您现在的位置是：首页 > 文章详情
这几个用 Pyecharts 做出来的交互图表，领导说叼爆了！
日期：2021-05-19点击：490收藏
作者：JackTian
来源：杰哥的IT之旅（ID：Jake_Internet）
转载请联系授权（微信ID：Hc220088）
原文链接：这几个用 Pyecharts 做出来的交互图表，领导说叼爆了！
一、Pyecharts简介和安装
1、简介
Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，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。
- 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，Sanic，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，并且支持原生百度地图，为地理数据可视化提供强有力的支持
pyecharts版本v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。
2、安装
安装 pyecharts
pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com import pyecharts print(pyecharts.__version__) # 查看pyecharts版本复制代码
安装相关的地图扩展包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg # 全球国家地图 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg # 中国省级地图 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg # 中国市级地图 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg # 中国县区级地图复制代码
二、绘制地理图表
1、世界地图—数据可视化
利用 Starbucks.csv 中的数据，首先计算每个国家(Country)对应的门店数量，然后使用世界地图表示星巴克门面店在全球的分布。
import pandas as pd from pyecharts.charts import Map from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # 用pandas读取csv文件里的数据 df = pd.read_csv("Starbucks.csv")['Country'] data = df.value_counts() datas = [(i, int(j)) for i, j in zip(data.index, data.values)] # 实例化一个Map对象 map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION)) # 世界地图 map_.add("门店数量", data_pair=datas, maptype="world") map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示label map_.set_global_opts( title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布", pos_left='40%', pos_top='10'), # 调整title位置 legend_opts=opts.LegendOpts(is_show=False), visualmap_opts=opts.VisualMapOpts(max_=13608, min_=1, is_piecewise=True, pieces=[{"max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"}, # 分段 添加图例注释和颜色 {"max": 99, "min": 10, "label": "10-99", "color": "#A52A2A"}, {"max": 499, "min": 100, "label": "100-499", "color": "#0000FF "}, {"max": 999, "min": 500, "label": "500-999", "color": "#FF00FF"}, {"max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"}, {"max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"}, {"max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"} ]) ) # 渲染在网页上 有交互性 map_.render('星巴克门店在全球的分布.html')复制代码 运行效果如下：
2、国家地图—数据可视化
涟漪散点图
利用china.csv 中的数据，首先计算每个城市(City)对应的门店数量，然后使用 pyecharts包内 Geo 模块绘制星巴克门面店在中国分布的涟漪散点地图。
import pandas as pd from pyecharts.globals import ThemeType, CurrentConfig, GeoType from pyecharts import options as opts from pyecharts.charts import Geo CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # pandas读取csv文件数据 df = pd.read_csv("china.csv")['City'] data = df.value_counts() datas = [(i, int(j)) for i, j in zip(data.index, data.values)] print(datas) geo = Geo(init_opts=opts.InitOpts(width='1000px', height='600px', theme=ThemeType.DARK)) geo.add_schema(maptype='china', label_opts=opts.LabelOpts(is_show=True)) # 显示label 省名 geo.add('门店数量', data_pair=datas, type_=GeoType.EFFECT_SCATTER, symbol_size=8) geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) geo.set_global_opts(title_opts=opts.TitleOpts(title='星巴克门店在中国的分布'), visualmap_opts=opts.VisualMapOpts(max_=550, is_piecewise=True, pieces=[{"max": 50, "min": 0, "label": "0-50", "color": "#708090"}, # 分段 添加图例注释 和颜色 {"max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"}, {"max": 200, "min": 101, "label": "101-200", "color": "#00008B"}, {"max": 300, "min": 201, "label": "201-300", "color": "#8B008B"}, {"max": 600, "min": 500, "label": "500-600", "color": "#FF0000"}, ]) ) geo.render("星巴克门店在中国的分布.html")复制代码 运行效果如下：
