Pyecharts基本图:日历图
Pyecharts基本图:日历图
文章目录
- Pyecharts基本图:日历图
- 前言
- 一. Calendar:日历图
- 1.1 `class pyecharts.charts.Calendar`配置项类
- 1.2 `func pyeachrts.charts.Calendar.add`添加函数
- 1.3 `CalendarOpts` 日历坐标系组件配置项
- 二. 日历图案例
- 2.1 Calendar_base 基本日历图
- 2.2 Calendar_heatmap 日历热图
- 2.3 Calendar_label_setting 日历图标签设定
- 总结
前言
本文主要是详细展示Pyecharts的基本图表之日历图的主要操作以及案例。
一. Calendar:日历图
1.1 class pyecharts.charts.Calendar
配置项类
class Calendar(# 初始化配置项,参考 `global_options.InitOpts`init_opts: opts.InitOpts = opts.InitOpts()
)
这里我们可以对日历图的配置项进行设定,不动则表示使用默认形式。
1.2 func pyeachrts.charts.Calendar.add
添加函数
def add(# 系列名称,用于 tooltip 的显示,legend 的图例筛选。series_name: str,# 系列数据,格式为 [(date1, value1), (date2, value2), ...]yaxis_data: Sequence,# 是否选中图例is_selected: bool = True,# 标签配置项,参考 `series_options.LabelOpts`label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),# 日历坐标系组件配置项,参考 `CalendarOpts`calendar_opts: Union[opts.CalendarOpts, dict, None] = None,# 提示框组件配置项,参考 `series_options.TooltipOpts`tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,# 图元样式配置项,参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)
这里最常用的就是添加名字
series_name
,系列数据yaxis_data
,以及标签配置项label_opts
;最后三个其实用的比较少,只有在需要画特定形式的日历图才用得上吧。
1.3 CalendarOpts
日历坐标系组件配置项
这个类在class pyecharts.options.CalendarOpts
处。
class CalendarOpts(# calendar组件离容器左侧的距离。# left 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比,# 也可以是 'left', 'center', 'right'。# 如果 left 的值为'left', 'center', 'right',组件会根据相应的位置自动对齐。pos_left: Optional[str] = None,# calendar组件离容器上侧的距离。# top 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比,# 也可以是 'top', 'middle', 'bottom'。# 如果 top 的值为'top', 'middle', 'bottom',组件会根据相应的位置自动对齐。pos_top: Optional[str] = None,# calendar组件离容器右侧的距离。# right 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比。# 默认自适应。pos_right: Optional[str] = None,# calendar组件离容器下侧的距离。# bottom 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比。# 默认自适应。pos_bottom: Optional[str] = None,# 日历坐标的布局朝向。可选:# 'horizontal', 'vertical'orient: Optional[str] = None,# 必填,日历坐标的范围 支持多种格式,使用示例:# 某一年 range: 2017# 某个月 range: '2017-02'# 某个区间 range: ['2017-01-02', '2017-02-23']# 注意 此写法会识别为['2017-01-01', '2017-02-01']# range: ['2017-01', '2017-02']range_: Union[str, Sequence, int] = None,# 星期轴的样式,参考 `series_options.LabelOpts`daylabel_opts: Union[LabelOpts, dict, None] = None,# 月份轴的样式,参考 `series_options.LabelOpts`monthlabel_opts: Union[LabelOpts, dict, None] = None,# 年份的样式,参考 `series_options.LabelOpts`yearlabel_opts: Union[LabelOpts, dict, None] = None,
)
类里面写的超级详细,后面用案例来实战。
二. 日历图案例
2.1 Calendar_base 基本日历图
import datetime
import randomfrom pyecharts import options as opts
from pyecharts.charts import Calendarbegin = datetime.date(2020, 1, 1)
end = datetime.date(2020, 12, 31)
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)
]c = (Calendar()# 这里的基本体现在,他并不是按照参数名称赋值的,而是按顺序赋值。.add("", data, calendar_opts=opts.CalendarOpts(range_="2020")).set_global_opts(title_opts=opts.TitleOpts(title="Calendar-2020年微信步数情况"),visualmap_opts=opts.VisualMapOpts(max_=20000,min_=500,orient="horizontal",is_piecewise=True,pos_top="230px",pos_left="100px",),).render("calendar_base.html")
)
特别的是,在生成的html里面,打开后,我们点击下方的范围值前的小矩形,点击后会变成灰色,而且图上相应颜色的方块也会变成白色,使用起来十分的方便有趣。
2.2 Calendar_heatmap 日历热图
import random
import datetimeimport pyecharts.options as opts
from pyecharts.charts import Calendarbegin = datetime.date(2020, 1, 1)
