导入类库

1 from pyecharts import Pie, Bar, Gauge, EffectScatter, WordCloud, Map, Grid, Line, Timeline
2 import random

make_point:标注,类似于matplotlib的text

is_stack:堆叠,将同一图表中的不同图像堆叠显示

is_label_show:显示每个数据的标注

is_datazoom_show:数据缩放显示

地图

1 value = [120, 110]
2 attr = [u'河南', u'浙江']
3 map = Map(u'Map 结合 VisualMap 示例', width=1200, height=600)
4 map.use_theme('dark')
5 map.add('', attr, value, maptype=u'china', is_visualmap=True, visual_text_color='#000')
6 map.render('map.html')

堆叠柱状图

1 attr = ['衬衫', '羊毛衫', '雪纺衫', '裤子', '高跟鞋', '袜子']
2 v1 = [5, 20, 36, 10, 75, 90]
3 v2 = [10, 25, 8, 60, 20, 80]
4 bar = Bar('柱状图数据堆叠示例')
5 bar.add('商家A', attr, v1, mark_point=['average'], is_stack=True)
6 bar.add('商家B', attr, v2, mark_point=['min', 'max'], is_stack=True)
7 bar.render('bar.html')

收缩柱状图

1 attr = ['{}天'.format(i) for i in range(30)]
2 v1 = [random.randint(1, 30) for _ in range(30)]
3 bar = Bar('Bar - datazoom - slider示例')
4 bar.use_theme('dark')
5 bar.add('', attr, v1, is_label_show=True, is_datazoom_show=True, is_more_utils=True)
6 bar.render('bar_slider.html')
7 # 上面可以通过下面一句链式调用
8 # (Bar().add().add().render())

仪表盘

1 gauge = Gauge('仪表盘示例')
2 gauge.add('业务指标', '完成率', 66.66)
3 gauge.render('gauge.html')

散点图

1 v1 = [10, 20, 30, 40, 50, 60]
2 v2 = [25, 20, 15, 10, 60, 33]
3 es = EffectScatter('动态散点图示例')
4 es.add('effectScatter', v1, v2)
5 es.render('effectScatter.html')

词云

1 name = [u'网络', u'数据分析.txt', u'hadoop', u'flask']
2 value = [10000, 6000, 4000, 3000]
3 wd = WordCloud(width=1300, height=620)
4 wd.add('', name, value, word_size_range=(20, 100))
5 wd.render('wordcloud.html')

饼图

1 attr = ['衬衫', '羊毛衫', '雪纺衫', '裤子', '高 跟鞋', '袜子']
2 v1 = [11, 12, 13, 10, 10, 10]
3 pie = Pie('饼图示例')
4 # pie.use_theme('dark')
5 pie.add('服装', attr, v1, is_label_show=True)
6 pie.render('pie.html')

网格容器

 1 attr = ['衬衫', '羊毛衫', '雪纺衫', '裤子', '高 跟鞋', '袜子']
 2 v1 = [5, 20, 36, 10, 75, 90]
 3 v2 = [10, 25, 8, 60, 20, 80]
 4 bar = Bar('柱状图示例', height=720)
 5 bar.add('商家A', attr, v1, is_stack=True)
 6 bar.add('商家B', attr, v2, is_stack=True)
 7 line = Line('折线图示例', title_top='50%')
 8 attr = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
 9 line.add('最高气温',
10          attr,
11          [11, 11, 15, 13, 12, 13, 10],
12          mark_point=['max', 'min'],
13          mark_line=['average'],
14          )
15 line.add('最低气温',
16          attr,
17          [1, -2, 2, 5, 3, 2, 0],
18          mark_point=['max', 'min'],
19          mark_line=['average'],
20          legend_top='50%'
21          )
22 grid = Grid()
23 grid.add(bar, grid_bottom='60%')
24 grid.add(line, grid_top='60%')
25 grid.render('grid.html')

时间线

 1 attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
 2 pie_1 = Pie("2012 年销量比例", "数据纯属虚构")
 3 pie_1.add("秋季", attr, [random.randint(10, 100) for _ in range(6)],
 4           is_label_show=True, radius=[30, 55], rosetype='radius')
 5
 6 pie_2 = Pie("2013 年销量比例", "数据纯属虚构")
 7 pie_2.add("秋季", attr, [random.randint(10, 100) for _ in range(6)],
 8           is_label_show=True, radius=[30, 55], rosetype='radius')
 9
10 pie_3 = Pie("2014 年销量比例", "数据纯属虚构")
11 pie_3.add("秋季", attr, [random.randint(10, 100) for _ in range(6)],
12           is_label_show=True, radius=[30, 55], rosetype='radius')
13
14 pie_4 = Pie("2015 年销量比例", "数据纯属虚构")
15 pie_4.add("秋季", attr, [random.randint(10, 100) for _ in range(6)],
16           is_label_show=True, radius=[30, 55], rosetype='radius')
17
18 pie_5 = Pie("2016 年销量比例", "数据纯属虚构")
19 pie_5.add("秋季", attr, [random.randint(10, 100) for _ in range(6)],
20           is_label_show=True, radius=[30, 55], rosetype='radius')
21
22 timeline = Timeline(is_auto_play=True, timeline_bottom=0)
23 timeline.use_theme('dark')
24 timeline.add(pie_1, '2012 年')
25 timeline.add(pie_2, '2013 年')
26 timeline.add(pie_3, '2014 年')
27 timeline.add(pie_4, '2015 年')
28 timeline.add(pie_5, '2016 年')
29 timeline.render('timeline.html')

转载于:https://www.cnblogs.com/siplips/p/9853205.html

数据分析——pyecharts相关推荐

  1. python数据分析——pyecharts折线图全解

    折线图是排列在工作表的列或行中的数据可以绘制到折线图中.折线图可以显示随时间(根据常用比例设置)而变化的连续数据,因此非常适用于显示在相等时间间隔下数据的趋势. 下面我给大家介绍一下如何用pyecha ...

