懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板

10年前, 偶然看到一本excel图表书籍《图表之道》,当时惊叹excel作图也能如此商务, 连续几天看完了全书, 自己对图表的喜爱也是从那时开始。

除了excel, 现在有更多的工具可以做出好看、交互性强的图表, 比如python中的pyechart, 如果不懂编程该如何作图呢?

本文将介绍十余种工作中图表制作方法, 提供完整代码, 大家可从模仿中入门python数据可视化!

文章目录

工具包及主要参数介绍
模板1:世界地图
模板2:曲线图丨实际与预测、实际与实际对比
模板3:曲线图与柱形图组合图丨隐藏次坐标轴并显示同比
模板4:帕累托图、柱形图与曲线图组合
模板5:次坐标变主坐标,日期数据作为x轴
模板6:中国地图、省份地图丨2020年全国各省GDP
模板7:中国地图、省份地图丨人口迁徙图、轨迹图、流向图
模板8:世界地图丨2021年全球创新指数top20
模板9: 双坐标轴丨曲线图与柱形图组合图
模板10:中国地图省份地图市级地图丨全国主要城市空气质量排行榜
模板11:双坐标轴, 图表简化丨2020年全球智能个人音频设备出货量及增长率
模板12: 仪表盘丨2020年全球智能手机相关数据
模板13: 仪表盘添加不同背景图

每个图的侧重点:

1 世界地图: 数据如何同图表中国家关联

2 曲线图: 设置多条曲线, 曲线设置不同样式

3 组合图: 设置图表间距

4 帕累托图: 突出标记某个点

5 曲线图: 次坐标变主坐标, x轴为日期数据

6 中国地图: 数据如何同图表中省份关联

7 中国地图: 设置移动轨迹

8 世界地图: 图例,布局设置

9 组合图: 双坐标轴

10 中国地图: 添加多个城市数据, 用散点显示

11 组合图: 图表简洁风格设置

12 仪表盘: 8个图表生成一个仪表盘布局

13 仪表盘: 自定义图表背景图

提前准备: 安装工具

安装Anaconda软件
下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
使用jupyter notebook 或者spyder
安装pyechart工具包
pyechart工具包有1.0版本和0.5版本, 请下载1.0以上版本

pip install pyecharts -U

作图中有很多地方涉及颜色参数调整, 强烈建议将以下网址收藏:

https://colorhunt.co/palettes/blue

工具包及主要参数介绍

不同模块中用法可能不一样, 详细请参考官网: pyechart官网

options: pyechart中图表选项模块, 可设置图表各种参数, 在 pyecharts 中，一切皆 Options
pyecharts.charts: pyechart中作图模块. 如果在网上看到的代码是from pyecharts import Map, 说明使用的0.5版本的pyechart, 建议不用再看,两个版本不兼容
Map, Line, Bar,Pie: pyechart中具体的作图模块, 实例化例如:Map() , 可设置图表大小和主题风格
- width : 图表宽度
- height: 图表高度
- theme: 图表风格: ‘chalk’,‘dark’, # 黑色背景适合地图 ‘essos’ ‘infographic’,‘light’,‘macarons’,‘purple-passion’, # 灰色背景适合地图 ‘roma’,‘romantic’, # 灰色背景适合地图 ‘shine’,‘vintage’, #浅粉色适合地图’walden’, ‘westeros’, # 蓝色’white’, # 黑红 ‘wonderland’
pd.read_excel() : 读取数据
add(): 添加数据 , 一般为series, 或列表列表或元组列表
add_xaxis: 添加x轴数据, 需要是列表
add_yaxis: 添加一个系列
set_series_opts: 图表系列设置. 数据标签label_opts
set_global_opts: 图表全局设置. 标题title_opts, 视觉映射visualmap_opts, 图例legend_opts, 提示框tooltip_opts, y轴yaxis_opts, x轴xaxis_opts
render() : 输出html文件
extend_axis: 添加次坐标轴
overlap() : 图表组合
add_schema(): 设置风格
reversal_axis(): 坐标轴旋转, 条形图

模板1:世界地图

代码:

# 导入工具包
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map
# 作图数据
data = pd.read_excel('./data/GDPTOP20.xlsx',index_col=0)
data
# 作图
c = (Map(init_opts=opts.InitOpts(width="1400px",height='600px'))  # 图表大小# 添加数据系列名称, 数据(list格式), 地图名称, 不显示小红点.add("", [list(z) for z in zip(data['国家_re'], data['GDP(亿美元)'])], "world",is_map_symbol_show=False) .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 标签不显示(国家名称不显示).set_global_opts(title_opts=opts.TitleOpts(title="2020年GDP前20国家",subtitle='单位: 亿美元'),   # 主标题与副标题名称visualmap_opts=opts.VisualMapOpts(max_=50000),               # 值映射最大值)
)
c.render("2020年GDP前20国家.html")       # 生成html文件