end = datetime.date(2020, 12, 31)
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)
] # 生成器生成一一对应的数据。(Calendar(init_opts=opts.InitOpts(width="1600px", height="1000px")).add(series_name="", # 名字yaxis_data=data, # 数据calendar_opts=opts.CalendarOpts(# 上左右边界pos_top="120",pos_left="30",pos_right="30",range_="2020",yearlabel_opts=opts.CalendarYearLabelOpts(is_show=False),),).set_global_opts( # 设定全局变量title_opts=opts.TitleOpts(pos_top="30", pos_left="center", title="2020年步数情况"),visualmap_opts=opts.VisualMapOpts( # 可视化图形,设定左下角的,可选水平或者垂直vertical# is_piecewise 是否显示拖拽用的手柄max_=20000, min_=500, orient="horizontal", is_piecewise=False),) # 这里其实也可以直接在notebook显示出来,render_notebook("....")也是一样的。.render("calendar_heatmap.html")
)
2.3 Calendar_label_setting 日历图标签设定
import datetime
import randomfrom pyecharts import options as opts
from pyecharts.charts import Calendarbegin = datetime.date(2020, 1, 1)
end = datetime.date(2020, 12, 31)
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)
]c = (Calendar().add("",data,calendar_opts=opts.CalendarOpts(range_="2020",# 注意到这里name_map = "cn" ,name_map="cn" 使用的是中文标签。daylabel_opts=opts.CalendarDayLabelOpts(name_map="cn"),monthlabel_opts=opts.CalendarMonthLabelOpts(name_map="cn"),),).set_global_opts(title_opts=opts.TitleOpts(title="Calendar-2020年微信步数情况(中文 Label)"),visualmap_opts=opts.VisualMapOpts(max_=20000,min_=500,orient="horizontal",is_piecewise=True, # 这里是True 表示可以选择是否出现。pos_top="230px",pos_left="100px",),).render("calendar_label_setting.html")
)
总结
本文主要是介绍了三种简单的日历图,对于特别指出的几个有趣的地方,大家可以直接使用代码改改来画其他有意义的数据。最后感谢大家的点赞,收藏和评论。
Pyecharts基本图:日历图相关推荐
- pyecharts:日历图实战
背景[相关资料来源于< 数据之美:一本书学会可视化设计>]: 时序数据可视化的目的 可视化时序数据时,目标是看到什么已经成为过去,什么保持不变,以及什么发生了变化,相差程度是多少,造成变化 ...
- Pyecharts之日历图(Calendar)
Pyecharts之日历图(Calendar) 一.基本概念 class pyecharts.charts.Calendar class Calendar(init_opts: opts.InitOp ...
- [图表]pyecharts模块-日历图
[图表]pyecharts模块-日历图 先来看代码: import random import datetimeimport pyecharts.options as opts from pyecha ...
- pyecharts绘制日历图、漏斗图、仪表盘、水滴图
日历图 import datetime import random from pyecharts.charts import Calendar from pyecharts import option ...
- 手把手教你用 pyecharts 制作日历图
公众号后台回复"图书",了解更多号主新书内容 作者:林骥 来源:林骥 日历图,是指按照日历的布局,用颜色展现每一天的数据,从而比较直观地看到全年的数据情况. 比如说,下面是一家超市 ...
- python 日历热力图_Python绘制日历图和热力图
本文以2019年全国各城市的空气质量观测数据为例,利用matplotlib.calmap.pyecharts绘制日历图和热力图.在绘图之前先利用pandas对空气质量数据进行处理. 2019年全国各城 ...
- python绘制日历图
文章目录 seaborn的热力图实现 自定义颜色及调节颜色标尺的颜色区间 使用pyecharts实现日历图 seaborn的热力图实现 # 导入用到的包 import pandas as pd imp ...
- python制作日历_Python如何绘制日历图和热力图
本文以2019年全国各城市的空气质量观测数据为例,利用matplotlib.calmap.pyecharts绘制日历图和热力图.在绘图之前先利用pandas对空气质量数据进行处理. 数据处理 从网站下 ...
- python日历图_Python绘制日历图和热力图
本文以2019年全国各城市的空气质量观测数据为例,利用matplotlib.calmap.pyecharts绘制日历图和热力图.在绘图之前先利用pandas对空气质量数据进行处理. 2019年全国各城 ...
最新文章
- Lotus Notes常见问题答疑
- 【Python】函数外定义变量并在函数内进行更新
- Exchange Server 2010部署安装
- Kibana linux下安装
- Windows下 Python3.7.0 运行环境的搭建 一套操作后就可以使用Python写代码啦~
- 五层验证系统,带你预防区块链业务漏洞
- react加水印_给网页增加水印的方法,react
- servlet配置log4J
- freemarker处理嵌套属性是否为空的判断
- Week 2 代码审查
- Windows IOCP模型与Linux EPOLL模块之比较-
- 一幅漫画趣味解读 Linux 内核
- SpringBoot 房屋租赁系统3.0 manland.liuyanzhao.com
- 在SQL用代码编写好数据库并且保存为sql文件后如何正确的打开?
- 根据WSDL文件生成JAVA代码
- 计算机考研的初试和复试的区别,考研初试和复试之间的区别
- 起得比鸡早,睡得比狗晚,干得比驴多,吃得比猪差
- QQ群、讨论组上传文件,由于网络原因上传失败?
- c语言如何统计不同分数段学生人数,Excel统计不同班级各个分数段的学生人数的方法...
- python中global和def_Python中 Global和Nonlocal的用法详解