动态轨迹图
from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolType, CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # 链式调用 c = ( Geo() .add_schema( maptype="china", itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"), label_opts=opts.LabelOpts(is_show=True) ) .add( "", [("广州", 55), ("北京", 66), ("杭州", 77), ("重庆", 88), ('成都', 100), ('海口', 80)], type_=ChartType.EFFECT_SCATTER, color="white", ) .add( "", [("广州", "上海"), ("广州", "北京"), ("广州", "杭州"), ("广州", "重庆"), ('成都', '海口'), ('海口', '北京'), ('海口', '重庆'), ('重庆', '上海') ], type_=ChartType.LINES, effect_opts=opts.EffectOpts( symbol=SymbolType.ARROW, symbol_size=6, color="blue" ), linestyle_opts=opts.LineStyleOpts(curve=0.2), ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图")) .render("geo_lines_background.html") )复制代码 运行效果如下：
3、省市地图—数据可视化
热力图
代码如下：
from pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.faker import Faker from pyecharts.globals import GeoType, CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Geo() .add_schema(maptype="广东", label_opts=opts.LabelOpts(is_show=True)) .add( "热力图", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], type_=GeoType.HEATMAP, ) .set_series_opts(label_opts=opts.LabelOpts(is_show=True)) .set_global_opts( visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-广东地图") ) .render("geo_guangdong.html") )复制代码 运行效果如下：
在地图上批量添加地址、经纬度数据，地理数据可视化
代码如下：
import pandas as pd # 导入数据分析模块 from pyecharts.charts import Geo # 导入地理信息处理模块 from pyecharts import options as opts # 配置 from pyecharts.globals import GeoType, CurrentConfig, ThemeType CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' df = pd.read_excel("hotel.xlsx") # 获取 地点 经纬度信息 geo_sight_coord = {df.iloc[i]['酒店地址']: [df.iloc[i]['经度'], df.iloc[i]['纬度']] for i in range(len(df))} data = [(df['酒店地址'][j], f"{int(df['最低价'][j])}元(最低价)") for j in range(len(df))] # print(data) # print(geo_sight_coord) g = Geo(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION, width="1000px", height="600px")) g.add_schema(maptype="北京") for k, v in list(geo_sight_coord.items()): # 添加地址、经纬度数据 g.add_coordinate(k, v[0], v[1]) # 涟漪散点图 g.add("", data_pair=data, type_=GeoType.EFFECT_SCATTER, symbol_size=6) g.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) g.set_global_opts(title_opts=opts.TitleOpts(title="北京-酒店地址分布")) g.render("酒店地址分布.html")复制代码 运行效果如下：
三、柱形图
代码如下：
from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeType, CurrentConfig from pyecharts import options as opts CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' # 链式调用 c = ( Bar( init_opts=opts.InitOpts( # 初始配置项 theme=ThemeType.MACARONS, animation_opts=opts.AnimationOpts( animation_delay=1000, animation_easing="cubicOut" # 初始动画延迟和缓动效果 )) ) .add_xaxis(xaxis_data=Faker.choose()) # x轴 .add_yaxis(series_name="商家A", yaxis_data=Faker.values()) # y轴 .add_yaxis(series_name="商家B", yaxis_data=Faker.values()) # y轴 .set_global_opts( title_opts=opts.TitleOpts(title='标题', subtitle='副标题', # 标题配置和调整位置 title_textstyle_opts=opts.TextStyleOpts( font_family='SimHei', font_size=25, font_weight='bold', color='red', ), pos_left="90%", pos_top="10", ), xaxis_opts=opts.AxisOpts(name='x轴名称', axislabel_opts=opts.LabelOpts(rotate=45)), # 设置x名称和Label rotate解决标签名字过长使用 yaxis_opts=opts.AxisOpts(name='y轴名称'), ) .render("bar_001.html") )复制代码 运行效果如下：
代码如下：