模板2:曲线图丨实际与预测、实际与实际对比

import pandas as pd
import numpy as np
import pyecharts.options as opts
from pyecharts.charts import Line
data = pd.read_excel('C:/Users/yyz/Desktop/pyechart数据可视化/data/曲线图.xlsx')
data
line = (Line(init_opts=opts.InitOpts(width="1400px", height="700px"))   # 设置图表大小.add_xaxis(data['月份'].tolist())  # 设置x轴, 需要加tolist.add_yaxis("2021年预测", data['2021年预测'],is_connect_nones=True,# 缺失值的处理symbol_size=10, # 标识的大小is_smooth=True,# 线条样式  , 是否设置成圆滑曲线linestyle_opts=opts.LineStyleOpts(width=3,color ='#f6c065',type_="dashed"), # 线条颜色和宽度label_opts=opts.LabelOpts(is_show=True,position='top',color ='#f6c065'),# 文字标签的位置和颜色itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color="#f6c065", color="#f6c065"),# 标识的颜色和宽度)   .add_yaxis("2021年实际", data['2021年实际'],is_connect_nones=True,#symbol="triangle" 标识的样式  三角形symbol_size=10, # 标识的大小is_smooth=True, # 线条样式  , 是否设置成圆滑曲线linestyle_opts=opts.LineStyleOpts(width=3,color ='#16c79a'),  # 线条颜色和宽度label_opts=opts.LabelOpts(is_show=True,position='top',color ='#16c79a'),# 文字标签的位置和颜色itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#16c79a', color='#16c79a'),  # 标识的颜色和宽度)    .add_yaxis("2020年实际", data['2020年实际'],is_connect_nones=True,symbol_size=10, is_smooth=True,linestyle_opts=opts.LineStyleOpts(width=3,color ='#28527a'),label_opts=opts.LabelOpts(is_show=True,position='bottom',color ='#28527a'),itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color="#28527a", color="#28527a"),)     .set_global_opts(title_opts=opts.TitleOpts(title="销售量趋势分析",subtitle="", # 主标题title_textstyle_opts=opts.TextStyleOpts(font_size=30), #主标题字体大小pos_left='6%'), # 主标题位置legend_opts=opts.LegendOpts(is_show=True,# 是否显示图例pos_top="3%",# 图例位置item_width=15,# 宽度item_height=15,#高度item_gap=10,# 图例间隔textstyle_opts=opts.TextStyleOpts(font_size=15)), # 图例文字大小tooltip_opts=opts.TooltipOpts(trigger="axis"),# 提示框触发, 按坐标轴yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 刻度线不显示axisline_opts=opts.AxisLineOpts(is_show=False),   # y轴线不显示splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线显示axislabel_opts=opts.LabelOpts(formatter="{value} 万件")),# y轴刻度文字xaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_align_with_label=True),is_scale=False,boundary_gap=False)))line.render("C:/Users/yyz/Desktop/pyechart数据可视化/销售量趋势分析.html")

模板3:曲线图与柱形图组合图丨隐藏次坐标轴并显示同比

import pandas as pd
import numpy as np
import pyecharts.options as opts
from pyecharts.charts import Line,Bar,Grid
data = pd.read_excel('./data/添加次坐标轴.xlsx')
data
line = (Line(init_opts=opts.InitOpts(width="1400px", height="700px"))   # 图表大小.add_xaxis(data['月份'].tolist())   # x轴.add_yaxis("2019实际",  # 系列名称data['2019年实际'],  # 数据is_connect_nones=True, # 缺失值处理symbol_size=10, # 标识的大小is_smooth=True,  # 线的类型, 直线还是圆滑曲线linestyle_opts=opts.LineStyleOpts(width=3,color ='#28527a'),  # 线宽度label_opts=opts.LabelOpts(is_show=True,position='bottom',color ='#28527a'),# 文字标签的位置和颜色itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#28527a', color='#28527a'),  # 标识的颜色和宽度)     .add_yaxis("2020年实际", data['2020年实际'], symbol_size=10, # 标识的大小is_connect_nones=True, # 缺失值处理is_smooth=True, # 线的类型, 直线还是圆滑曲线linestyle_opts=opts.LineStyleOpts(width=3,color ='#f05454'), # 线宽 , 线的类型(虚线)label_opts=opts.LabelOpts(is_show=True,position='top',color ='#f05454'),# 文字标签的位置和颜色itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#f05454', color='#f05454'),  # 标识的颜色和宽度)   .extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=-20,max_=80,is_show=False,)).set_global_opts(title_opts=opts.TitleOpts(title="销售趋势对比",title_textstyle_opts=opts.TextStyleOpts(font_size=30), #主标题字体大小subtitle="", # 次坐标轴pos_left='6%'),legend_opts=opts.LegendOpts(is_show=True,pos_top="4%"),  # 图例tooltip_opts=opts.TooltipOpts(trigger="axis"),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 刻度线axisline_opts=opts.AxisLineOpts(is_show=False),   # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线axislabel_opts=opts.LabelOpts(formatter="{value} 万件")),))bar = (Bar().add_xaxis(xaxis_data=data['月份'].tolist()).add_yaxis(series_name="同比",yaxis_index=1,                                                                   # 次坐标y_axis=data['同比%'].tolist(),label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c} %"),itemstyle_opts=opts.ItemStyleOpts(color="#78c4d4",opacity=0.6),     # 柱形图颜色  ))line.overlap(bar) # 图表组合
line.render("./销售趋势对比分析.html")

