Python?pyecharts繪制條形圖詳解
更新時(shí)間：2022年04月01日 16:39:51 作者：渴望成為寂寞勝者
pyecharts是一個(gè)由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開發(fā)者的認(rèn)可。本文將利用其繪制多樣的條形圖，需要的可以參考一下
一、簡(jiǎn)介
關(guān)于具體詳情，請(qǐng)咨詢：pyecharts官網(wǎng)
pyecharts是一個(gè)由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開發(fā)者的認(rèn)可。而Python 是一門富有表達(dá)力的語(yǔ)言，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)，pyecharts誕生了。Echarts是用JS來寫的，而我們使用pyecharts則可以使用Python來調(diào)用里面的API。
優(yōu)點(diǎn)：
簡(jiǎn)潔的 API 設(shè)計(jì)，使用如絲滑般流暢，支持鏈?zhǔn)秸{(diào)用
囊括了 30+ 種常見圖表，應(yīng)有盡有
支持主流 Notebook環(huán)境，Jupyter Notebook 和 JupyterLab
可輕松集成至 Flask，Django 等主流 Web 框架
高度靈活的配置項(xiàng)，可輕松搭配出精美的圖表
詳細(xì)的文檔和示例，幫助開發(fā)者更快的上手項(xiàng)目
多達(dá) 400+地圖文件以及原生的百度地圖，為地理數(shù)據(jù)可視化提供強(qiáng)有力的支持。
二、整理數(shù)據(jù)
安裝：
pip install pyecharts
1、配置主題
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) # 第一種
Bar({"theme": ThemeType.MACARONS}) # 第二種
2、柱狀圖 Bar - Bar_base_dict_config
import os
from matplotlib import pyplot as plt
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(list1)
.add_yaxis("票價(jià)", list2, stack="stack1", category_gap="50%")
.add_yaxis("人次", list3, stack="stack1",category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title='中國(guó)電影票房',subtitle='按地區(qū)比較票價(jià)與人次')
)
)
# c.render("cnbo1.html") # 生成html圖片
# os.system("cnbo01.html") # 執(zhí)行完代碼直接跳出來圖片
c.render_notebook() # 直接在代碼區(qū)域展示圖片
3、樣例數(shù)據(jù) Faker.choose()
使用這段代碼會(huì)隨機(jī)調(diào)用系統(tǒng)的樣例參數(shù)：
.add_xaxis(Faker.choose())
from pyecharts.faker import Faker
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
Bar({"theme": ThemeType.MACARONS}) ### 配置好看的圖表主題?。。?
.add_xaxis(Faker.choose()) ### 這句話表示使用隨機(jī)的后臺(tái)樣例數(shù)據(jù)
.add_yaxis("票價(jià)", list2, stack="stack1", category_gap="50%")
.add_yaxis("人次", list3, stack="stack1",category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts={"text":"樣例數(shù)據(jù)","subtext":"使用Faker.choose()"}
)
)
c.render("cnbo1.html") # 生成html圖片
# os.system("cnbo1.html") # 執(zhí)行完代碼直接跳出來圖片
c.render_notebook() # 直接在代碼區(qū)域展示圖片
4、滾動(dòng)條 Bar - Bar_datazoom_slider
datazoom_opts=opts.DataZoomOpts()
表示可以滑動(dòng)的滾動(dòng)條：
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(list1)
.add_yaxis("票價(jià)", list2, stack="stack1", category_gap="50%")
.add_yaxis("人次", list3, stack="stack1",category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title='中國(guó)電影票房',subtitle='按地區(qū)比較票價(jià)與人次'),
brush_opts=opts.BrushOpts() ,### 使用這個(gè)可以使圖片的右上角多出來一些工具
datazoom_opts=opts.DataZoomOpts(), ### 可以使最下面多出滾動(dòng)條
)
)
c.render("cnbo2.html") # 生成html圖片
# os.system("cnbo01.html") # 執(zhí)行完代碼直接跳出來圖片
c.render_notebook() # 直接在代碼區(qū)域展示圖片
5、鼠標(biāo)移動(dòng)效果 Bar - Bar_datazoom_inside
根據(jù)鼠標(biāo)來放大與縮小的效果：
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.days_attrs)
.add_yaxis("商家A", Faker.days_values, color=Faker.rand_color())
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-DataZoom（inside）"),
datazoom_opts=opts.DataZoomOpts(type_="inside"),
)
.render("bar_datazoom_inside.html")
)
6、顯示最值 Bar - Bar_markpoint_type
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.HALLOWEEN))
.add_xaxis(list1)
.add_yaxis("票價(jià)", list2, stack="stack1", category_gap="50%")
.add_yaxis("人次", list3, stack="stack1",category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
),
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"),
]
),#########
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title='中國(guó)電影票房',subtitle='按地區(qū)比較票價(jià)與人次'),
brush_opts=opts.BrushOpts() ,### 使用這個(gè)可以使圖片的右上角多出來一些工具
datazoom_opts=opts.DataZoomOpts(orient='vertical'),
)
)
c.render("cnbo2.html") # 生成html圖片
# os.system("cnbo01.html") # 執(zhí)行完代碼直接跳出來圖片
c.render_notebook() # 直接在代碼區(qū)域展示圖片
7、改變滾動(dòng)條在側(cè)面 Bar - Bar_datazoom_slider_vertical
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
.add_xaxis(list1)
.add_yaxis("票價(jià)", list2, stack="stack1", category_gap="50%")
.add_yaxis("人次", list3, stack="stack1",category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