import pandas as pd import collections from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.globals import ThemeType, CurrentConfig import random CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' df = pd.read_excel("hotel.xlsx") area = list(df['酒店地址']) area_list = [] for i in area: _index = i.find("区") # 字符串切片得到行政区名 i = i[:_index + 1] area_list.append(i) area_count = collections.Counter(area_list) area_dic = dict(area_count) # 两个列表对应 行政区 对应的酒店数量 area = [x for x in list(area_dic.keys())][0:10] nums = [y for y in list(area_dic.values())][:10] # 定制风格 bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)) colors = ['red', '#0000CD', '#000000', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC'] random.shuffle(colors) # 配置y轴数据 Baritem y = [] for i in range(10): y.append( opts.BarItem( value=nums[i], itemstyle_opts=opts.ItemStyleOpts(color=colors[i]) # 设置每根柱子的颜色 ) ) bar.add_xaxis(xaxis_data=area) bar.add_yaxis("酒店数量", yaxis_data=y) bar.set_global_opts(xaxis_opts=opts.AxisOpts( name='行政区', axislabel_opts=opts.LabelOpts(rotate=45) ), yaxis_opts=opts.AxisOpts( name='酒店数量', min_=0, max_=330, # y轴刻度的最小值 最大值 ), title_opts=opts.TitleOpts( title="行政区-酒店数量", title_textstyle_opts=opts.TextStyleOpts( font_family="KaiTi", font_size=25, color="black" ) )) # 标记最大值 最小值 平均值 标记平均线 bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False), markpoint_opts=opts.MarkPointOpts( data=[ opts.MarkPointItem(type_="max", name="最大值"), opts.MarkPointItem(type_="min", name="最小值"), opts.MarkPointItem(type_="average", name="平均值")]), markline_opts=opts.MarkLineOpts( data=[ opts.MarkLineItem(type_="average", name="平均值")])) bar.render("行政区酒店数量最多的Top10.html")复制代码 运行效果如下：
代码如下：
from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeType, CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK)) .add_xaxis(xaxis_data=Faker.days_attrs) .add_yaxis("商家A", yaxis_data=Faker.days_values) .set_global_opts( title_opts=opts.TitleOpts(title="Bar-DataZoom（slider+inside）"), datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")], ) .render("bar_datazoom_both.html") )复制代码 运行效果如下：
四、饼图
代码如下：
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Pie() .add( "", [list(z) for z in zip(Faker.choose(), Faker.values())], # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标 # 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度 center=["35%", "50%"], ) .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"]) # 设置颜色 .set_global_opts( title_opts=opts.TitleOpts(title="Pie-设置颜色-调整图例位置"), legend_opts=opts.LegendOpts(type_="scroll", pos_left="70%", orient="vertical"), # 调整图例位置 ) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) .render("pie_set_color.html") )复制代码 运行效果如下：
代码如下：
import pyecharts.options as opts from pyecharts.charts import Pie from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' x_data = ["深度学习", "数据分析", "Web开发", "爬虫", "图像处理"] y_data = [688, 888, 560, 388, 480] data_pair = [list(z) for z in zip(x_data, y_data)] data_pair.sort(key=lambda x: x[1]) c = ( # 宽 高 背景颜色 Pie(init_opts=opts.InitOpts(width="1200px", height="800px", bg_color="#2c343c")) .add( series_name="学习方向", # 系列名称 data_pair=data_pair, # 系列数据项，格式为 [(key1, value1), (key2, value2)] rosetype="radius", # radius：扇区圆心角展现数据的百分比，半径展现数据的大小 radius="55%", # 饼图的半径 center=["50%", "50%"], # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标 label_opts=opts.LabelOpts(is_show=False, position="center"), # 标签配置项 ) .set_global_opts( title_opts=opts.TitleOpts( title="Customized Pie", pos_left="center", pos_top="20", title_textstyle_opts=opts.TextStyleOpts(color="#fff"), ), legend_opts=opts.LegendOpts(is_show=False), ) .set_series_opts( tooltip_opts=opts.TooltipOpts( trigger="item", formatter="{a} {b}: {c} ({d}%)" # 'item': 数据项图形触发，主要在散点图，饼图等无类目轴的图表中使用 ), label_opts=opts.LabelOpts(color="rgba(255, 255, 255, 0.3)"), ) .render("customized_pie.html") )复制代码 运行效果如下：