模板4:帕累托图、柱形图与曲线图组合

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Bar,Line
data = pd.read_excel('./data/帕累托图.xlsx')
data
bar = (Bar(init_opts=opts.InitOpts(width="1200px", height="500px"))  # 设置图表大小.add_xaxis(data['公司'].tolist())   # 设置柱形图的x轴, 必须写.tolist().add_yaxis(series_name="采购额",  # y轴系列名称y_axis=data['采购额'].tolist(),   # 系列书籍label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"),# 数字标签显示样式itemstyle_opts=opts.ItemStyleOpts(color="#78c4d4",opacity=0.5),     # 柱形图颜色  ).extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=0,  # 最小值max_=1,  # 最大值is_show=False,  # 是否显示))    .set_global_opts(title_opts=opts.TitleOpts(title="采购额占比",  # 主标题subtitle="",   #副标题pos_left='6%'),  # 位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  # 鼠标交叉十字显示legend_opts=opts.LegendOpts(is_show=False,pos_top="4%"),  # 图例xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=25)),yaxis_opts=opts.AxisOpts(                     # 显示y轴网格线type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 坐标轴商的刻度是否显示axisline_opts=opts.AxisLineOpts(is_show=False), # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线是否显示)))line = (Line(init_opts=opts.InitOpts(width="1200px", height="500px"))  # 设置图表大小.add_xaxis(data['公司'].tolist())  # 设置线形图的x轴.add_yaxis("",     data['累计占比'],  # 系列数据symbol_size=10, # 标识的大小yaxis_index=1,   # 主坐标轴还是次坐标轴markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name="自定义标记点", coord=[data.index[2],   # 数据坐标data['累计占比'][2]], value=data['累计占比'][2])]),  # 数据值linestyle_opts=opts.LineStyleOpts(width=3,color ='#28527a'),  # 线宽度itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#28527a', color='#28527a'),  # 标识的颜色和宽度)  #标记重点.set_series_opts(label_opts=opts.LabelOpts(is_show=False))   # 不显示标签
)bar.overlap(line) # 图表组合
bar.render('04采购额占比.html')

模板5:次坐标变主坐标,日期数据作为x轴

# 导入工具包
import pandas as pd
import numpy as np
import pyecharts.options as opts
from pyecharts.charts import Line
# 模拟数据
np.random.seed(42)
data = pd.DataFrame({"Google": np.random.randn(1000)+0.2, "Apple": np.random.randn(1000)+0.17}, index=pd.date_range('1/1/2000', periods=1000))
#df.index.name = "Date"
data = data.cumsum()
data = (data + 50).astype('int')
data
line = (Line(init_opts=opts.InitOpts(width="1400px", height="700px",bg_color='#CEDEE7'))   # 设置图表大小.add_xaxis(data.index.tolist())# 设置x轴, 需要加tolist.add_yaxis("苹果", data['Apple'],yaxis_index=1,linestyle_opts=opts.LineStyleOpts(width=5,color ='#00516D'), # 线条颜色和宽度label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=4, border_color="#00516D", color="#00516D"),) .add_yaxis("谷歌", data['Google'],yaxis_index=1,linestyle_opts=opts.LineStyleOpts(width=5,color ='#00A4DC'), # 线条颜色和宽度label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=4, border_color="#00A4DC", color="#00A4DC"),)  .add_yaxis("", [50],yaxis_index=1,symbol_size=10, label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=10, border_color="#ED1C24", color="#00516D"),) .extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=30,max_=300,is_show=True,axisline_opts=opts.AxisLineOpts(is_show=False),   # y轴线不显示axistick_opts=opts.AxisTickOpts(is_show=False),   # 刻度线不显示splitline_opts=opts.SplitLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1,color='#FFFFFF',width=3)),)).set_global_opts(title_opts=opts.TitleOpts(title="销售量趋势分析",subtitle="", # 主标题,pos_left='9%',pos_top='2%',title_textstyle_opts=opts.TextStyleOpts(font_size=30)), #主标题字体大小legend_opts=opts.LegendOpts(is_show=True,# 是否显示图例pos_top="5%",# 图例位置item_width=15,# 宽度item_height=15,#高度item_gap=10,# 图例间隔textstyle_opts=opts.TextStyleOpts(font_size=15)), # 图例文字大小tooltip_opts=opts.TooltipOpts(trigger="axis"),# 提示框触发, 按坐标轴yaxis_opts=opts.AxisOpts(axisline_opts=opts.AxisLineOpts(is_show=False)),   # y轴线不显示xaxis_opts=opts.AxisOpts(type_ = 'time',axistick_opts=opts.AxisTickOpts(is_show=True),minor_tick_opts=opts.series_options.MinorSplitLineOpts(is_show=True)),  #x轴为时间类型))line.render("C:/Users/yyz/Desktop/pyechart数据可视化/销售量趋势分析.html")

模板6:中国地图、省份地图丨2020年全国各省GDP

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Map
data = pd.read_excel('./data/31省份GDP.xlsx')
data
c = (Map(init_opts=opts.InitOpts(width="1400px", height="700px")).add("省份", # 系列名称[list(z) for z in zip(data['省份'], data['2020年GDP(亿元)'])], # 数据"china",  # 地图is_map_symbol_show=False, # 不显示小红点).set_global_opts(title_opts=opts.TitleOpts(title="2020年省份GDP分布",  # 图表标题title_textstyle_opts=opts.TextStyleOpts(font_size=20), #字体大小pos_left='20%', # 标题位置pos_top='5%'), legend_opts=opts.LegendOpts(is_show=False), # 图例是否显示visualmap_opts=opts.VisualMapOpts(max_=120000, # 最大值is_piecewise=True, # 是否为分段型split_number=6,  # 分多少段range_text=['亿元',''], # 上下显示的文字range_color=["#d9ecf2", "#a2d5f2", "#e8ffc1", "#a5ecd7", "#51adcf", "#0278ae"],#颜色pos_left='20%',pos_top='70%',),))
c.render("./06_2020年省份GDP分布.html")

