简介

pyecharts是一个由百度开源的数据可视化，凭借着良好的互交性，精巧的图表设计，得到了众多开发者的认可，而python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。

安装

pip3 install pyecharts

版本检查

import pyecharts
pyecharts.__version__
>>>'1.5.1'

柱状图、条形图

import pyecharts.charts as pyec

x = ['甲','乙','丙']
y = [300,800,600]
bar = pyec.Bar()
bar.add_xaxis(x)
bar.add_yaxis(series_name='公司A',yaxis_data=y)
bar.render_notebook()

画出来的图为动态图

把鼠标放在柱状区域会出现相关信息
点击图正上的小方框，公司A的信息会隐藏起来

可以把图生成html文件

bar.render("F:\\pyec.html")
>>>'F:\\pyec.html'

在这个路径下就会有这个文件

添加标题

import pyecharts.options as opts
bar.set_global_opts(title_opts=opts.TitleOpts(title='比较图'))
bar.render_notebook()

加另一组数据

y1 = [1200,500,200]
bar.add_yaxis(series_name='公司B',yaxis_data=y1)
bar.render_notebook()

可以只看公司A的对比图
可以只看公司B的对比图

转成条形图

bar.reversal_axis()
bar.render_notebook()

折线图

x = ['甲','乙','丙']
y = [300,800,600]
line = pyec.Line()
line.add_xaxis(x)
line.add_yaxis(series_name='A',y_axis=y)
line.render_notebook()

再加一条折线

y2 = [1300,400,700]
line.add_yaxis(series_name='B',y_axis=y2)
line.render_notebook()

同样的，也可以只显示一条折现

在图中增加提示项

数据提示

bar.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'))
bar.render_notebook()

工具箱

bar.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'),toolbox_opts=opts.ToolboxOpts(is_show=True,orient='horizontal'),)
bar.render_notebook()

工具箱竖置

bar.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'),toolbox_opts=opts.ToolboxOpts(is_show=True,orient='vertical'),)
bar.render_notebook()

增加缩放功能

bar.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'),toolbox_opts=opts.ToolboxOpts(is_show=True,orient='vertical'),datazoom_opts=opts.DataZoomOpts(type_='slider',range_start=0,range_end=2500),)
bar.render_notebook()

饼图

Pie需要的数据格式：

[[x1,y1],[x2,y2],[x3,y3]]或[(x1,y1),(x2,y2)]

x_data = ['直接访问','营销推广','博客推广','搜索引擎']
y_data = [830,214,300,1100]
data_pair = list(zip(x_data,y_data))
print(data_pair)
>>>[('直接访问', 830), ('营销推广', 214), ('博客推广', 300), ('搜索引擎', 1100)]

pie = pyec.Pie()
pie.add(series_name="推广渠道",data_pair=data_pair)
pie.render_notebook()

环形图

pie = pyec.Pie()
pie.add(series_name="推广渠道",data_pair=data_pair,radius=['50%','75%'])
pie.render_notebook()

散点图

准备工作

import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']  = ['SimHei']#用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False#用来正常显示负号
sns.set_style('darkgrid',{'font.sans-serif':['SimHei','Arial']})import warnings#去除部分警告信息
warnings.filterwarnings('ignore')

import numpy as np
x = np.linspace(0,10,30)
y1 = np.sin(x)
y2 = np.cos(x)

用其他包画散点图

plt.scatter(x,y1)

sns.scatterplot(x,y1)

用pyecharts 画散点图

scatter = pyec.Scatter()
scatter.add_xaxis(xaxis_data=x)
scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1)
scatter.render_notebook()

设置数据点不显示

scatter = pyec.Scatter()
scatter.add_xaxis(xaxis_data=x)
scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1,label_opts=opts.LabelOpts(is_show=False))
scatter.render_notebook()

加数据（点的大小设置）

scatter.add_yaxis(series_name='y=cos(x)',y_axis = y2,label_opts=opts.LabelOpts(is_show=False),symbol_size=20#点大小设置
)
scatter.render_notebook()

scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1,label_opts=opts.LabelOpts(is_show=False),symbol_size=15)
scatter.add_yaxis(series_name='y=cos(x)',y_axis = y2,label_opts=opts.LabelOpts(is_show=False),symbol_size=20
)
scatter.render_notebook()

