python可视化图表分析—pyecharts库的使用

前言

pyecharts官网https://pyecharts.org/

简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

柱状图

利用Bar调用add添加数据做出柱状图，render()渲染后得到render.html文件，用webbrowser显示在网页上
webbrowser.open(“file://”+ os.path.realpath(“render.html”))

from pyecharts import Bar
import webbrowser
import osx_axis = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
y_axis = [5, 20, 36, 10, 75, 90]bar = Bar()
bar.add("",x_axis,y_axis)# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
# 也可以传入路径参数，如 bar.render("mycharts.html")
bar.render()
webbrowser.open("file://"+ os.path.realpath("render.html"))

'''
某地区一年当中的降水量和蒸发量数据如下
蒸发量：[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
降水量：v2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
'''
from pyecharts import Bar
import webbrowser
import osattr=["{}月".format(i) for i in range(1,13)]
v1=[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
v2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
bar=Bar("柱状图")#mark_line为标记线bar.add("蒸发量",attr,v1,mark_line=["average"],marl_point=["max","min"])
bar.add("降水量",attr,v2,mark_line=["average"],marl_point=["max","min"])bar.render()
webbrowser.open("file://"+os.path.realpath("render.html"))

**常用的参数:**标签有很多，根据需要选择即可。
is_splitline_show：是否显示网格线
is_label_show：是否显示标签
label_pos：标签的位置，有’top’(默认), ‘left’, ‘right’, ‘bottom’, ‘inside’,‘outside’可选
label_text_color/size：标签字体颜色/大小
is_random：是否随机排列颜色列表
label_color：自定义标签颜色
mark_point/line：标记点/线，默认有’min’, ‘max’, ‘average’可选。可自定义标记点线，具体格式如：[{‘coord’: [x, y], ‘name’: ‘目标标记点’}]，记住格式是一个列表
mark_point/line_symbol：标记点/线图形，默认为’pin’（点），有’circle’（圆形）, ‘rect’（正方形）, ‘roundRect’（圆角正方形）, ‘triangle’（三角形）, ‘diamond’（菱形）, ‘pin’（点）, ‘arrow’（箭头）可选

折线图

利用Line()新建折线图，每段数据需要调用一次add()，传入数据，最后用render()渲染并用webbrowser打开

#折线图
from pyecharts import Line
import webbrowser
import osattr = ["{}月".format(i) for i in range(1,13)]
v1 = [2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
v2 = [2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
line = Line("折线图")#mark_point设置标记线，取值为“min”，“max”，“average”line.add("蒸发量",attr,v1,mark_line=["average"],mark_point = ["max", "min"])  #先传入x轴数据，然后y轴数据
line.add("降水量",attr,v2,mark_line=["average"],mark_point = ["max", "min"])line.render()
webbrowser.open("file://"+os.path.realpath("render.html"))

饼状图

饼状图样式定制
①Pie()中的参数：
title_pos: "left"左对齐，"right"右对齐，"center"居中对齐
②add()中的参数：
legend_pos："left"左对齐，"rigth"右对齐，"center"居中对齐
legend_orient: "horizontal"水平布局， "vertical"垂直布局
is_label_show： "True"显示标签 , "False"不显示（默认）
rosetype: "radius"扇区圆心角展现数据的百分比，半径展现数据的大小（默认）
"area"所有扇区圆心角相同，仅通过半径展现数据大小

#饼状图
from pyecharts import Pie
import webbrowser
import os star_num = {"水瓶座":3,"双鱼座":3,"白羊座":2,"金牛座":1,"双子座":2,"巨蟹座":5,"狮子座":4,"处女座":3,"天秤座":4,"天蝎座":6,"射手座":4,"摩羯座":3,
}
key = list(star_num.keys())
value = list(star_num.values())pie = Pie("班级星座统计")
pie.add("",key,value,legend_pos="left",legend_orient = "vertical",  is_label_show = True,
)
pie.render()
webbrowser.open("file://" + os.path.realpath("render.html"))

rosetype -> str
是否展示成南丁格尔图，通过半径区分数据大小，有’radius’半径和’area’区域两种模式。
默认为’radius’
①radius：扇区圆心角展现数据的百分比，半径展现数据的大小
②area：所有扇区圆心角相同，仅通过半径展现数据大小

pie = Pie("班级星座统计")
pie.add("",key,value,legend_pos="right",legend_orient = "vertical", is_label_show = True,rosetype = "radius"#rosetype = "area"
)

词云图、结巴库分词

from pyecharts import WordCloud
import webbrowser,oswith open(r'匆匆.txt','r',encoding = 'utf-8')as f:text = f.read()print(text)

from pyecharts import WordCloud
import webbrowser,os
import jiebawith open(r'匆匆.txt','r',encoding = 'utf-8')as f:text = f.read()words_list = jieba.lcut(text)words_dict = {}drop = ['我们','你们','他们','就是','没有','自己'] for word in words_list:#去重判断if word in words_dict:words_dict[word] += 1else:#数据清洗过滤if len(word) > 1 and word not in drop:#创建键值words_dict[word] = 1print(words_dict)
wordcloud = WordCloud(width=1440, height=900)name = '匆匆'
words = list(words_dict.keys())
nums = list(words_dict.values())
wordcloud.add(name,words,nums)
wordcloud.render()
webbrowser.open("file://" + os.path.realpath('render.html'))