模板7:中国地图、省份地图丨人口迁徙图、轨迹图、流向图

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
data = pd.read_excel('./data/迁徙图.xlsx')
data
c = (Geo(init_opts=opts.InitOpts(width="1200px", height="700px")) # 图表大小.add_schema(maptype="china", # 地图itemstyle_opts=opts.ItemStyleOpts(color="#28527a", #背景颜色border_color="#9ba4b4"))      #边框颜色, 可在 https://colorhunt.co/选择颜色.add("",  # 系列名称, 可不设置[(i,j) for i,j in zip(data['出发地'][:5],data['目的地'][:5])], # 数据color='#16c79a', # 标记颜色type_=ChartType.LINES,     # 线条effect_opts=opts.EffectOpts(symbol='arrow', # 类型symbol_size=6, # 标记大小color="blue",# 箭头颜色 ),   linestyle_opts=opts.LineStyleOpts(curve=0.2), # 设置线条弧度大小).add("", # 系列名称, 可不设置[(i,j) for i,j in zip(data['目的地'],data['热度'])],# 数据type_=ChartType.EFFECT_SCATTER,      # 涟漪散点effect_opts=opts.EffectOpts(symbol_size=2,period = 2,color="blue",# 箭头颜色), color="white", # 蓝色blue  白色 white 灰色greysymbol_size=20,  #　标记的大小).add("",  # 系列名称, 可不设置[(i,j) for i,j in zip(data['出发地'][5:],data['目的地'][5:])],color='#f6c065',type_=ChartType.LINES,     # 线条effect_opts=opts.EffectOpts(symbol='arrow',symbol_size=6,color="blue",),   linestyle_opts=opts.LineStyleOpts(curve=0.2),).set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 不显示标签.set_global_opts(title_opts=opts.TitleOpts(title="迁徙图",pos_left='50%'))    # 图表标题)
c.render("./迁徙图.html")

模板8:世界地图丨2021年全球创新指数top20

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map
data = pd.read_excel('./data/2021年全球创新指数.xlsx',index_col=0)
data
# 作图
c = (Map(init_opts=opts.InitOpts(width="1400px",height='600px'))  # 图表大小.add("国家",  # 系列名称[list(z) for z in zip(data['国家_re'], data['排名'])], # 使用数据"world",  # 地图is_map_symbol_show=False)  # 是否显示红色小圆点 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 标签不显示(国家名称不显示).set_global_opts(title_opts=opts.TitleOpts(title="2021年全球创新指数排名Top20", # 主标题subtitle='',# 副标题pos_left='20%'),   # 位置legend_opts=opts.LegendOpts(is_show=False), # 图例是否显示visualmap_opts=opts.VisualMapOpts(type_='color',# 映射类型 color 或者 sizemin_=1,  # 最小值max_=20,  # 最大值range_text=['','排名'],orient='horizontal',  # 方式方式 水平 horizontal , 垂直verticalpos_left= '20%',#  pos_rightpos_top='5%',  # pos_bottomsplit_number = 4, # 如果是连续数据, 分成几段is_piecewise= True, # 是否为分段显示is_inverse=False, # 是否反转pieces=[{"min": 1,"max":5,"color":"#00305A"},{"min": 6,"max":10,"color":"#004B8D"},{"min": 11,"max":15,"color":"#4192D9"},{"min": 16,"max":20,"color":"#7ABAF2"}]),               )
)
c.render("2021年全球创新指数排名.html")       # 生成html文件

模板9: 双坐标轴丨曲线图与柱形图组合图

import pandas as pd
import numpy as np
import pyecharts.options as opts
from pyecharts.charts import Line,Bar,Grid
data = pd.read_excel('./data/中国家电行业市场规模.xlsx')
data['年份'] = data['年份'].astype('str') # 需要转成字符串格式
data
bar = (Bar(init_opts=opts.InitOpts(width="1400px", height="700px")) # 设置图表大小.add_xaxis(xaxis_data=data['年份'].tolist())  # x轴.add_yaxis(series_name="规模(亿元)",  #柱形图系列名称y_axis=data['规模(亿元)'].tolist(), # 数据label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"), # 显示数据标签itemstyle_opts=opts.ItemStyleOpts(color="#78c4d4",opacity=0.4),     # 柱形图颜色及透明度  ).extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",  # 次坐标轴名称type_="value", # 次坐标手类型min_=-30,  # 最小值max_=30,  # 最大值is_show=True, # 是否显示axisline_opts=opts.AxisLineOpts(is_show=False,# y轴线不显示linestyle_opts=opts.LineStyleOpts(color='#f6c065')), # 设置线颜色, 字体颜色也变axistick_opts=opts.AxisTickOpts(is_show=False),   # 刻度线不显示axislabel_opts=opts.LabelOpts(formatter="{value}%"), # 次坐标轴数据显示格式))  .set_global_opts(title_opts=opts.TitleOpts(title="中国家电行业(含3C)市场规模表现",# 标题title_textstyle_opts=opts.TextStyleOpts(font_size=20), #主标题字体大小subtitle="经过十年持续增长, 近三年中国市场遭遇瓶颈", # 次坐标轴pos_left='6%'),# 标题位置legend_opts=opts.LegendOpts(is_show=False),  # 不显示图例tooltip_opts=opts.TooltipOpts(trigger="axis"),# 提示框yaxis_opts=opts.AxisOpts(type_="value", # y轴类型name='单位: 亿元', # y轴名称name_location='middle', # y轴名称位置name_gap=50,  # y轴名称距离轴线距离axistick_opts=opts.AxisTickOpts(is_show=False),   # 刻度线axisline_opts=opts.AxisLineOpts(is_show=False),   # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线axislabel_opts=opts.LabelOpts(formatter="{value}")), # 轴标签显示方式)   )line = (Line().add_xaxis(xaxis_data=data['年份'].tolist()) # x轴.add_yaxis(series_name="环比",  # 名称yaxis_index=1,  # 次坐标is_smooth=True,# 线条样式  , 是否设置成圆滑曲线y_axis=data['环比%'].tolist(),itemstyle_opts=opts.ItemStyleOpts(color="#f6c065"),     # 标记的颜色linestyle_opts=opts.LineStyleOpts(width=3,color ='#f6c065'), # 线条颜色和宽度))bar.overlap(line) # 图表组合
bar.render("./09家电行业规模.html")

