Python可視化之pyechart庫使用詳解
更新時間：2023年12月06日 08:52:03 作者：db_lch_2042
這篇文章主要介紹了Python可視化之pyechart庫使用詳解,Pyecharts 提供了一個簡單而直觀的 API 接口,使得使用者無需了解復雜的 JavaScript 語法,即可通過 Python 代碼實現(xiàn)高度定制化的圖表設(shè)計,需要的朋友可以參考下
前言
隨著數(shù)據(jù)的快速增長和數(shù)據(jù)分析的廣泛應用，數(shù)據(jù)可視化成為了現(xiàn)代社會中不可或缺的一部分。
Python 作為一門強大而靈活的編程語言，擁有眾多優(yōu)秀的可視化庫，其中之一便是 pyecharts。
提示：以下是本篇文章正文內(nèi)容，下面案例可供參考
一、Pyecharts概述
Pyecharts 是一個 Python 可視化庫，用于創(chuàng)建交互式和美觀的圖表。它基于著名的 pyScript 可視化庫 Echarts，通過在 Python 中調(diào)用 Echarts 的功能，使用戶能夠在 Python 環(huán)境中輕松地繪制各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點圖等。
Pyecharts 提供了一個簡單而直觀的 API 接口，使得使用者無需了解復雜的 pyScript 語法，即可通過 Python 代碼實現(xiàn)高度定制化的圖表設(shè)計。
官方網(wǎng)站：pyecharts
二、pyecharts如何安裝或者使用
注意：小編運用的源代碼編輯器VScode的Python環(huán)境
在本文章中，我們將深入介紹 pyecharts 的使用方法和技巧，幫助讀者掌握如何利用該庫創(chuàng)建各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點圖。
1.安裝 Pyecharts：使用 pip 包管理工具，在命令行中運行以下命令進行安裝
pip install pyecharts
2.導入 Pyecharts：在 Python 代碼中導入所需的 Pyecharts 模塊。
import pyecharts from pyecharts import charts
3.創(chuàng)建圖表對象
# 創(chuàng)建折線圖對象 line_chart = charts.Line()
4. 設(shè)置圖表數(shù)據(jù)和屬性
add：方法用于添加散點圖的數(shù)據(jù)系列
# 設(shè)置圖表標題和數(shù)據(jù)
line_chart.set_global_opts(title_opts=pyecharts.options.TitleOpts(title="折線圖示例"))
line_chart.add_xaxis(["A", "B", "C", "D", "E"])
line_chart.add_yaxis("Series 1", [1, 3, 2, 5, 4])5. 渲染圖表：使用渲染方法將圖表渲染為 HTML 文件或在 VScode 中直接顯示。
# 渲染圖表為 HTML 文件，保存在在本文件夾下
line_chart.render("line_chart.html")
# 直接渲染顯示圖表
line_chart.render_notebook()
三、其他圖形展示
1.條形圖
from pyecharts import options as opts
from pyecharts.charts import Bar
stacked_bar_chart = Bar()
stacked_bar_chart.set_global_opts(title_opts=opts.TitleOpts(title="兩個商家的堆疊條形圖示例"))
x_data = ["產(chǎn)品A", "產(chǎn)品B", "產(chǎn)品C", "產(chǎn)品D", "產(chǎn)品E"]
y_data1 = [50, 60, 70, 80, 90] # 商家1的數(shù)據(jù)
y_data2 = [30, 40, 50, 60, 70] # 商家2的數(shù)據(jù)
stacked_bar_chart.add_xaxis(x_data)
stacked_bar_chart.add_yaxis("商家1", y_data1)
stacked_bar_chart.add_yaxis("商家2", y_data2)
stacked_bar_chart.set_series_opts(stack="stack") #堆疊效果 使兩個商家堆疊起來
# 渲染圖表為 HTML 文件
#stacked_bar_chart.render("stacked_bar_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
stacked_bar_chart.render_notebook()
2.餅圖
from pyecharts import options as opts
from pyecharts.charts import Pie
pie_chart = Pie()
pie_chart.set_global_opts(title_opts=opts.TitleOpts(title="餅圖示例"))
data = [("類別1", 50), ("類別2", 30), ("類別3", 20)]
pie_chart.add("", data)
#pie_chart.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}")) #formatter 參數(shù)是一個字符串，用于設(shè)置數(shù)據(jù)標簽的格式。在這里， 表示扇區(qū)名稱，{c} 表示對應的數(shù)值。
pie_chart.set_global_opts(legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%")) #orient 參數(shù)用于設(shè)置圖例的布局方向。 "vertical" 表示圖例垂直布局。pos_top 參數(shù)用于設(shè)置圖例距離頂部的位置。pos_left 參數(shù)用于設(shè)置圖例距離左側(cè)的位置。
# 渲染圖表為 HTML 文件
#pie_chart.render("pie_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
pie_chart.render_notebook()
3.散點圖
from pyecharts import options as opts
from pyecharts.charts import Scatter
scatter_chart = Scatter(
init_opts=opts.InitOpts(width="70%", height="400px") #設(shè)置圖形大小
)
scatter_chart.set_global_opts(
title_opts=opts.TitleOpts(title="散點圖示例")
)
x_data = [1, 2, 3, 4, 5]
y_data = [10, 20, 30, 40, 50]
scatter_chart.add_xaxis(x_data)
scatter_chart.add_yaxis("Series 1", y_data)
# 渲染圖表為 HTML 文件
#scatter_chart.render("catter_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
scatter_chart.render_notebook()
4.箱型圖
from pyecharts import options as opts
from pyecharts.charts import Boxplot
# 創(chuàng)建 Boxplot 對象
boxplot = Boxplot()
# 添加數(shù)據(jù)
data = [[850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