五、环图
代码如下：
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Pie() .add( "", [list(z) for z in zip(Faker.choose(), Faker.values())], # 饼图的半径，数组的第一项是内半径，第二项是外半径 # 默认设置成百分比，相对于容器高宽中较小的一项的一半 radius=["40%", "60%"], ) .set_colors(["blue", "green", " #800000", "red", "#000000", "orange", "purple"]) .set_global_opts( title_opts=opts.TitleOpts(title="Pie-Radius"), legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"), ) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) .render("pie_radius.html") )复制代码 运行效果如下：
代码如下：
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Pie() .add( "", [list(z) for z in zip(Faker.choose(), Faker.values())], radius=["40%", "60%"], label_opts=opts.LabelOpts( position="outside", formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c} {per|{d}%} ", background_color="#eee", border_color="#aaa", border_width=1, border_radius=4, rich={ "a": {"color": "#999", "lineHeight": 22, "align": "center"}, "abg": { "backgroundColor": "#e3e3e3", "width": "100%", "align": "right", "height": 22, "borderRadius": [4, 4, 0, 0], }, "hr": { "borderColor": "#aaa", "width": "100%", "borderWidth": 0.5, "height": 0, }, "b": {"fontSize": 16, "lineHeight": 33}, "per": { "color": "#eee", "backgroundColor": "#334455", "padding": [2, 4], "borderRadius": 2, }, }, ), ) .set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例")) .render("pie_rich_label.html") )复制代码 运行效果如下：
六、玫瑰图
代码如下：
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' labels = ['可乐', '雪碧', '橙汁', '奶茶', '冰啤酒', '柠檬水'] values = [6, 12, 28, 52, 72, 96] v = Faker.choose() c = ( Pie() .add( "", [list(z) for z in zip(v, Faker.values())], radius=["40%", "75%"], center=["22%", "50%"], rosetype="radius", label_opts=opts.LabelOpts(is_show=False), ) .add( "", [list(z) for z in zip(labels, values)], radius=["40%", "75%"], center=["70%", "50%"], rosetype="area", ) .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"), legend_opts=opts.LegendOpts(is_show=False) ) .render("pie_rosetype.html") )复制代码 
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.globals import CurrentConfig import pandas as pd CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' provinces = ['北京','上海','黑龙江','吉林','辽宁','内蒙古','新疆','西藏','青海','四川','云南','陕西','重庆', '贵州','广西','海南','澳门','湖南','江西','福建','安徽','浙江','江苏','宁夏','山西','河北','天津'] num = [1,1,1,17,9,22,23,42,35,7,20,21,16,24,16,21,37,12,13,14,13,7,22,8,16,13,13] color_series = ['#FAE927','#E9E416','#C9DA36','#9ECB3C','#6DBC49', '#37B44E','#3DBA78','#14ADCF','#209AC9','#1E91CA', '#2C6BA0','#2B55A1','#2D3D8E','#44388E','#6A368B' '#7D3990','#A63F98','#C31C88','#D52178','#D5225B', '#D02C2A','#D44C2D','#F57A34','#FA8F2F','#D99D21', '#CF7B25','#CF7B25','#CF7B25'] # 创建DataFrame df = pd.DataFrame({'provinces': provinces, 'num': num}) # 降序排序 df.sort_values(by='num', ascending=False, inplace=True) # 提取数据 v = df['provinces'].values.tolist() d = df['num'].values.tolist() # 绘制饼图 pie1 = Pie(init_opts=opts.InitOpts(width='1250px', height='750px')) # 设置颜色 pie1.set_colors(color_series) pie1.add("", [list(z) for z in zip(v, d)], radius=["30%", "100%"], center=["50%", "50%"], rosetype="area" ) # 设置全局配置项 pie1.set_global_opts(title_opts=opts.TitleOpts(title='多省区市\n确诊病例连续多日',subtitle='零新增', title_textstyle_opts=opts.TextStyleOpts(font_size=25,color= '#0085c3'), subtitle_textstyle_opts= opts.TextStyleOpts(font_size=50,color= '#003399'), pos_right= 'center',pos_left= 'center',pos_top='42%',pos_bottom='center' ), legend_opts=opts.LegendOpts(is_show=False), toolbox_opts=opts.ToolboxOpts()) # 设置系列配置项 pie1.