模板10:中国地图省份地图市级地图丨全国主要城市空气质量排行榜

import pandas as pd
import numpy as npfrom pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartTypedata = pd.read_excel('./data/380城市空气质量数据.xlsx',index_col=0)
datac = (Geo(init_opts=opts.InitOpts(width="1400px", height="700px",theme='dark')) # 图表大小, 主题风格.add_schema(maptype="china", # 地图itemstyle_opts=opts.ItemStyleOpts(color="#28527a", #背景颜色border_color="#9ba4b4"))      #边框颜色, 可在 https://colorhunt.co/选择颜色         .add("", # 系列名称, 可不设置[(i,j) for i,j in zip(data['城市'],data['空气质量指数'])],# 数据type_=ChartType.EFFECT_SCATTER,      # 涟漪散点effect_opts=opts.EffectOpts(symbol_size=2), # 标记大小).set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 不显示标签.set_global_opts(title_opts=opts.TitleOpts(title="全国主要城市空气质量指数排行榜",  # 图表标题pos_left='center',  # 标题位置subtitle='更新日期:2021-4-5', # 副标题subtitle_link='http://tianqi.2345.com/air-rank.html'), # 副标题链接visualmap_opts=opts.VisualMapOpts(max_=200,range_text=['AQI指数',''], # 上下的名称split_number = 4, # 如果是连续数据, 分成几段pos_left= '20%',#  pos_rightpos_top='70%',  # pos_bottomis_piecewise= True, # 是否为分段显示pieces=[{"min": 1,"max":50,"color":"#32e0c4",'label':'优'},{"min": 51,"max":100,"color":"#b8de6f",'label':'良'},{"min": 101,"max":150,"color":"#fd8c04",'label':'轻度污染'},{"min": 151,"max":200,"color":"#ec5858",'label':'中度污染'}])))c.render("./10_全国主要城市空气质量指数排行榜.html")

模板11:双坐标轴, 图表简化丨2020年全球智能个人音频设备出货量及增长率

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Bar,Linedata = pd.read_excel('./data/2020年全球智能个人音频设备出货量及增长率.xlsx')
data
bar = (Bar(init_opts=opts.InitOpts(width="1200px", height="500px",theme='light'))  # 设置图表大小.add_xaxis(data['品牌'].tolist())   # 设置柱形图的x轴, 必须写.tolist().add_yaxis(series_name="2019年出货量(万台)",  # y轴系列名称y_axis=data['2019年出货量(万台)'].tolist(),   # 系列书籍label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"),# 数字标签显示样式itemstyle_opts=opts.ItemStyleOpts(color="#23120b",opacity=1),     # 柱形图颜色  ,透明度).add_yaxis(series_name="2020年出货量(万台)",  # y轴系列名称y_axis=data['2020年出货量(万台)'].tolist(),   # 系列书籍label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"),# 数字标签显示样式itemstyle_opts=opts.ItemStyleOpts(color="#21209c",opacity=1),     # 柱形图颜色  ).extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=-300,  # 最小值max_=160,  # 最大值is_show=False,  # 是否显示))    .set_global_opts(title_opts=opts.TitleOpts(title="2020年全球智能个人音频设备出货量及增长率",  # 主标题subtitle="",   #副标题pos_top='5%',title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  # 鼠标交叉十字显示legend_opts=opts.LegendOpts(is_show=False,pos_top="center"),  # 图例yaxis_opts=opts.AxisOpts(                     # 显示y轴网格线is_show=False,max_=41000,type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 坐标轴商的刻度是否显示axisline_opts=opts.AxisLineOpts(is_show=False), # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线是否显示)))line = (Line(init_opts=opts.InitOpts(width="1200px", height="500px"))  # 设置图表大小.add_xaxis(data['品牌'].tolist())  # 设置线形图的x轴.add_yaxis("",     data['同比增长率(%)'],  # 系列数据symbol_size=10, # 标识的大小is_smooth=True,yaxis_index=1,   # 主坐标轴还是次坐标轴label_opts=opts.LabelOpts(is_show=True,position='bottom',formatter="{c}%",color ='#28527a'), # 数据标签linestyle_opts=opts.LineStyleOpts(width=3,color ='#28527a'),  # 线宽度itemstyle_opts=opts.ItemStyleOpts(border_width=3, border_color='#28527a', color='#28527a'),  # 标识的颜色和宽度)  #标记重点
)bar.overlap(line) # 图表组合
bar.render('11_2020年全球智能个人音频设备出货量及增长率.html')