美化词云图，设置形状shape、间隔word_gap以及字体大小范围word_size_range
shape–>list
词云图轮廓，有’circle‘，’cardioid‘，’diamon‘，’triangle-forward‘，’triangle‘，’pentagon‘，‘star’可选
word_gap->int
单词间隔，默认为20
word_size_range->list
单词字体大小范围，默认为[12,60]
rotate_step->int
旋转单词角度，默认为45

wordcloud.add(name,words,nums,shape="star",word_gap=10,word_size_range=[12,100])

散点图

散点图同时展示了鸢尾花花瓣的宽度 x 和长度 y 值，而 x 与 y 值之间的关系受鸢尾花种类的影响，使得不同品种数据的坐标点分布在各自的区域，形成聚类的效果，从而很容易在数据中划分出不同的品种。
读取相应的鸢尾花数据来做出散点图

#列表生成式
List_1 = [i**2 for i in range(1,11)]
List_2 = [i for i in 'abcde']
print(List_1,'\n',List_2)

import json
from pyecharts import Scatter
import webbrowser,oswith open('iris.json','r')as f:data = json.load(f)# print(type(data),data)scatter = Scatter("鸢尾花品种散点图")setosa_h = [i[2] for i in data['setosa']]
setosa_w = [i[3] for i in data['setosa']]versicolor_h = [i[2] for i in data['versicolor']]
versicolor_w = [i[3] for i in data['versicolor']]virginica_h = [i[2] for i in data['virginica']]
virginica_w = [i[3] for i in data['virginica']]
#mark_point: 标记点，这个代码中将是平均数标记出来
#xaxis_name, yaxis_name：增加横纵坐标说明
scatter.add('setosa',setosa_w,setosa_h,mark_point = ['average'])
scatter.add('versicolor',versicolor_w,versicolor_h,mark_point = ['average'])
scatter.add('virginica',virginica_w,virginica_h,mark_point = ['average'],xaxis_name = ['花瓣宽度'],yaxis_name = ['花瓣长度'])
scatter.render()webbrowser.open("file://" + os.path.realpath('render.html'))

总结

Echarts是一个由百度开源的数据可视化，结合巧妙的交互性，精巧的图表设计，得到了开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。分析遇上数据可视化时，pyecharts诞生了。在pyecharts官网上还有很多3D图形的绘制，也是非常有意思的，大家有兴趣的可以去探索一下。

python可视化图表分析---pyecharts库的使用相关推荐

Py之pyecharts：基于大数据对人工智能进行各种可视化图表分析
pyecharts:基于大数据对人工智能进行各种可视化图表分析目录 1. Bar(柱状图/条形图) 2 EffectScatter(带有涟漪特效动画的散点图) 3 .Funnel(漏斗图) 4.Ga ...
python可视化来分析全国疫情
很长一段时间在python下出图都是使用matplotlib,其好处就是应用比较广泛,文档很容易找,不过出的图微显丑陋.pyecharts 是百度的echarts基于python的实现,可以很方便的直 ...
2021-04-28 Python可视化图表生成-Matplotlib绘图
Python可视化图表生成-Matplotlib Matplotlib 是Python中类似 MATLAB 的绘图工具,熟悉 MATLAB 也可以很快的上手 Matplotlib 安装 pip ins ...
finebi实现对环境基础数据可视化图表分析
近年来,越来越多的生态问题展现在我们眼前,像日本往大海倾倒核废水,全球干旱,热带雨林大面积火灾,全球最高温,温度突变,极端天气,等都将生态问题展现在我们面前.当代生态环境问题,是人类不合理的活动引起的 ...
Python可视化神器：pyecharts，轻松绘制 30+ 种超实用精美图表！
欢迎关注 ,专注 Python.数据分析.数据挖掘.好玩工具! 如果要问:Python 中有那些可视化工具库?我想很多人都能想起来 matplotlib,这是一款初学者绕不开的库,但随着对数据可视化的 ...
python歌词图表分析_Python可视化图分析毛不易的《入海》，看看听歌的人都在想些什么...
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 欢迎关注小编,除了分享技术文章之外还有很多福利,私信学习资料可以领取包括不 ...
python可视化图表工具_酷炫的可视化图表工具来帮忙深度评测五大Python数据可视化工具...
原标题:酷炫的可视化图表工具来帮忙深度评测五大Python数据可视化工具不少Python用户的一大诉求是做出各种酷炫的可视化图表,而这就需要了解清楚工具特色,才好在制作不同类型图表顺利找到适合自己 ...
python可视化疫情事实报告(pyecharts)——可视化
目录一.网页数据分析 2.数据的爬取 3.这里我们需要获取的数据就是山西省11市的最新报告,上代码: 二.代码实现: 1.第一步,老规矩,导入库,数据采集 2.第二步,数据的处理 3.第三部,图表的 ...
「github资料」40个Python可视化图表案例（附零基础学习资料）
前言数据可视化是数据科学中关键的一步.(文末为大家准备了学习资料) 在以图形方式表现某些数据时,Python能够提供很大的帮助. 不过有些小伙伴也会遇到不少问题,比如选择何种图表,以及如何制作,代码 ...

python可视化图表分析---pyecharts库的使用

python可视化图表分析—pyecharts库的使用

前言

柱状图

折线图

饼状图

词云图、结巴库分词

散点图

总结

python可视化图表分析---pyecharts库的使用相关推荐

最新文章

热门文章