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12, formatter="{b}:{c}天", font_style="italic", font_weight="bold", font_family="SimHei" ), ) # 渲染在html页面上 pie1.render('南丁格尔玫瑰图示例.html')复制代码 运行效果如下：
七、词云图
词云就是通过形成关键词云层或关键词渲染，过滤掉大量的文本信息，对网络文本中出现频率较高的关键词的视觉上的突出。
import jieba import collections import re from pyecharts.charts import WordCloud from pyecharts.globals import SymbolType from pyecharts import options as opts from pyecharts.globals import ThemeType, CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' with open('barrages.txt') as f: data = f.read() # 文本预处理 去除一些无用的字符 只提取出中文出来 new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S) # 只要字符串中的中文 new_data = " ".join(new_data) # 文本分词--精确模式 seg_list_exact = jieba.cut(new_data, cut_all=False) result_list = [] with open('stop_words.txt', encoding='utf-8') as f: con = f.readlines() stop_words = set() for i in con: i = i.replace("\n", "") # 去掉读取每一行数据的\n stop_words.add(i) for word in seg_list_exact: # 设置停用词并去除单个词 if word not in stop_words and len(word) > 1: result_list.append(word) print(result_list) # 筛选后统计 word_counts = collections.Counter(result_list) # 获取前100最高频的词 word_counts_top100 = word_counts.most_common(100) # 打印出来看看统计的词频 print(word_counts_top100) # 链式调用 c = ( WordCloud( init_opts=opts.InitOpts(width='1350px', height='750px', theme=ThemeType.MACARONS) ) .add( series_name="词频", # 系列名称 data_pair=word_counts_top100, # 系列数据项 [(word1, count1), (word2, count2)] word_size_range=[15, 108], # 单词字体大小范围 textstyle_opts=opts.TextStyleOpts( # 词云图文字的配置 font_family='KaiTi', ), shape=SymbolType.DIAMOND, # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选 pos_left='100', # 距离左侧的距离 pos_top='50', # 距离顶部的距离 ) .set_global_opts( title_opts=opts.TitleOpts( # 标题配置项 title='弹幕词云图', title_textstyle_opts=opts.TextStyleOpts( font_family='SimHei', font_size=25, color='black' ), pos_left='500', pos_top='10', ), tooltip_opts=opts.TooltipOpts( # 提示框配置项 is_show=True, background_color='red', border_color='yellow', ), toolbox_opts=opts.ToolboxOpts( # 工具箱配置项 is_show=True, orient='vertical', ) ) .render('弹幕词云图.html') )复制代码 运行效果如下：
八、仪表盘
from pyecharts.charts import Gauge from pyecharts.globals import CurrentConfig from pyecharts import options as opts CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' c = ( Gauge() .add( series_name='业务指标', # 系列名称，用于 tooltip 的显示，legend 的图例筛选。 data_pair=[['完成率', 88.8]], # 系列数据项，格式为 [(key1, value1), (key2, value2)] radius='70%', # 仪表盘半径，可以是相对于容器高宽中较小的一项的一半的百分比，也可以是绝对的数值。 axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts( # 坐标轴轴线配置项 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30, ) ), title_label_opts=opts.LabelOpts( # 轮盘内标题文本项标签配置项 font_size=25, color='blue', font_family='KaiTi' ) ) .set_global_opts( title_opts=opts.TitleOpts( # 标题配置项 title='仪表盘', title_textstyle_opts=opts.TextStyleOpts( font_size=25, font_family='SimHei', color='black', font_weight='bold', ), pos_left="410", pos_top="8", ), legend_opts=opts.LegendOpts( # 图例配置项 is_show=False ), tooltip_opts=opts.TooltipOpts( # 提示框配置项 is_show=True, formatter="{a} {b} : {c}%", ) ) .render('gauge.html') )复制代码 运行效果如下：