模板12: 仪表盘丨2020年全球智能手机相关数据

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie,Page
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType, ChartTypedata = pd.read_excel('./data/2020年智能手机相关数据.xlsx',sheet_name=None)
data
# 数据
data1 = data['2020年全球智能手机TOP10厂商市场份额']
data1.sort_values(by='百分比',ascending=True,inplace=True) # 升序排列
data1['百分比'] = (data1['百分比']*100).round(2)  # 保留2位小数
data1
bar1 = (Bar(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")) # 图表风格和背景色设置.add_xaxis(data1['品牌'].tolist())  # x轴数据.reversal_axis()    # 坐标轴翻转(条形图).add_yaxis("", data1['百分比'].tolist())  #y轴数据.set_global_opts(title_opts=opts.TitleOpts(title="2020年全球智能手机TOP10厂商市场份额",subtitle="2020年LG共出货2470万台智能手机设备,约占1.9%的时长份额",pos_left='center')).set_series_opts(label_opts=opts.LabelOpts(position="right",formatter="{c} %"))
)
bar1.render('大屏1.html')
# 数据
data2 = data['2020年美国智能手机用户主要手机品牌及占比']
data2.sort_values(by='百分比',ascending=True,inplace=True) # 升序排列
data2['百分比'] = (data2['百分比']*100).round(2)  # 保留2位小数
data2
bar2 = (Bar(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add_xaxis(data2['品牌'].tolist()).reversal_axis().add_yaxis("", data2['百分比'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="2020年美国智能手机用户主要手机品牌及占比",subtitle="随着LG的退出,美国智能手机市场将变成苹果和三星的双头垄断",pos_left='center')) .set_series_opts(label_opts=opts.LabelOpts(position="right",formatter="{c} %"))
)
bar2.render('大屏2.html')
# 数据
data3 = data['2020-2021年全球智能手机出货量市场份额']
data3[2020] = (data3[2020]*100).round(2)
data3['2021E'] = (data3['2021E']*100).round(2)
data3_re = data3.set_index('品牌').T.reset_index()
data3_re
bar3 = (Bar(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add_xaxis(data3_re['index'].tolist()).add_yaxis("三星", data3_re['三星'].tolist(),stack="stack1").add_yaxis("苹果", data3_re['苹果'].tolist(),stack="stack1").add_yaxis("小米", data3_re['小米'].tolist(),stack="stack1").add_yaxis("vivo", data3_re['vivo'].tolist(),stack="stack1").add_yaxis("OPPO", data3_re['OPPO'].tolist(),stack="stack1").add_yaxis("其他", data3_re['其他'].tolist(),stack="stack1").set_global_opts(title_opts=opts.TitleOpts(title="2020-2021年全球智能手机出货量市场份额",subtitle="小米将在2021年成为全球第三大智能手机供应商",pos_left='center'),legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom")) .set_series_opts(label_opts=opts.LabelOpts(position="inside",formatter="{c} %"))
)
bar3.render('大屏3.html')# 数据
data4 = data['2019-2020年全球可穿戴设备销售额市场份额']
data4[2019] = (data4[2019]*100).round(2)
data4[2020] = (data4[2020]*100).round(2)
data4_re = data4.set_index('类型').T.reset_index()
data4_re
bar4 = (Bar(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add_xaxis(data4_re['index'].tolist()).add_yaxis("耳戴", data4_re['耳戴'].tolist(),stack="stack1").add_yaxis("腕戴", data4_re['腕戴'].tolist(),stack="stack1").add_yaxis("其他", data4_re['其他'].tolist(),stack="stack1").set_global_opts(title_opts=opts.TitleOpts(title="2019-2020年全球可穿戴设备销售额市场份额",pos_left='center'),legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom")).set_series_opts(label_opts=opts.LabelOpts(position="inside",formatter="{c} %"))
)
bar4.render('大屏4.html')# 数据
data5 = data['2019-2020年全球可穿戴设备销售额及增长率']
data5
bar5 = (Bar(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f"))  # 设置图表大小.add_xaxis(data5['品牌'].tolist())   # 设置柱形图的x轴, 必须写.tolist().add_yaxis(series_name="2019年出货量(万台)",  # y轴系列名称y_axis=data5['2019年出货量(万台)'].tolist(),   # 系列数据).add_yaxis(series_name="2020年出货量(万台)",  # y轴系列名称y_axis=data5['2020年出货量(万台)'].tolist(),   # 系列数据).extend_axis( # 设置次坐标轴yaxis=opts.AxisOpts(name="",type_="value",min_=-300,  # 最小值max_=160,  # 最大值is_show=False,  # 是否显示))    .set_global_opts(title_opts=opts.TitleOpts(title="2020年全球智能个人音频设备出货量及增长率",  # 主标题subtitle="",   #副标题title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom"),  # 图例yaxis_opts=opts.AxisOpts(                     # 显示y轴网格线is_show=False,max_=41000,type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 坐标轴商的刻度是否显示axisline_opts=opts.AxisLineOpts(is_show=False), # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线是否显示)))line1 = (Line()  # 设置图表大小.add_xaxis(data5['品牌'].tolist())  # 设置线形图的x轴.add_yaxis("",     data5['同比增长率(%)'],  # 系列数据symbol_size=10, # 标识的大小is_smooth=True,yaxis_index=1,   # 主坐标轴还是次坐标轴)
)bar5.overlap(line1) # 图表组合
bar5.render('大屏5.html')# 数据
data6 = data['2020年全球主要智能手机显示面板厂商市场份额']
data6['占比'] = (data6['占比']*100).round(2)
data6
pie6 = (Pie(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add("",[list(z) for z in zip(data6['品牌'],data6['占比'])],radius=['40%', '60%']).set_global_opts(title_opts=opts.TitleOpts(title="2020年全球主要智能手机显示面板厂商市场份额",  # 主标题subtitle="",   #副标题title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))  )
pie6.render('大屏6.html')# 数据
data7 = data['2020年全球主要智能手机电池厂商市场份额']
data7['占比'] = (data7['占比']*100).round(2)
data7
pie7 = (Pie(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add("",[list(z) for z in zip(data7['品牌'],data7['占比'])],radius=['40%', '60%']).set_global_opts(title_opts=opts.TitleOpts(title="2020年全球主要智能手机电池厂商市场份额",  # 主标题subtitle="",   #副标题title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))  )
pie7.render('大屏7.html')
# 数据
data8 = data['2020年全球主要智能手机图像传感器厂商市场份额']
data8['占比'] = (data8['占比']*100).round(2)
data8
pie8 = (Pie(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f")).add("",[list(z) for z in zip(data8['品牌'],data8['占比'])],radius=['40%', '60%']).set_global_opts(title_opts=opts.TitleOpts(title="2020年全球主要智能手机图像传感器厂商市场份额",  # 主标题subtitle="",   #副标题title_textstyle_opts=opts.TextStyleOpts(font_size=20),pos_left='center'),  # 位置legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))  )
pie8.render('大屏8.html')
pie9 = (Pie(init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f"))#init_opts=opts.InitOpts(theme='westeros',bg_color="#161d6f").set_global_opts(title_opts=opts.TitleOpts(title="2020年全球智能手机相关数据",subtitle='更新日期: 2021/4/11',pos_left='center',title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#51c2d5',),pos_top='10%'))
)
pie9.render('大屏9.html')
page = Page(layout=Page.DraggablePageLayout)
page.add(pie9,bar1,bar2,bar3,bar4,bar5,pie6,pie7,pie8)
page.render("2020年全球智能手机相关数据.html")
# 重新布局
Page.save_resize_html("2020年全球智能手机相关数据.html", cfg_file="./布局文件/chart_config (2).json", dest="2020年全球智能手机相关数据_re2.html")

