如何使用pyecharts中自带的数据集?
如何使用 pyecharts 中自带的数据集?
我们在学习pyehcarts绘图的过程中,需要一些练习的数据。
pyecharts为我们提供了这样的数据集 – Faker,存储于 faker.py 文件中。
下面,我们就来详细介绍一下。
1. Faker中包含的数据集
这些数据集以列表的方式存储,主要包含类别数据、时间数据、颜色数据、地理数据、世界人口数据。
(1)类别数据
clothes = ["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]
drinks = ["可乐", "雪碧", "橙汁", "绿茶", "奶茶", "百威", "青岛"]
phones = ["小米", "三星", "华为", "苹果", "魅族", "VIVO", "OPPO"]
fruits = ["草莓", "芒果", "葡萄", "雪梨", "西瓜", "柠檬", "车厘子"]
animal = ["河马", "蟒蛇", "老虎", "大象", "兔子", "熊猫", "狮子"]
cars = ["宝马", "法拉利", "奔驰", "奥迪", "大众", "丰田", "特斯拉"]
dogs = ["哈士奇", "萨摩耶", "泰迪", "金毛", "牧羊犬", "吉娃娃", "柯基"]
(2)时间数据
week = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
week_en = "Saturday Friday Thursday Wednesday Tuesday Monday Sunday".split()
clock = ("12a 1a 2a 3a 4a 5a 6a 7a 8a 9a 10a 11a 12p ""1p 2p 3p 4p 5p 6p 7p 8p 9p 10p 11p".split()
)
months = ["{}月".format(i) for i in range(1, 13)]
days_attrs = ["{}天".format(i) for i in range(30)]
days_values = [random.randint(1, 30) for _ in range(30)]
(3)颜色数据
visual_color = ["#313695","#4575b4","#74add1","#abd9e9","#e0f3f8","#ffffbf","#fee090","#fdae61","#f46d43","#d73027","#a50026",
]
(4)地理数据
provinces = ["广东", "北京", "上海", "江西", "湖南", "浙江", "江苏"]
guangdong_city = ["汕头市", "汕尾市", "揭阳市", "阳江市", "肇庆市", "广州市", "惠州市"]
country = ["China","Canada","Brazil","Russia","United States","Africa","Germany",
]
(5)世界人口数据
2019年世界人口数据集,结构为二层嵌套列表,结构如下,第一列为国家或地区,第二列为人口数量。
POPULATION = [["Country (or dependency)", "Population\n(2019)"],["China", 1420062022],["India", 1368737513],["United States", 329093110],["Indonesia", 269536482],["Brazil", 212392717],["Pakistan", 204596442],["Nigeria", 200962417],["Bangladesh", 168065920],["Russia", 143895551],["Mexico", 132328035],["Japan", 126854745],["Ethiopia", 110135635],...
]
2. Faker中数据集的选取
choose
:随机选择类别数据集
def choose(self) -> list:return random.choice([self.clothes,self.drinks,self.phones,self.fruits,self.animal,self.dogs,self.week,])
values
:随机生成7个数字(20-150)构成的列表
@staticmethod
def values(start: int = 20, end: int = 150) -> list:return [random.randint(start, end) for _ in range(7)]
rand_color
:随机从列表中生成1个颜色值
@staticmethod
def rand_color() -> str:return random.choice(["#c23531","#2f4554","#61a0a8","#d48265","#749f83","#ca8622","#bda29a","#6e7074","#546570","#c4ccd3","#f05b72","#444693","#726930","#b2d235","#6d8346","#ac6767","#1d953f","#6950a1",]
)
3. 例子
例子1:绘制折线图
from pyecharts.faker import Faker
from pyecharts.charts import Line
from pyecharts.globals import ThemeTypec = Line({"theme": ThemeType.DARK})
c.add_xaxis(Faker.choose())
c.add_yaxis('商家A', Faker.values())
c.add_yaxis('商家B', Faker.values())
c.set_global_opts(title_opts={"text": "Faker数据集练习"})
c.render('line_base.html')
例2:绘制柱状图
from pyecharts.faker import Faker
from pyecharts.charts import Bar
from pyecharts.globals import ThemeTypec = Bar({"theme": ThemeType.MACARONS})
c.add_xaxis(Faker.choose())
c.add_yaxis('商家A', Faker.values())
c.add_yaxis('商家B', Faker.values())
c.set_global_opts(title_opts={"text": "Faker数据集练习"})
c.render('bar_base.html')
例子3:涟漪散点图
from pyecharts.faker import Faker
from pyecharts.charts import EffectScatter
from pyecharts.globals import ThemeTypec = EffectScatter({"theme": ThemeType.VINTAGE})
c.add_xaxis(Faker.choose())
c.add_yaxis('', Faker.values())
c.set_global_opts(title_opts={"text": "Faker数据集练习"})
c.render('effectscatter_base.html')
相关图文:
- 如何在Jupyter Lab中显示pyecharts的图形?
