pyecharts操作一

pyecharts 是一个用于生成Echarts图表的Python库。Echarts是百度开源的一个数据可视化JS库,可以生成一些非常酷炫的图表。

  • 环境安装

    • pip install pyecharts
  • 检查版本

import pyecharts
print(pyecharts.version)
2.0.3

  • 柱状图绘制

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

#v1版本开始支持链式调用
bar = (Bar(init_opts = opts.InitOpts(theme = ThemeType.WESTEROS))
.add_xaxis([“Apple”,“Huawei”,“Xiaomi”,“Oppo”,“Vivo”,“Meizu”]) #指定x轴
#可以指定多个y轴
.add_yaxis(“电商渠道”,[133,163,99,117,108,33])
.add_yaxis(“门店”,[66,87,103,78,55,77])
#全局配置操作
.set_global_opts(title_opts=opts.TitleOpts(title=“Bar-基本示例”,subtitle=“我是副标题”))
)
#在juputer notebook中渲染
bar.render_notebook()
在这里插入图片描述

  • 添加工具箱配置
    • 在全局配置set_global_opts中添加:
      • toolbox_opts=opts.ToolboxOpts()

from pyecharts.charts import Bar
from pyecharts import options as opts

#示例数据
cate = [‘Apple’,‘Huawei’,‘Xiaomi’,‘Oppo’,‘Vivo’,‘Meizu’]
data1 = [133,163,99,117,108,33]
data2 = [66,87,103,78,55,77]

#1.x版本支持链式调用
bar = (Bar()
.add_xaxis(cate) #指定x轴
#可以指定多个y轴
.add_yaxis(‘电商渠道’,data1)
.add_yaxis(‘门店’,data2)
.set_global_opts(title_opts=opts.TitleOpts(title=“Bar-基本示例”,subtitle=“我是副标题”)
,toolbox_opts=opts.ToolboxOpts() #添加工具箱代码
)
)
#在jupyter notebook中渲染
bar.render_notebook()
在这里插入图片描述

  • 饼图绘制

cate = [‘Apple’, ‘Huawei’, ‘Xiaomi’, ‘Oppo’, ‘Vivo’, ‘Meizu’]
data = [163, 134, 117, 109, 99, 56]

[list(z) for z in zip(cate,data)]

from pyecharts.charts import Pie
from pyecharts import options as opts

#示例数据
cate = [‘Apple’, ‘Huawei’, ‘Xiaomi’, ‘Oppo’, ‘Vivo’, ‘Meizu’]
data = [163, 134, 117, 109, 99, 56]

pie = (Pie()
.add(‘’,[list(z) for z in zip(cate,data)],
radius=[“30%”,“75%”], #设置半径(内外圈半径)
rosetype=“radius” #半径形式的玫瑰型样式(经典)
)
.set_global_opts(title_opts=opts.TitleOpts(title=“Pie-基本示例”,subtitle=“我是副标题”))
.set_series_opts(label_opts=opts.LabelOpts(formatter=“{b}:{d}%”))
)

pie.render_notebook()
在这里插入图片描述

  • 折线图

from pyecharts.charts import Line
from pyecharts import options as opts

#示例数据
cate = [‘Apple’, ‘Huawei’, ‘Xiaomi’, ‘Oppo’, ‘Vivo’, ‘Meizu’]
data1 = [133,163,99,117,108,33]
data2 = [66,87,103,78,55,77]

“”"
折线图示例:

  1. is_smooth 折线 OR 平滑
  2. markline_opts 标记线 OR 标记点
    “”"
    line = (Line()
    .add_xaxis(cate)
    .add_yaxis(‘电商渠道’,data1,
    #均值标记线
    markline_opts=opts.MarkLineOpts(data=[opts.MarkAreaItem(type_=“average”)]))
    .add_yaxis(‘门店’,data2,
    is_smooth=True,
    markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_=“average”)])
    )
    .set_global_opts(title_opts=opts.TitleOpts(title=“Line-基本示例”,subtitle=“我是副标题”))
    )

line.render_notebook()
在这里插入图片描述

  • 漏斗图

from pyecharts.charts import Funnel
from pyecharts import options as opts

示例数据

cate = [‘访问’, ‘注册’, ‘加入购物车’, ‘提交订单’, ‘付款成功’]
data = [30408, 15240, 10055, 8119, 5708]

“”"
漏斗图示例:

  1. sort_控制排序,默认降序;
  2. label_opts标签显示位置
    “”"
    funnel = (Funnel()
    .add(“用户数”,[list(z) for z in zip(cate,data)],
    sort_=‘ascending’,
    label_opts=opts.LabelOpts(position=“inside”)
    )
    .set_global_opts(title_opts=opts.TitleOpts(title=“Funnel-基本示例”,subtitle=“我是副标题”))
    )

funnel.render_notebook()
在这里插入图片描述

  • MapGlobe

import pyecharts.options as opts
from pyecharts.charts import MapGlobe
from pyecharts.faker import POPULATION

data = [x for _, x in POPULATION[1:]]
low, high = min(data), max(data)

m = (
MapGlobe()
.add_schema()
.add(
maptype=“world”,
series_name=“World Population”,
data_pair=POPULATION[1:],
is_map_symbol_show=False,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
min_=low,
max_=high,
range_text=[“max”, “min”],
is_calculable=True,
range_color=[“lightskyblue”, “yellow”, “green”],
)
)
)
m.render_notebook()
在这里插入图片描述