模板13: 仪表盘添加不同背景图

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Map,Line,Bar
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCodedata = pd.read_excel('./data/彩票.xlsx',sheet_name=None)
data
data1 = data['2020年3月-2021年2月中国彩票销售额']
data1
bar = (Bar(init_opts=opts.InitOpts(width="1200px", height="500px",theme='light'))  # 设置图表大小.add_xaxis(data1['时间'].tolist())   # 设置柱形图的x轴, 必须写.tolist().add_yaxis(series_name="销售额(亿元)",  # y轴系列名称y_axis=data1['销售额(亿元)'].tolist(),   # 系列书籍label_opts=opts.LabelOpts(is_show=True,position='top',formatter="{c}"),# 数字标签显示样式itemstyle_opts=opts.ItemStyleOpts(color="#51c4d3",opacity=1),     # 柱形图颜色  ,透明度).set_global_opts(title_opts=opts.TitleOpts(title="2020年3月-2021年2月中国彩票销售额",  # 主标题subtitle="",   #副标题pos_top='5%',title_textstyle_opts=opts.TextStyleOpts(font_size=15,color='white'),pos_left='center'),  # 位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  # 鼠标交叉十字显示legend_opts=opts.LegendOpts(is_show=True,pos_top="bottom"),  # 图例yaxis_opts=opts.AxisOpts(                     # 显示y轴网格线is_show=False,type_="value",axistick_opts=opts.AxisTickOpts(is_show=False),   # 坐标轴商的刻度是否显示axisline_opts=opts.AxisLineOpts(is_show=False), # y轴线splitline_opts=opts.SplitLineOpts(is_show=True),   # y轴网格线是否显示)))bar.render('13_2020年3月-2021年2月中国彩票销售额.html')data2 = data['2021年1-2月中国各地区彩票累计销售额']
data2
map2 = (Map(init_opts=opts.InitOpts(width="1400px", height="700px",theme='light'))  # 设置图表大小 主题风格 ThemeType.LIGHT  Dark ,theme='vintage'.add("省份", # 系列名称[list(z) for z in zip(data2['省市'], data2['累计销售额(亿元)'])], # 数据"china",  # 地图is_map_symbol_show=False, # 不显示小红点).set_global_opts(title_opts=opts.TitleOpts(title="2021年1-2月中国各地区彩票累计销售额",  # 图表标题title_textstyle_opts=opts.TextStyleOpts(font_size=15, color='white'), #字体大小  Tpos_left='center', # 标题位置pos_top='5%'), legend_opts=opts.LegendOpts(is_show=False), # 图例是否显示visualmap_opts=opts.VisualMapOpts(max_=60, # 最大值is_piecewise=True, # 是否为分段型split_number=6,  # 分多少段range_text=['亿元',''], # 上下显示的文字range_color=["#d9ecf2", "#a2d5f2", "#e8ffc1", "#a5ecd7", "#51adcf", "#0278ae"],#颜色pos_left='20%',pos_top='70%',),))
map2.render("./13_2021年1-2月中国各地区彩票累计销售额.html")
# 标题
line3 = (Line(init_opts=opts.InitOpts(width="1250px", height="700px",bg_color={"type": "pattern", "image": JsCode("img"), "repeat": "no-repeat"})).add_xaxis([None]).add_yaxis("", [None]) .set_global_opts(title_opts=opts.TitleOpts(title="2021年中国彩票销售额",subtitle='更新日期: 2021/4/11',pos_left='center',title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#51c2d5'),pos_top='5%'),yaxis_opts=opts.AxisOpts(is_show=False),xaxis_opts=opts.AxisOpts(is_show=False))
)
line3.add_js_funcs("""var img = new Image(); img.src = 'http://img.netbian.com/file/2019/1121/5e4911c7c44d251ee030cfafe3660394.jpg';"""
)
line3.render('./13_辅助.html')
page = Page(layout=Page.DraggablePageLayout)
page.add(line3,bar,map2)
page.render("2021年1-2月中国各地区彩票累计销售额.html")
# 重新布局
Page.save_resize_html("2021年1-2月中国各地区彩票累计销售额.html", cfg_file="./布局文件/chart_config (3).json", dest="2021年1-2月中国各地区彩票累计销售额_re2.html")

曾经买过刘万祥老师的这本图表书, 不知道还有谁买过呢?