- 如何利用pyecharts绘制酷炫的桑基图?
- 如何利用pyecharts绘制炫酷的关系网络图?
如何使用pyecharts中自带的数据集?相关推荐
- sklean中自带的数据集
转载于: 知乎 1. 调用方式 例如: from sklearn import datasetsboston = datasets.load_boston() # 导入波士顿房价数据boston da ...
- R语言中自带的一些数据集
在用R语言做数据分析的时候,我们经常需要一些数据做实验,尤其当学会一个新的方法或者算法的时候,就想赶快编程实现一下.那么,问题来了,用什么数据好呢,什么样的数据适合做这种实验呢? 好在R语言提供了很多 ...
- python训练数据集_Python——sklearn提供的自带的数据集
sklearn提供的自带的数据集 sklearn 的数据集有好多个种 自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downlo ...
- python的自带数据集_机器学习基础 / 加载scikit-learn自带的数据集 - 汇智网
加载Scikit-learn自带的数据集 scikit-learn自带少量数据集,比如说用于分类分析的鸢尾花数据集和数码数据集.用于回归分析的波士顿房价数据集. 数据集是一个字典类对象,它包括数据以及 ...
- Pyecharts中Map和Geo的使用笔记
文章目录 1. Geo/Map中如何自定义(增加/修改)经纬度坐标? 相关文档: 本地源文件 1. pyecharts 自带的datasets(json) 2. 额外安装的地图文件包 ?依赖情况 如果 ...
- python的自带数据集_Python——sklearn提供的自带的数据集
sklearn提供的自带的数据集 sklearn 的数据集有好多个种 自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downlo ...
- python的自带数据集_sklearn提供的自带的数据集
sklearn 的数据集有好多个种 自带的小数据集(packaged dataset):sklearn.datasets.load_ 可在线下载的数据集(Downloaded Dataset):skl ...
- PyTorch中的MIT ADE20K数据集的语义分割
PyTorch中的MIT ADE20K数据集的语义分割 代码地址:https://github.com/CSAILVision/semantic-segmentation-pytorch Semant ...
- 如何使用pyecharts中的主题样式?
如何使用pyecharts中的主题样式? pyechart为用户提供了一套使用方便的主题风格. 本篇图文将总结pyecharts.globals中ThemeType所有主题风格并进行详细的解释. cl ...
最新文章
- 拿到offer可以不去吗_2020应届毕业生求职难吗?不难!教你四招,拿到心动的Offer...
- Google联手Facebook 要在AI研究上搞什么大事?
- 2019.3.23 python的unittest框架与requests
- 昆明大专学计算机,昆明冶金高等专科学校2020年云南省高等教育招收中等职业学校学生 (计算机类)考试大纲...
- 赋能尖端科技 推进智能布局 |《HPC高性能计算数据存储解决方案蓝皮书》正式发布
- Python MySQL创建表
- Oracle 导出部分表结构,以及导入
- 调试寄存器:Debug Register
- 物联网安全形势严峻——除严加管控外别无选择
- linux mp4box安装,视频处理利器 MP4Box常用的12个命令
- python爬虫网易云音乐评论最多的歌_Python3实战之爬虫抓取网易云音乐的热门评论...
- python Flask 10 Flask请求上下文管理werkzeug
- matlab simulink 汽车abs模糊pid控制和pid控制对比
- sql查询记录数大于1
- 索尼WH-1000XM5什么时候发布 索尼WH-1000XM5配置怎么样
- 更智能的洗碗机,省时省水又健康,云米互联网洗碗机Iron X1体验
- SQL Server2012 安装方法详解
- 《Clair二次开发指南2——analyze-local-images源码剖析》
- 1834 单线程 CPU
- 使用接口实现手机功能------完善