  • 仪表盘

import pyecharts.options as opts
from pyecharts.charts import Gauge

g = (
Gauge()
.add(series_name=“业务指标”, data_pair=[[“完成率”, 59.5]])
.set_global_opts(
legend_opts=opts.LegendOpts(is_show=False),
tooltip_opts=opts.TooltipOpts(is_show=True, formatter=“{a}
{b} : {c}%”),
)
)
g.render_notebook()
在这里插入图片描述

  • 关系图

from pyecharts import options as opts
from pyecharts.charts import Graph

nodes = [
{“name”: “结点1”, “symbolSize”: 20},
{“name”: “结点2”, “symbolSize”: 30},
{“name”: “结点3”, “symbolSize”: 40},
{“name”: “结点4”, “symbolSize”: 50},
{“name”: “结点5”, “symbolSize”: 60},
{“name”: “结点6”, “symbolSize”: 50},
{“name”: “结点7”, “symbolSize”: 40},
{“name”: “结点8”, “symbolSize”: 30},
]
links = []
for i in nodes:
for j in nodes:
links.append({“source”: i.get(“name”), “target”: j.get(“name”)})
g = (
Graph()
.add(“”, nodes, links, repulsion=8000)
.set_global_opts(title_opts=opts.TitleOpts(title=“我是关系图”))
)
g.render_notebook()
在这里插入图片描述

  • 水球图

from pyecharts import options as opts
from pyecharts.charts import Grid, Liquid
from pyecharts.commons.utils import JsCode

l1 = (
Liquid()
.add(“lq”, [0.7, 0.8], center=[“70%”, “60%”])
.set_global_opts(title_opts=opts.TitleOpts(title=“我们是水球图”))
)

l2 = Liquid().add(
“lq”,
[0.4318],
center=[“35%”, “60%”],
label_opts=opts.LabelOpts(
font_size=50,
formatter=JsCode(
“”“function (param) {
return (Math.floor(param.value * 10000) / 100) + ‘%’;
}”“”
),
position=“inside”,
),
)

grid = Grid().add(l1, grid_opts=opts.GridOpts()).add(l2, grid_opts=opts.GridOpts())
grid.render_notebook()
在这里插入图片描述
源文件可在这里下载:
https://download.csdn.net/download/ak2111/89039929?spm=1001.2014.3001.5501

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/288495.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【论文速读】| 对大语言模型解决攻击性安全挑战的实证评估

本次分享论文为:An Empirical Evaluation of LLMs for Solving Offensive Security Challenges 基本信息 原文作者:Minghao Shao, Boyuan Chen, Sofija Jancheska, Brendan Dolan-Gavitt, Siddharth Garg, Ramesh Karri, Muhammad Shafique 作者单位&a…

设计模式之建造者模式精讲

也叫生成器模式。将一个复杂的构建与它的表示分离,使得同样的构建过程可以创建不同的表示。 在建造者模式中,有如下4个角色: 抽象建造者(Builder):用于规范产品的各个组成部分,并进行抽象&…

GEE:将分类特征和标签提取到样本点,并以(csv/shp格式)下载到本地

作者:CSDN @ _养乐多_ 本文将介绍在Google Earth Engine(GEE)平台上,下载用于机器学习分类或者回归的样本点数据,样本点数据携带了分类特征和标签信息,可以以csv格式或者SHP格式。 结果如下图所示, 文章目录 一、核心函数1.1 采样1.2 下载函数二、代码链接三、完整代码…

开源博客项目Blog .NET Core源码学习(12:App.Application项目结构分析)

开源博客项目Blog的App.Application项目主要定义网站页面使用的数据类,同时定义各类数据的增删改查操作接口和实现类。App.Application项目未安装Nuget包,主要引用App.Core项目的类型。   App.Application项目的顶层文件夹如下图所示,下面逐…

Digital Image processing (DIP)

Camera FOV: Filed of view DOV: deep of view 景深 被F f/D 衡量,f 是焦距,D 是光圈大小。 当确定好了景深后,如何光线较暗,则需要补光,或者适当延长曝光时间(快门) 分辨率、像素尺寸&…

