清洗.特征构建.特征可视化 1.数据缺失值及重复值处理 2.日期分离,PV及UV构建 3.PV及UV可视化 4.用户行为可视化 4.1 各个行为的面积图(以UV为例) ...

关于使用pyecharts进行数据可视化分析的学习报告I

pyecharts在数据可视化中的应用

注意事项

简单的开发流程

项目实例

折线图(Line)

堆叠柱形图(bar)、极坐标系-堆叠柱状图

饼图(pie)

堆积柱形图II

完。

关于使用pyecharts进行数据可视化分析的学习报告I相关推荐

最新文章

热门文章

关于 使用pyecharts进行数据可视化分析 的学习报告I

pyecharts在数据可视化中的应用

注意事项

简单的开发流程

项目实例

折线图(Line)

堆叠柱形图(bar)、极坐标系-堆叠柱状图

饼图(pie)

堆积柱形图II

完。

关于 使用pyecharts进行数据可视化分析 的学习报告I相关推荐

最新文章

热门文章

关于使用pyecharts进行数据可视化分析的学习报告I

关于使用pyecharts进行数据可视化分析的学习报告I相关推荐