控制散点形状

circle

scatter = pyec.Scatter()
scatter.add_xaxis(xaxis_data=x)
scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1,label_opts=opts.LabelOpts(is_show=False),symbol='circle')
scatter.render_notebook()

rect

scatter = pyec.Scatter()
scatter.add_xaxis(xaxis_data=x)
scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1,label_opts=opts.LabelOpts(is_show=False),symbol='rect')
scatter.render_notebook()

roundRect(圆角)

scatter = pyec.Scatter()
scatter.add_xaxis(xaxis_data=x)
scatter.add_yaxis(series_name='y=sin(x) 散点图',y_axis=y1,label_opts=opts.LabelOpts(is_show=False),symbol='roundRect')
scatter.render_notebook()

triangle
diamond
pin
arrow
none

如何用pyecharts绘制柱状图，条形图，折线图，饼图,环形图，散点图相关推荐

绘制条形图python_小白学Python（13）——pyecharts 绘制柱状图/条形图 Bar
Bar-基本示例 1 from example.commons importFaker2 from pyecharts importoptions as opts3 from pyecharts.ch ...
MATLAB采用双坐标轴同时绘制柱状图和折线图
利用MATLAB同时绘制柱状图和折线图,其中柱状图表示温度,折线图表示颗粒物浓度,左侧y轴表示温度(单位摄氏度),右侧y轴表示颗粒物浓度(个/每立方米). MATLAB plotyy 方法/步骤第一 ...
python 柱状图和折线图放在一起_Python matplotlib：matplotlib绘制——柱状图和折线图的组合...
Python matplotlib:使用matplotlib绘制--柱状图和折线图的组合. 废话不多说,直接上效果图和代码. 代码如下: #柱状图 import numpy as np import ...
jfreechart折线图+柱状图、柱状图(堆叠)+折线图、饼状图、环形图
记录jfreechart生成图片测试程,主要是为自己研究过之后的记录:) 折线图+柱状图柱状图(堆叠)+折线图获取饼状图获取环形图 jar包下载地址:https://download.csdn. ...
【Echarts】Vue项目使用echarts详细教程，暗色系柱状图，折线图，环形图等详细配置代码
文章目录一.引入 echarts 二.效果图及其详细代码 2.1.双柱柱状图 2.2.折柱混合图 2.3.堆叠柱状图 2.4.嵌套环形图 2.5.普通环形图一.引入 echarts echarts ...
Excel制作折线图与环形图嵌套的数据图表
以下列表格中的数据为例,讲解如何制作出下图所示的折线图与环形图嵌套的图表 ↓ 首先,我们分别以1Q,2Q,3Q,4Q为横坐标,以他们的总计为纵坐标,制作折线图.折线图选择带数据点的样式2. 然后,我们 ...
chart.js使用学习——饼图/环形图
饼图/环形图能够展示数据集中各项的大小与各项总和的比例.chart.js中创建饼图/环形图,只需在chart构造函数中指定图表类型为pie/doughnut即可. 基本用法创建饼图/环形图主 ...
技术解析：如何用pyecharts绘制时间轮播图
在前天的文章『用python制作动态图表看全球疫情变化趋势』中,由于篇幅原因,在数据处理与数据可视化相关内容上我们只是简单带过,那么我将以python小小白的角度去还原如何处理数据与数据可视化.本文为 ...
origin如何绘制多条折线_如何用origin绘制数据变化折线图
在实验中我们可能会得到一些数据,这些初始数据我们首先可以用数据统计分析软件SPSS来进行初步处理分析,得到摘要性的统计数据,如平均值和标准误的值(如果有兴趣可以看这篇文章:<用SPSS做独立样本 ...

如何用pyecharts绘制柱状图，条形图，折线图，饼图,环形图，散点图

简介

pyecharts是一个由百度开源的数据可视化，凭借着良好的互交性，精巧的图表设计，得到了众多开发者的认可，而python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。

安装

柱状图、条形图

画出来的图为动态图

可以把图生成html文件

添加标题

加另一组数据

转成条形图

折线图

再加一条折线

同样的，也可以只显示一条折现

在图中增加提示项

数据提示

工具箱

工具箱竖置

增加缩放功能

饼图

Pie需要的数据格式：

[[x1,y1],[x2,y2],[x3,y3]]或[(x1,y1),(x2,y2)]

环形图

散点图

准备工作

用其他包画散点图

用pyecharts 画散点图

设置数据点不显示

加数据（点的大小设置）

控制散点形状

如何用pyecharts绘制柱状图，条形图，折线图，饼图,环形图，散点图相关推荐

最新文章

热门文章