本文继续采用PyEcharts v1.x版本进行绘制仪表盘。

注：PyEcharts分为 v0.5.x 和 v1.x 两个大版本，v0.5.x 和 v1.x 间不兼容，v0.5.x是基于Python2.7+、3.4+版本开发的，而v1.x是一个全新的版本，它是基于Python3.6+版本开发的，另外经PyEcharts开发团队决定，0.5.x 版本将不再进行维护。

绘制的仪表盘效果是这样的：

没有安装PyEcharts的，先安装PyEcharts：

# 安装pyecharts模块，直接安装就是最新的版本
pip install pyecharts

安装好PyEcharts之后，就可以将需要使用的模块进行导入：

#导入需要使用的模块
import pyecharts.options as opts
from pyecharts.charts import Gauge

仪表盘数据很简单，就是一个完成率数字，所以不用定义或导入，也无需做转换。

接下来就可以绘制仪表盘了：

Gaug_1=(#创建仪表盘对象，并设置大小，也可以不设置，直接使用默认大小即可Gauge(init_opts=opts.InitOpts(width="800px", height="400px"))#设置数据系列名称及数据.add(series_name="完成率", data_pair=[["完成率", 65]]).set_global_opts(# 设置图表标题及位置title_opts=opts.TitleOpts(title="XX业务完成情况",pos_left="center"),# 设置不显示图例，饼图不建议使用图例，不方便读图legend_opts=opts.LegendOpts(is_show=False),#设置提示框数据标签显示格式tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} <br/>{b} : {c}%"),)#通过render()方法将仪表盘渲染为html.render("gauge.html")
)

Gaug_1=(Gauge(init_opts=opts.InitOpts(width="800px", height="400px")).add(series_name="完成率", data_pair=[["完成率", 65]],#设置仪表盘颜色axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color=[(0.6, "#fd666d"), (0.8, "#FFD700"),(1, "#3CB371")], width=30))).set_global_opts(title_opts=opts.TitleOpts(title="XX业务完成情况",pos_left="center"),legend_opts=opts.LegendOpts(is_show=False),tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} <br/>{b} : {c}%"),).render("gauge.html")
)

设置颜色后的仪表盘效果是这样的：

看出区别了吗？

只要在add()中添加axisline_opts的设置，是不是so easy 呢？

如果你喜欢本文，可以点击右下角在看
如果你在跟着学习，请在留言区留言：打卡
如果你刚看到本文，可以查看本系列历史文章跟着学习：
跟小白学Python数据分析——Anaconda安装
跟小白学Python数据分析——使用spyder
跟小白学Python数据分析——数据导入1
跟小白学Python数据分析——数据导入2

跟小白学Python数据分析——描述性统计分析

跟小白学Python数据分析——分组分析

跟小白学Python数据分析——列表

跟小白学Python数据分析——数据框

跟小白学Python数据分析——记录抽取

跟小白学Python数据分析——记录合并

跟小白学Python数据分析——数据导出

跟小白学Python数据分析——For循环

跟小白学Python数据分析——批量合并CSV文件

跟小白学Python数据分析——批量拆分Excel文件

跟小白学Python数据分析——提取PDF表格数据

跟小白学Python数据分析——批量提取PDF表格数据

跟小白学Python数据分析——绘制饼图、圆环图

-----------------

长按识别下方二维码，并关注公众号

1.回复“PY”领取1GB Python数据分析资料

2.回复“BG”领取5GB 名企数据分析报告