[960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790]]
boxplot.add_xaxis(["Sample 1", "Sample 2"])
boxplot.add_yaxis("箱型圖案例", boxplot.prepare_data(data))
# 設(shè)置全局配置選項
#boxplot.set_global_opts(title_opts=opts.TitleOpts(title="箱型圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
boxplot.render_notebook()
5.漏斗圖
from pyecharts import options as opts
from pyecharts.charts import Funnel
# 創(chuàng)建 Funnel 對象
funnel = Funnel()
# 添加數(shù)據(jù)
data = [("Step 1", 100),
("Step 2", 80),
("Step 3", 60),
("Step 4", 40),
("Step 5", 20)]
funnel.add("Funnel", data)
# 設(shè)置全局配置選項
funnel.set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
funnel.render_notebook()
6.儀表盤
from pyecharts import options as opts
from pyecharts.charts import Gauge
# 創(chuàng)建 Gauge 對象
gauge = Gauge()
# 添加數(shù)據(jù)
gauge.add("Gauge", [("指標", 75)])
# 設(shè)置全局配置選項
gauge.set_global_opts(title_opts=opts.TitleOpts(title="儀表盤示例"))
# 在 Jupyter Notebook 中直接顯示圖表
gauge.render_notebook()
7.水球圖
from pyecharts import options as opts
from pyecharts.charts import Liquid
# 創(chuàng)建 Liquid 對象
liquid = Liquid()
# 添加數(shù)據(jù)
liquid.add("Liquid", [0.6])
# 設(shè)置全局配置選項
liquid.set_global_opts(title_opts=opts.TitleOpts(title="水球圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
liquid.render_notebook()
8.地圖
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
# 創(chuàng)建 Map 對象
map_chart = Map(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
# 添加數(shù)據(jù)
data = [("China", 100), ("United States", 50), ("Russia", 80), ("Brazil", 70), ("Australia", 90)]
# 設(shè)置全局配置選項
map_chart.add("World Map", data, maptype="world", label_opts=opts.LabelOpts(is_show=False))
map_chart.set_global_opts(
title_opts=opts.TitleOpts(title="世界地圖示例"),
visualmap_opts=opts.VisualMapOpts(is_piecewise=True),
)
# 在 Jupyter Notebook 中直接顯示圖表
map_chart.render_notebook()
總結(jié)
在本次討論中，我們了解了如何使用 Pyecharts 庫進行可視化圖表的創(chuàng)建和展示。
Pyecharts 是一個基于 Python 的強大的可視化工具，它提供了豐富的圖表類型和靈活的配置選項，可以幫助我們輕松地創(chuàng)建各種類型的圖表。
在編寫代碼時，我們使用了 VSCODE 這個 Python 開發(fā)環(huán)境。在 VSCODE 中，我們可以方便地編寫和運行 Python 代碼，并使用 Pyecharts 創(chuàng)建圖表。
總的來說，Pyecharts 是一個功能強大且易于使用的 Python 可視化庫，它提供了豐富的圖表類型和靈活的配置選項，使我們能夠創(chuàng)建各種精美的圖表來呈現(xiàn)數(shù)據(jù)。
通過掌握 Pyecharts，我們可以更好地展示和傳達數(shù)據(jù)的信息。
到此這篇關(guān)于Python可視化之pyechart庫使用詳解的文章就介紹到這了,更多相關(guān)Python的pyechart庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
手把手教你實現(xiàn)Python連接數(shù)據(jù)庫并快速取數(shù)的工具
在數(shù)據(jù)生產(chǎn)應用部門，取數(shù)分析是一個很常見的需求，實際上業(yè)務人員需求時刻變化，最高效的方式是讓業(yè)務部門自己來取。本文就來手把手教大家搭建一個?Python?連接數(shù)據(jù)庫，快速取數(shù)工具，需要的可以參考一下2022-11-11
今天小編就為大家分享一篇解決django后臺樣式丟失,css資源加載失敗的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
Python數(shù)據(jù)分析之PMI數(shù)據(jù)圖形展示
這篇文章主要介紹了Python數(shù)據(jù)分析之PMI數(shù)據(jù)圖形展示，文章介紹了簡單的python爬蟲,并使用numpy進行了簡單的數(shù)據(jù)處理，最終使用?matplotlib?進行圖形繪制，實現(xiàn)了直觀的方式展示制造業(yè)和非制造業(yè)指數(shù)圖形,需要的朋友可以參考一下2022-05-05
這篇文章主要介紹了Django實現(xiàn)的自定義訪問日志模塊,結(jié)合具體實例形式分析了Django針對日志的相關(guān)操作技巧,需要的朋友可以參考下2017-06-06
這篇文章主要為大家介紹了使用PyTorch常見4個錯誤解決示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-10-10
今天小編就為大家分享一篇python爬取cnvd漏洞庫信息的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
這篇文章主要介紹了Python如何實現(xiàn)疫情地圖可視化，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2021-02-02
這篇文章主要介紹了python topk()函數(shù)求最大和最小值實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要給大家介紹了關(guān)于python經(jīng)典練習百題之猴子吃桃三種解法的相關(guān)資料, Python猴子吃桃子編程是一個趣味性十足的編程練習,在這個練習中,我們將要使用Python語言來模擬一只猴子吃桃子的過程,需要的朋友可以參考下2023-10-10
本文介紹了如何使用Python識別圖片中的指定顏色圖案,并將識別結(jié)果保存為圖片,通過示例代碼和效果展示,可以學習到實現(xiàn)這一功能的具體方法,感興趣的朋友跟隨小編一起看看吧2025-01-01