title_opts=opts.TitleOpts(title='中國(guó)電影票房',subtitle='按地區(qū)比較票價(jià)與人次'),
brush_opts=opts.BrushOpts() ,### 使用這個(gè)可以使圖片的右上角多出來一些工具
datazoom_opts=opts.DataZoomOpts(orient='vertical'),
)
)
c.render("cnbo2.html") # 生成html圖片
# os.system("cnbo01.html") # 執(zhí)行完代碼直接跳出來圖片
c.render_notebook() # 直接在代碼區(qū)域展示圖片
8、多個(gè)Y軸
colors=['#5793f3','#d14a61','#675bba']
legend_list=['票房','人次','價(jià)格','評(píng)價(jià)']
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
list4=cnbodfsort['BO'].tolist()
list5=cnbodfsort['points'].tolist()
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK,width="1600px",height="600px"))
.add_xaxis(list1)
.add_yaxis("評(píng)分", list5,yaxis_index=0,category_gap="50%",color=colors[2])
.add_yaxis("票價(jià)", list2,yaxis_index=0,category_gap="50%",color=colors[0])
.add_yaxis("人次", list3,yaxis_index=0,category_gap="50%",color=colors[1])
.set_series_opts(
label_opts=opts.LabelOpts(
position="top",
formatter=JsCode(
"function(x){return Number(x.data).toFixed(2);}"
),
),
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"),
]
),
)
.extend_axis(
yaxis=opts.AxisOpts(
name="票房",
type_="value",
min_=1000,
max_=150000,
interval=10000,
position="right",
axislabel_opts=opts.LabelOpts(formatter="{value} 萬(wàn)")
)
)
.extend_axis(
yaxis=opts.AxisOpts(
name="評(píng)價(jià)",
type_="value",
min_=0,
max_=11,
interval=1,
position="left",
axislabel_opts=opts.LabelOpts(formatter="{value} 點(diǎn)"),
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=colors[2])
),
splitline_opts=opts.SplitLineOpts(
is_show=True,linestyle_opts=opts.LineStyleOpts(opacity=1)
),
)
)
.set_global_opts(
yaxis_opts=opts.AxisOpts(
type_="value",
name="票價(jià)",
min_=10,
max_=70,
position="right",
offset=80,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=colors[0])
),
axislabel_opts=opts.LabelOpts(formatter="{value} 元"),
),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
datazoom_opts=opts.DataZoomOpts(orient='vertical'),
toolbox_opts=opts.ToolboxOpts(pos_left='120%'),
legend_opts=opts.LegendOpts(is_show=False),
)
)
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="票房",
yaxis_index=1,
y_axis=list4,
label_opts=opts.LabelOpts(is_show=False),
)
)
c.render_notebook() # 直接在代碼區(qū)域展示圖片
雙Y軸：
9、直方圖 Bar - Bar_histogram
# Bar - Bar_histogram
from pyecharts.options.global_options import ThemeType
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar({"theme":ThemeType.DARK})
.add_xaxis(cnboregiongb.index.tolist())
.add_yaxis("數(shù)量", cnboregiongb.values.tolist(), category_gap=0, color=Faker.rand_color())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方圖"))
)
c.render_notebook()
以上就是Python pyecharts繪制條形圖詳解的詳細(xì)內(nèi)容，更多關(guān)于Python pyecharts條形圖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)
本文主要介紹了scipy稀疏數(shù)組coo_array的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
這篇文章主要介紹了詳解python之簡(jiǎn)單主機(jī)批量管理工具，具有一定的參考價(jià)值，有興趣的可以了解一下。2017-01-01
Django RBAC權(quán)限管理設(shè)計(jì)過程詳解
這篇文章主要介紹了Django RBAC權(quán)限管理設(shè)計(jì)過程詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
python運(yùn)用pygame庫(kù)實(shí)現(xiàn)雙人彈球小游戲
這篇文章主要為大家詳細(xì)介紹了python運(yùn)用pygame庫(kù)實(shí)現(xiàn)雙人彈球小游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-11-11
這篇文章主要為大家詳細(xì)介紹了Python決策樹分類算法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2017-12-12
打包PyQt5應(yīng)用時(shí)的注意事項(xiàng)
這篇文章主要介紹了打包PyQt5應(yīng)用時(shí)的注意事項(xiàng)的相關(guān)資料,需要的朋友可以參考下2020-02-02
使用PyTorch將數(shù)據(jù)從CPU移動(dòng)到GPU的四個(gè)方法
這篇文章給大家介紹了在 PyTorch 中,將數(shù)據(jù)從 CPU 移動(dòng)到 GPU 的幾種方法,使用 .to() 方法,使用 .cuda() 方法,使用 torch.Tensor 構(gòu)造函數(shù)和使用 torch.tensor 構(gòu)造函數(shù)這四個(gè)方法,通過代碼示例介紹非常詳細(xì),需要的朋友可以參考下2024-01-01
python 判斷自定義對(duì)象類型 判斷內(nèi)建的類型可以用type。2009-03-03
探秘TensorFlow 和 NumPy 的 Broadcasting 機(jī)制
這篇文章主要介紹了探秘TensorFlow 和 NumPy 的 Broadcasting 機(jī)制，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
Python的Flask框架及Nginx實(shí)現(xiàn)靜態(tài)文件訪問限制功能
這篇文章主要介紹了Python的Flask框架及Nginx實(shí)現(xiàn)靜態(tài)文件訪問限制功能,Nginx方面利用到了自帶的XSendfile,需要的朋友可以參考下2016-06-06