数据分析利用pyechart套模版制作图片,解决数据轻松出图!

pyechart

官网地址:pyecharts - A Python Echarts Plotting Library built with love.

柱状图:

from pyecharts.charts import Bar from pyecharts import options as opts 
# 内置主题类型可查看 pyecharts.globals.ThemeType 
from pyecharts.globals import ThemeType 
bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]).add_yaxis("商家B", [15, 6, 45, 20, 35, 66]).set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)
​

 

柱状图解:

 

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
​
bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add_xaxis(["男孩","女孩","男人","女人"]).add_yaxis(series_name="肯德基",y_axis=[25,200,3,79]).add_yaxis(series_name="麦当劳",y_axis=[4,68,209,48]).set_global_opts(title_opts={"text":"主标题","subtext":"副标题"},#左上角顶标题 #键的参数需要规定才成功legend_opts=opts.LegendOpts(is_show=True),visualmap_opts=opts.VisualMapOpts(#视觉映射配置表颜色的状态is_show=True,min_=20,max_=200,),toolbox_opts=opts.ToolboxOpts(#工具箱子设置is_show=True),datazoom_opts=opts.DataZoomOpts(#中央底部区域缩放配置is_show=True),tooltip_opts=opts.TooltipOpts(#触碰时提示框配置is_show=True,background_color="#ff5384",textstyle_opts=opts.TextStyleOpts(color="blue",font_size=20))
​)
)
bar.render("pyecharts_柱状图.html")

地图表:

import requests
from pyecharts.charts import Map
from snapshot_selenium import snapshot
from pyecharts.render import make_snapshot
import datetime
from pyecharts import options as opts
from pyecharts.globals import ThemeType
​
url="https://lab.isaaclin.cn/nCoV/api/area"
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36'}
html_json = requests.get(url=url,headers=headers).json()
china_list = []
for item in html_json["results"]:if item["countryName"] == "中国":china_list.append([item["provinceShortName"],item["confirmedCount"]])
print(china_list)
​
date_now = datetime.date.today()
#数据格式: [['山东',100],['湖北',100]]
map = (Map(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add("中国疫情可视化",china_list,"china").set_global_opts(title_opts=opts.TitleOpts(title="中国疫情可视化",subtitle=f"更新日期{date_now}"),visualmap_opts=opts.VisualMapOpts(is_show = True,min_ = 0,max_=100000))
)
make_snapshot(snapshot,map.render(),"国内疫情情况.png")

饼图:

from pyecharts import options as opts
from pyecharts.charts import Pie
​
result = [['哈士奇',134],['萨摩耶',72],['泰迪',136],['金毛', 129], ['牧羊犬', 75], ['吉娃娃', 76], ['柯基', 56]]
​
pie = (Pie().add("饼图对比",result).set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])     .set_global_opts(title_opts=opts.TitleOpts(title="爱宠调查图"))
# 饼图:{a}(系列名称),{b}(数据项名称),{c}(数值), {d}(百分比).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}--->{d}%"))
)
pie.render("饼图.html")

导出:

基础导出:

bar.render("pyecharts_柱状图.html")

渲染图片导出:

from snapshot_selenium import snapshot
from pyecharts.render import make_snapshot
​
make_snapshot(snapshot,map.render(),"国内疫情情况.png")

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/63332.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

Excel数据分析(八)图表

一,图表的理论基础 1,什么情况下需要用到图表 1)为了揭示数据规律时,可以用图表,比纯数据的文本更形象。 2)需要用数据说服他人 3)为了展示专业素养,可以参照一些国际知名出版社…

60 种数据图表,制作工具和使用场景(建议收藏)

来源:数据分析1480 全文共 9459 个字,建议阅读 15 分钟 可视化图表种类如此之多,什么场景下应该用什么图表展示,是一个让人头秃的难题。 数据可视化的爱好者Severino Ribecca,他在自己的网站上收录了 60 种可视化图表样…

33种经典图表类型总结,轻松玩转数据可视化

导读:随着时代的发展,越来越多的数据量堆积,然而这些密密麻麻的数据的可读性较差并且毫无重点,而数据可视化更加直观有意义,更能帮助数据更易被人们理解和接受。 因此运用恰当的图表实现数据可视化非常重要&#xff0c…

图表数据分析怎么做,举实例给你说清楚

现在工作离不开图表数据分析,但是图表数据分析却容易出错。而且容易出现错误的地方不是在对数据的处理上,而是在对图表的选择上。 要正确的做好图表数据分析就要选择合适的图表再进行分析。下面跟大家说说怎么解决这个难题,做好图表数据分析&…

Excel数据分析之图表

目录 图表基本结构 图表的分类 一、图表的基本结构 组成元素 Excel图表类型与用途 二、 图表的分类 柱形图 介绍:在竖直方向比较不同类型的数据 适用场景:用于二维数据集,对于不同类型的数据进行对比,也可用于同一类型的数据在不同…