【Linux】详解进程终止进程等待

一、页表&&写时拷贝的进一步理解 页表中不仅仅只有虚拟地址到物理地址的映射,还包括了很多选项,其中就包括了映射条目的权限。当我们进程的代码和数据加载到内存并和进程地址空间建立映射关系时,如果数据的内容不允许被修改&#xff…

linux查找指定目录下包含指定字符串文件,包含子目录

linux查找指定目录下包含指定字符串的文件,包含子目录 linux查找指定目录下包含指定字符串的指定文件格式,包含子目录 指定目录 cd /home/www/linux查找指定目录下包含指定字符串的文件,包含子目录 grep -r "指定字符串"注释 gr…

在 Linux CentOS 中安装 Docker Engine(Dockers 引擎)【图文详解】

官方文档:https://docs.docker.com/engine/install/centos/ 操作系统要求 如果我们要在 CentOS 中安装 Docker 引擎,那么 CentOS 操作系统需要是以下版本之一的,且是处于维护的 CentOS 版本: CentOS 7CentOS Stream 8CentOS Str…

基于Springboot的牙科就诊管理系统(有报告)。Javaee项目,springboot项目。

演示视频: 基于Springboot的牙科就诊管理系统(有报告)。Javaee项目,springboot项目。 项目介绍: 采用M(model)V(view)C(controller)三层体系结构&#xff0c…

stable diffusion 的 GPU 不足怎么解决

稳定扩散(stable diffusion)是一种用于图像处理和计算机视觉任务的图像滤波算法。 当使用Stable Diffusion过程中遇到GPU显示内存不足的问题时。解决这个问题的方法有以下几种: 目前,对我来说,就最后一点能够暂时解决当…

显示器接口的了解

显示器视频接口科普:看完就懂HDMI、DP、DVI、VGA、USB-C哪个更适合你的电脑外接显示器_哔哩哔哩_bilibili 电脑显示接口: VGA,DVI,HDMI,DP,USB-C VGA:基本被淘汰了。 常见的还是HDMI1.4和2.0规格 更适合电脑使用的DP接口(免费)…

笔记本作为其他主机显示屏(HDMI采集器)

前言: 我打算打笔记本作为显示屏来用,连上工控机,这不是贼方便吗 操作: 一、必需品 HDMI采集器一个 可以去绿联买一个,便宜的就行,我的大概就长这样 win10下载 PotPlayer 软件 下载链接:h…

以太网交换——数据链路层

目录 一.以太网工作机制 网卡 交换机工作机制 二.虚拟局域网——vlan划分 1.虚拟局域网 2.怎么区分各个部门,打标签 一.以太网工作机制 早期以太网是同轴电缆连接的,只是传输介质,并不对数据做任何处理。 为解决信号冲突,…

2024年最新阿里云服务器价格表_CPU内存+磁盘+带宽价格

2024年阿里云服务器租用费用,云服务器ECS经济型e实例2核2G、3M固定带宽99元一年,轻量应用服务器2核2G3M带宽轻量服务器一年61元,ECS u1服务器2核4G5M固定带宽199元一年,2核4G4M带宽轻量服务器一年165元12个月,2核4G服务…

Redis入门到实战-第十六弹

Redis实战热身Cuckoo filter篇 完整命令参考官网 官网地址 声明: 由于操作系统, 版本更新等原因, 文章所列内容不一定100%复现, 还要以官方信息为准 https://redis.io/Redis概述 Redis是一个开源的(采用BSD许可证),用作数据库、缓存、消息…

深入理解C语言宏定义

目录 一、前言 二、宏的相关语法 2.1 #define 2.2 #undef 2.3 #运算符 2.4 ##运算符 三、宏替换的规则 四、宏与函数 一、前言 我们都知道#define语句可以定义常量,在编译器预处理时会全部将名字替换为常量。与此同时,#define也允许把参数替换到…

发展的挺快的Rust

C 可能在将来会逐步的退出历史舞台 Rust 在linux 上出现的频次越来越多了 新的语言和重构带来了更方便快捷的体验 好玩的命令集合 https://github.com/ibraheemdev/modern-unix.git 这速度,这花活儿

SpringBoot整合Swagger-UI实现在线API文档

✅作者简介:大家好,我是Leo,热爱Java后端开发者,一个想要与大家共同进步的男人😉😉🍎个人主页:Leo的博客 💞当前专栏: 循序渐进学SpringBoot ✨特色专栏: MySQL学习 🥭本文内容:SpringBoot整合Swagger-UI实现在线API文档 📚个人知识库: Leo知识库,欢迎大…

【深度学习基础(4)】pytorch 里的log_softmax, nll_loss, cross_entropy的关系

一、常用的函数有: log_softmax,nll_loss, cross_entropy 1.log_softmax log_softmax就是log和softmax合并在一起执行,log_softmaxlogsoftmax 2. nll_loss nll_loss函数全称是negative log likelihood loss, 函数表达式为:f(x,class)−x[…

市场复盘总结 20240327

仅用于记录当天的市场情况,用于统计交易策略的适用情况,以便程序回测 短线核心:不参与任何级别的调整,采用龙空龙模式 一支股票 10%的时候可以操作, 90%的时间适合空仓等待 二进三: 进级率中 14% 最常用…