  2. 线程池+进程池爬虫—深圳房价+数据分析+pyecharts可视化

    这一部分转载于自己本人微信公众号: 眼光梭映一世豪,欢迎骚扰!这篇文字只出于想要玩一下数据分析,小白一个,欢迎大家指点批评. 文章目录 01 第一部分,制作缘由. 02第二部分:爬虫的过程 03 第三 ...

  3. python数据分析——pyecharts柱状图全解(小白必看)

    击上方"Python爬虫与数据挖掘",进行关注 回复"书籍"即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 伯仲之间见伊吕,指挥若定失萧曹. 一 ...

  4. python数据分析——pyecharts柱状图全解

    最近学了一点python关于pyecharts的内容,发现一篇内容挺全的文章,转一下. 一. 安装 pip install pyecharts 二.pyecharts柱状图/条形图全解 1.基本柱状图 ...

  5. python爬虫餐饮行业数据分析统计服_Python数据分析实战,简单快速制作餐饮行业商业化报告...

    前些天有个朋友向我求救,他们公司最近要针对餐饮行业做数据分析,并为某些商家做出线上营销方案.但是他一头雾水,不知道该从哪方面下手. 我提醒他,是否先从商家的线上评价作为数据分析的入口例如美团.大众点评 ...

  6. 视频教程-Python数据分析案例实战 视频课程-Python

    Python数据分析案例实战 视频课程 计算机硕士,多年工作经验,技术和产品负责人. 多年推荐系统/NLP/大数据工作经验. 负责公司多个AI项目产品落地,包括文本分类.关键词抽取.命名实体识别.对话 ...

  7. 20个python数据分析实战项目(附源码)

    1.用python制作炫酷的滚动地球 https://mp.weixin.qq.com/s/mTBhLsO6IuU7l4rme1G1yw 2.python数据分析--pyecharts柱状图全解(小白 ...

  8. 用Python做一个价值数万的市场调查报告程序,分分钟完成工作

    前些天有个朋友向我求救,他们公司最近要针对餐饮行业做数据分析,并为某些商家做出线上营销方案.但是他一头雾水,不知道该从哪方面下手. 我提醒他,是否先从商家的线上评价作为数据分析的入口例如美团.大众点评 ...

  9. 用Python做市场调查:餐饮商铺的用户满意度分析

    前些天有个朋友向我求救,他们公司最近要针对餐饮行业做数据分析,并为某些商家做出线上营销方案.但是他一头雾水,不知道该从哪方面下手. 我提醒他,是否先从商家的线上评价作为数据分析的入口例如美团.大众点评 ...

最新文章

  1. mysql常见问题处理-插入数据error code:1206
  2. 自学HTML5第三节(拖放效果)
  3. bootstrap 隐藏元素_Bootstrap中折叠面板的样式内容
  4. 支持php,让Apache支持PHP语言
  5. Unity Api集合
  6. 操作系统的线程和进程的区别_面试官:你熟悉多线程嘛?线程跟进程有什么区别?...
  7. android9的手机,可防手机上瘾?安卓9.0首批升级的机型都在这里
  8. bash中正则表达式
  9. 每日涉猎技术点存档(2018年6月)
  10. 题目【物联网控制技术第五章】【幅频特性】【相频特性】【波特图】【奈奎斯特图】
  11. 怎么使用可视化数据库工具 DBeaver 连接本地数据库?
  12. 在proteus中共阴数码管的驱动与使用
  13. 大学生面试:教你用“一切细节”征服HR
  14. 机票网络售票模拟系统(嵌入式部分)
  15. java 调用博思得条码打印机
  16. 中国有句俗语叫“三天打鱼两天晒网”。某人从2010年1月1日起开始“三天打鱼两天晒网”,问这个人在以后的某一天中是“打鱼”还是“晒网”。
  17. 什么是RDD?RDD的特点?RDD与Dataframe的关系?
  18. 《数字图像处理(第三版)》 第二章 数字图像基础 笔记3(图像取样和量化)
  19. 设计模式的六大原则?
  20. 【ConfluxNews】2023.2.23 Conflux Network 与 Alchemy Pay 达成合作

热门文章

  1. 如何在 Ubuntu 14.04 和 12.04 上测试 systemd
  2. Java Servlet 编程,重定向介绍
  3. 网站服务器被访问 io,服务器端被客户端访问完以后出现java.io.ioexception,socket问题。...
  4. 上传书籍进度信息到服务器...,使用HttpWebRequest实现大文件上传资料.pdf
  5. java 反射api_Java学习笔记--反射API
  6. marker主题 ros_(五)ROS主题理解
  7. 电路中滤波电容和退耦电容_详解电源滤波电路中的高频滤波电容电路
  8. openmv串口数据 串口助手_STM32 串口接收不定长数据 STM32 USART空闲检测中断
  9. 工业4.0时代,工业交换机在智能电网建设中有什么作用?
  10. hdmi光端机运用于多媒体信息发布系统案例介绍