九、水球图
from pyecharts import options as opts from pyecharts.charts import Grid, Liquid from pyecharts.commons.utils import JsCode from pyecharts.globals import CurrentConfig, ThemeType CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' lq_1 = ( Liquid() .add( series_name='电量', # 系列名称，用于 tooltip 的显示，legend 的图例筛选。 data=[0.25], # 系列数据，格式为 [value1, value2, ....] center=['60%', '50%'], # 水球外形，有' circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow' 可选。 # 默认 'circle' 也可以为自定义的 SVG 路径 shape='circle', color=['yellow'], # 波浪颜色 Optional[Sequence[str]] = None, is_animation=True, # 是否显示波浪动画 is_outline_show=False, # 是否显示边框 ) .set_global_opts(title_opts=opts.TitleOpts(title='多个Liquid显示')) ) lq_2 = ( Liquid() .add( series_name='数据精度', data=[0.8866], center=['25%', '50%'], label_opts=opts.LabelOpts( font_size=50, formatter=JsCode( """function (param) { return (Math.floor(param.value * 10000) / 100) + '%'; }""" ), position='inside' ) ) ) grid = Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add(lq_1, grid_opts=opts.GridOpts()).add(lq_2, grid_opts=opts.GridOpts()) grid.render("multiple_liquid.html")复制代码 运行效果如下：
数据获取
数据来源：www.tianqihoubao.com/aqi/chengdu…
爬取2019年全年成都空气质量数据
import pandas as pd dates = pd.date_range('20190101', '20191201', freq='MS').strftime('%Y%m') # 构造出日期序列 便于之后构造url for i in range(len(dates)): df = pd.read_html(f'http://www.tianqihoubao.com/aqi/chengdu-{dates[i]}.html', encoding='gbk', header=0)[0] if i == 0: df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False) # 追加写入 i += 1 else: df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False, header=False)复制代码 查看爬取的数据
十、折线图
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。
绘制2019年成都AQI指数走势图
import pandas as pd import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' df = pd.read_csv('2019年成都空气质量数据.csv') date = [x for x in range(len(df['日期']))] value = [int(i) for i in df['AQI指数']] # 绘制折线图 line = Line() line.add_xaxis(xaxis_data=date) line.add_yaxis( "AQI指数", # 系列数据项 value, # y轴数据 areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='#00FFFF'), # 设置图形透明度 填充颜色 label_opts=opts.LabelOpts(is_show=False), # 标签配置项 markpoint_opts=opts.MarkPointOpts( # 标记点配置项 data=[ opts.MarkPointItem(type_="max", name="最大值"), opts.MarkPointItem(type_="min", name="最小值"), opts.MarkPointItem(type_="average", name="平均值") ] ), markline_opts=opts.MarkLineOpts( # 标记线配置项 data=[opts.MarkLineItem(type_="average", name="平均值")]) ) line.set_global_opts( title_opts=opts.TitleOpts(title='2019成都AQI指数走势图(按日统计)') ) line.render('2019成都AQI指数走势图(按日统计).html')复制代码 运行效果如下：
import pandas as pd import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.globals import CurrentConfig, ThemeType import math CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']] data = df['日期'].str.split('-', expand=True)[1] df['月份'] = data # 按月份分组 聚合 统计每月AQI指数平均值 counts = df.groupby('月份').agg({'AQI指数': 'mean'}) date = [f'{x}月' for x in range(1, 13)] value = [math.ceil(i) for i in counts['AQI指数']] line = Line(init_opts=opts.InitOpts(theme=ThemeType.DARK)) line.set_colors(['red']) line.add_xaxis(xaxis_data=date) line.add_yaxis( "AQI指数均值", # 系列数据项 用于图例筛选 value, # y轴数据 label_opts=opts.LabelOpts(is_show=False), markpoint_opts=opts.MarkPointOpts( # 标记点配置项 data=[ opts.MarkPointItem(type_="max", name="最大值"), opts.MarkPointItem(type_="min", name="最小值"), opts.MarkPointItem(type_="average", name="平均值") ] ), markline_opts=opts.MarkLineOpts( # 标记线配置项 data=[opts.MarkLineItem(type_="average", name="平均值")]) ) line.set_global_opts( # 全局配置项 title_opts=opts.TitleOpts( title='2019成都AQI全年走势图(按月统计)', pos_left='32%', pos_top='3%', title_textstyle_opts=opts.TextStyleOpts( font_family='SimHei', font_size=20, color='#F0FFF0' ) ), xaxis_opts=opts.AxisOpts(name='月份'), # x轴标签 yaxis_opts=opts.AxisOpts(name='AQI指数均值') # y轴标签 ) line.render('2019成都AQI指数走势图(按月统计).html')复制代码 运行效果如下：