以上就是近期整理的, 有不明白的可以私信哟, 欢迎关注, 后期会不断更新!

懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板相关推荐

从Excel到Power BI，为什么越来越多的职场人纷纷选择Power BI?
文末赠书 "IT有得聊"是机械工业出版社旗下IT专业资讯和服务平台,致力于帮助读者在广义的IT领域里,掌握更专业.实用的知识与技能,快速提升职场竞争力. 点击蓝色微信名可快速关注我 ...
职场新人想要快速成长？这些excel技巧需要懂！
毕业季了,又有一波毕业生步入职场.但刚开始工作经验不是很丰富的小伙伴们应该都会压力比较大,特别是搞定一个excel表格,办公室里的大佬/工作经验丰富同事只需要花5分钟就可以解决,而你可能需要20分钟, ...
vlookup函数练习_为什么职场要学excel函数？看这个案例演示：自动计算快递价格...
在上一篇文章里面,我们讲了如何整理完成一个规范化的表格,以便于下一步的函数计算. 最初的信息内容如图所示. 经过整理,我们得到了表2这样的规范化表格. 现在,我们就通过表2来实现快递费用自动计算,最终 ...
word饼图如何画引导线_#excel表格饼状图制作#如何在饼形图中添加引导线（Excel）...
用excel如何做美观的饼状图? iPhone开不了机按键 excel如何做饼形图的数据分析解决excel如何做饼形图的数据分析的步骤: 1.选择插入,,选择二维饼图第一个. 2.在表格右击,选择数 ...
在线作图|如何绘制一张哑铃图
哑铃图哑铃图(Dumbbell plot)是展示数据差异的可视化图表之一.当样本个数为两个时,图形类似哑铃,同时它也用来绘制多个样本,类似于多个"哑铃"的节点连接.哑铃图在生信分 ...
Pdf怎么转换excel表格，职场人士必备技能
Pdf怎么转换excel表格?大家都知道工作当中使用较多的就是pdf文件格式.可是当工作当中的表格也保存为pdf文件格式时,在查看文件中发现表格当中的错误,需要修改就会变得十分麻烦.因为pdf文件不能 ...
职场老油条靠它升职后：还用Excel手动做报表？想想就可笑
先听我这个职场老油条给大家讲个故事吧:从传统行业业务员转成大数据分析师,你知道我这些年怎么过的吗? 这家企业的信息系统里,虽然Oracle数据库.ERP等软件都是标配,但是利用率可以说是非常低了,现在 ...
matlab两个图共用一个x轴_Matlab Figures (3) —— 叠加作图与多坐标轴
毕业季发这么一篇日志似乎不太应景~但鉴于"Matlab Tips"躺在Gmail Task队列最顶端实在是太久了,还是趁着腐败活动的间隙干掉它= =,算是纪念用error.out ...
论文写作——用excel和ppt做好看的论文图
论文写作--用excel和ppt做好看的论文图 Excel 作图 PPT保存前言:用matlab或者python作图,门槛较高,熟悉比较难.用excel和ppt就比较容易上手了.最近的论文全用ppt ...
Excel 也可以很好玩:职场故事版
<Excel 也可以很好玩:职场故事版> 基本信息作者: 伍云辉 [作译者介绍] 出版社:电子工业出版社 ISBN:9787121183140 上架时间:2012-10-26 出版日期: ...

懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板

文章目录

工具包及主要参数介绍

模板1:世界地图

模板2:曲线图丨实际与预测、实际与实际对比

模板3:曲线图与柱形图组合图丨隐藏次坐标轴并显示同比

模板4:帕累托图、柱形图与曲线图组合

模板5:次坐标变主坐标,日期数据作为x轴

模板6:中国地图、省份地图丨2020年全国各省GDP

模板7:中国地图、省份地图丨人口迁徙图、轨迹图、流向图

模板8:世界地图丨2021年全球创新指数top20

模板9: 双坐标轴丨曲线图与柱形图组合图

模板10:中国地图省份地图市级地图丨全国主要城市空气质量排行榜

模板11:双坐标轴, 图表简化丨2020年全球智能个人音频设备出货量及增长率

模板12: 仪表盘丨2020年全球智能手机相关数据

模板13: 仪表盘添加不同背景图

懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板相关推荐

最新文章

热门文章

懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板

文章目录

工具包及主要参数介绍

模板1:世界地图

模板2:曲线图丨实际与预测、实际与实际对比

模板3:曲线图与柱形图组合图丨隐藏次坐标轴并显示同比

模板4:帕累托图、柱形图与曲线图组合

模板5:次坐标变主坐标,日期数据作为x轴

模板6:中国地图、省份地图丨2020年全国各省GDP

模板7:中国地图、省份地图丨人口迁徙图、轨迹图、流向图

模板8:世界地图丨2021年全球创新指数top20

模板9: 双坐标轴丨曲线图与柱形图组合图

模板10:中国地图 省份地图 市级地图丨全国主要城市空气质量排行榜

模板11:双坐标轴, 图表简化丨2020年全球智能个人音频设备出货量及增长率

模板12: 仪表盘丨2020年全球智能手机相关数据

模板13: 仪表盘 添加不同背景图

懂点excel作图, 怎么让pyechart作的图更具“职场范“呢?丨pyechart工作作图模板相关推荐

最新文章

热门文章

模板10:中国地图省份地图市级地图丨全国主要城市空气质量排行榜

模板13: 仪表盘添加不同背景图