四.数据关联性分析

数据关联分析用于挖掘数据对象之间的关系,例如啤酒和尿布的案例 一.基本概念 通过实例认识项集,支持度,频繁项集,关联规则,置信度,强关联规则,支持度,置信度 运动器的历史购买数据 TID网球拍网球运动鞋羽毛球111102110031000410105011161100 TID: 表示每一次购物单的序号0…

不同数据类型的相关性分析总结

在进行数据建模之前,我们一般会进行数据探索和描述性分析,发现数据规律及数据之间的相关性,本文主要从检验方法和可视化图形两个方面对不同数据类型的相关性分析方法进行总结,以加强对数据的了解和认识,为建模打下基础…

(9)数据分析-相关性分析

文章目录 1、运用场景2、图形描述相关性2.1使用场景2.2 代码实现2.3 效果呈现 3、正态资料相关性分析3.1 使用场景3.2 皮尔森相关系数3.3 代码实现3.4 结果分析 4、非正太资料的相关分析4.1 使用场景4.2 斯皮尔曼等级相关系数4.3 代码实现4.4 结果分析 1、运用场景 相关性分析是…

数据分析之数据相关性分析

相关性分析 作者:学者科技 时间:2022/12/25 应用场景 发现数据之间的关联性 比如 啤酒 和 尿布 删减统计指标 比如 城市里的温度传感器,相关性强的可以去掉以节约成本 挑选回归建模的变量 选择与因变量相关性高的自变量自变量间如果有高度…

数据特征分析技能—— 相关性检验

数据特征分析技能—— 相关性检验 相关性分析是指对两个或多个具备相关性的变量元素进行分析,从而衡量两个变量因素的相关密切程度 一般常用四种方法: - 画图判断 - pearson(皮尔逊)相关系数 - sperman(斯皮尔曼&a…

印刷品的排版技巧

印刷品的精美离不开精美的排版,排版设计能够让书本杂志标题规整好看。随着设计素材的丰富,现在设计师可以有越来越多的选择,不过有时候过多的元素在设计并不能起到画龙点睛的作用,相反经常会发现一些排版设计十分杂乱,…

微信公众号排版方法及相关素材网站

作者:杨坤龙 链接:https://www.zhihu.com/question/23640203/answer/375921114 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 关于排版 前段时间我发了条朋友圈:有哪些东西是你…

关于文案排版的一些基本技巧

一、主文案 1. 什么是主文案 关于首页,会涉及到主文案,副文案,装饰性文案等。一个文案中最重要的是主文案,所谓主文案就是你想突出什么,什么就是主文案,主文案一般就是口号类的,标语&#xff0c…

一些实用排版工具

三年前我什么都不懂的时候,就听闻了高大上的LaTeX,还去听了图书馆某工科博士开的LaTeX入门讲解,听的天花乱坠毫无头绪,回去兴冲冲地装上,运行,出现bug,然后傻眼了,解决不了&#xff…

【工具】用PPT排版打印海报时图片分辨率问题

版本:PPT 2013 PPT用来排版做海报也许不是那么好,但是可以用,也方便。【工具】PPT插入高清图片保存后图片变模糊的解决方法,这里解决了高清图片在PPT中被压缩的问题,但用PPT打印还会碰到问题。 将PPT打印为pdf时&…

135编辑器点击换图html,这5种换图姿势,只有排版高手才会!

换图教程 胖友们,欢迎来看二条! 最近客服小姐姐一直催我写一篇关于换图的教程,我就不明白了!去年答应你的事,我怎么能拖那么久...你怎么还记得那么清楚! 好吧,教程开始。 135编辑器给图片/图片样…

ChatGLM的搭建过程

本次搭建的是清华大学开源的ChatGLM。源码地址。模型地址。 1、开启BBR加速 如何开启BBR加速可以去看我的这篇文章,Linux开启内核BBR加速。 2、拉取ChatGLM源码和ChatGLM模型 点击这里跳转到源码处。 点击这里跳转到模型下载处。 我这里在下载之前创建了一个目…

道指30只成分股的股价及历史股价抓取分析

1.获取数据: 想要获得道指30只成分股的最新股价 import requests import re import pandas as pddef retrieve_dji_list():try:r requests.get(https://money.cnn.com/data/dow30/)except ConnectionError as err:print(err)search_pattern re.compile(class"wsod_sym…

短信验证码接口的实现

代码: sendsms.java //接口类型:互亿无线触发短信接口,支持发送验证码短信、订单通知短信等。 // 账户注册:请通过该地址开通账户http://sms.ihuyi.com/register.html // 注意事项: //(1)调试…

交友项目【手机号验证码发送】功能实现

目录 1:注册登录需求分析 1.1:业务说明 1.2:需求分析 1.3:数据库表 1.4:实体类 2:发送短信验证码 2.1:登录验证码 2.2:接口说明 2.3:流程分析 2.4:…