十一、箱形图
箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。
import pandas as pd from pyecharts import options as opts from pyecharts.charts import Boxplot from pyecharts.globals import CurrentConfig, ThemeType CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/' df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']] df.sort_values(by='AQI指数', inplace=True) # 按AQI指数大小排序 升序 data = df['日期'].str.split('-', expand=True)[1] df['月份'] = data item1, item2, item3, item4 = [], [], [], [] # 分为4个季度 for i, j in zip(df['月份'], df['AQI指数']): if i in ['01', '02', '03']: item1.append(j) elif i in ['04', '05', '06']: item2.append(j) elif i in ['07', '08', '09']: item3.append(j) elif i in ['10', '11', '12']: item4.append(j) x_data = [f'第{i}季度' for i in range(1, 5)] y_data = [item1, item2, item3, item4] boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)) boxplot.set_colors(['red']) boxplot.add_xaxis(xaxis_data=x_data) boxplot.add_yaxis(series_name='', y_axis=boxplot.prepare_data(y_data)) boxplot.set_global_opts( title_opts=opts.TitleOpts( title='2019年成都季度AQI指数箱型图', pos_left='300', pos_top='5', title_textstyle_opts=opts.TextStyleOpts( font_family='KaiTi', font_size=20, color='black' ) ), xaxis_opts=opts.AxisOpts(name='季度'), yaxis_opts=opts.AxisOpts(name='AQI指数') ) boxplot.render('2019年成都季度AQI指数箱型图.html')复制代码 运行效果如下：
关注公众号 低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有，本站原创内容转载请注明来源。
- 上一篇
安妮·纽伯格：拜登政府针对美国网络防御现代化所采取的计划
白宫国家安全委员会(National Security Council)的高级官员，国家安全副顾问Anne Neuberger在RSA大会第二天，阐述了拜登政府针对加强美国国家网络安全现代化的一些做法。 纽伯格首先描述了日益危险的网络威胁现状，她指出拜登在刚上任的100天内，就不得不处理两起大规模网络安全事件——SolarWinds攻击事件和微软Exchange攻击事件。 “政府和企业正受到来自各路网络犯罪分子的持续、复杂和饱含恶意的攻击。 “今天，网络安全比过去任何时候都更有必要被纳入国家安全的一部分。” 纽伯格表示，在目前的环境中，应当将思维方式从应急响应转变为预防。她认为虽然攻击事件必然会发生，我们需为它做好准备，但我们不能让等待攻击的发生成为运作的现状。 基于此观点，纽伯格列出了当前拜登政府为加强国家网络安全而关注的三个领域。 网络防御现代化 从SolarWinds攻击事件中可以发现，“一些最基本的网络安全措施并没有在联邦机构中进行系统地推广。”这些措施包括：多因素认证、加密和端点检测。 除了政府强制去执行这些基本的安全防护外，纽伯格表示，政府还在采取一些措施以确保它从供应商那...
- 下一篇
看了这个总结，其实 Matplotlib 可视化，也没那么难！
Python 中可以通过 matplotlib 模块的 pyplot 子库来完成绘图。Matplotlib 可用于创建高质量的图表和图形，也可以用于绘制和可视化结果。matplotlib 是 Python 优秀的数据可视化第三方库，matplotlib.pyplot 是绘制种类可视化图形的命令子库，相当于快捷方式 import matplotlib.pyplot as plt. 本文用 Python 对一批运动员数据进行操作，读取数据、数据预处理、matplotlib 数据可视化，熟悉用 Python 进行数据分析和可视化的基本方法，并绘制柱形图、堆叠图、折线图、饼图、环图、箱形图、散点图、直方图、多个子图和热力图。 数据集部分截图如下： pandas读取并查看数据，对于本次练习的数据，读取时需要设置encoding='gbk'，不然会报错。 pd.read_csv()读取csv文件，数据有17587行，17列。 importpandasaspd df=pd.read_csv('soccer.csv',encoding='gbk') print(df)复制代码 df.info()：查看...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
扫描即可查看该文章
点击排行
推荐阅读
最新文章
- Springboot2将连接池hikari替换为druid，体验最强大的数据库连接池
- SpringBoot2初体验，简单认识spring boot2并且搭建基础工程
- SpringBoot2全家桶，快速入门学习开发网站教程
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS7编译安装Gcc9.2.0，解决mysql等软件编译问题
- CentOS8编译安装MySQL8.0.19
- CentOS7,CentOS8安装Elasticsearch6.8.6
- SpringBoot2配置默认Tomcat设置，开启更多高级功能
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- SpringBoot2整合MyBatis，连接MySql数据库做增删改查操作
微信收款码
支付宝收款码