欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python+pyecharts繪制交互式可視化圖表

 更新時間：2022年04月27日 09:46:25   作者：川川菜鳥  
本文我們來了解一個新的可視化模塊pyecharts，并且利用該模塊繪制讓數(shù)據(jù)變成優(yōu)美的交互式可視化圖表，感興趣的小伙伴可以跟隨小編一起了解一下

本篇我們來了解一個新的可視化模塊pyecharts,由于爬蟲敏感問題，博主對數(shù)據(jù)已經(jīng)提取供大家使用，本篇文章僅介紹數(shù)據(jù)可視化。

一、熱力圖

案例：繪制2021部分城市的GDP熱力圖(比如上海，北京，深圳，重慶，長沙的2021年總GDP)，data為一個列表，每個城市數(shù)據(jù)用元祖表示，比如：(‘上海’,43214.85）。

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType

data=[('上海',43214.85),('北京',40269.60),('深圳',30664.85),('重慶',27894.02),('長沙',13270.70)]
geo = (Geo()
 .add_schema(maptype="china")
 .add("人口", data,
 type_=ChartType.HEATMAP)
 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(
 visualmap_opts=opts.VisualMapOpts(),
 legend_opts=opts.LegendOpts(is_show=False),
 title_opts=opts.TitleOpts(title="Geo-全國GDP圖"))
 )
 
geo.render_notebook()

運行如下：

二、地理圖表

2.1 地理坐標(biāo)系

案例一：繪制2021部分省份的人口數(shù)量在地圖中

在這里插入圖片描述

2.2 市區(qū)地圖

案例：標(biāo)出2021部分省份的人口數(shù)量在地圖中

from pyecharts.charts import Map

data=[('福建',41540086),('廣東',126012510),('河北',74610235),('山西',34915616),('四川',83674866)]
print(data)
geo = (
   Map()
  .add("", data, 'china')
)
geo.render_notebook()

例如：繪制上海市各個區(qū)的平均房價交互式地圖

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType

data=[('上海',43214.85),('北京',40269.60),('深圳',30664.85),('重慶',27894.02),('長沙',13270.70)]
geo = (Geo()
 .add_schema(maptype="china")
 .add("人口", data,
 type_=ChartType.HEATMAP)
 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(
 visualmap_opts=opts.VisualMapOpts(),
 legend_opts=opts.LegendOpts(is_show=False),
 title_opts=opts.TitleOpts(title="Geo-全國GDP圖"))
 )
 
geo.render_notebook()

運行如下：

2.3人口流動圖

案例：河南省人口輸出到外省的人口量。依次向廣東，浙江，江蘇，上海，北京傳輸人口277.36，246.59，219.72，134.3.127.1萬人。

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType, SymbolType

c = (
    Geo()
    .add_schema(maptype="china")
    .add(
        "",
        [("廣東",277.36), ("浙江", 246.59), ("江蘇", 219.72), ("上海", 134.3),('北京',127.1)],
        type_=ChartType.EFFECT_SCATTER,
        color="white",
    )
    .add(
        "geo",
        [("河南", "廣東"), ("河南", "浙江"), ("河南", "江蘇"), ("河南", "上海"),('河南','北京')],
        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="河南省主要人口輸出"))
)
c.render_notebook()

運行如下：

2.4 3D地圖

案例：繪制福建，廣東，河北，山西，四川，新疆的2021總?cè)丝跀?shù)量，繪制到3D地圖上

from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType

data=[('福建',41540086),('廣東',126012510),('河北',74610235),('山西',34915616),('四川',83674866),('新疆',2585.23)]

map3d = (
    Map3D()
    .add("部分省人口數(shù)量(單位：萬)", data_pair=data, maptype='china')
)
map3d.render_notebook()

2.5 3D地球

案例：繪制一個立體的3D地球

from pyecharts.faker import POPULATION
from pyecharts.charts import MapGlobe

globe = (
    MapGlobe()
    .add_schema()
    .add(
        series_name="",
        maptype="world",
        data_pair=POPULATION[1:]
    )
)

globe.render_notebook()

如下:

三、疫情數(shù)據(jù)可視化

本小節(jié)做一個簡單的案例，輕松簡單的做一個疫情數(shù)據(jù)顯示屏，由于爬蟲知識敏感問題，所以這里作者直接把數(shù)據(jù)拿出來了，數(shù)據(jù)日期為2022年4月24日數(shù)據(jù)，數(shù)據(jù)來源：丁香醫(yī)生。數(shù)據(jù)僅供參考，不作任何用途。

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

data=[['香港', 328074], ['臺灣', 56468], ['上海', 43782], ['吉林', 39903],
      ['浙江', 2984], ['黑龍江', 2851], ['廣東', 6981], ['江西', 1184], 
      ['江蘇', 2175], ['福建', 3002], ['山東', 2676], ['北京', 1876], 
      ['廣西', 1572], ['山西', 413], ['海南', 288], ['青海', 88], 
      ['云南', 2114], ['四川', 1999], ['河南', 2878], ['湖南', 1362], 
      ['陜西', 3276], ['河北', 1993], ['內(nèi)蒙古', 1706], ['安徽', 1063],
      ['遼寧', 1614], ['湖北', 68398], ['天津', 1800], ['重慶', 694], 
      ['貴州', 179], ['新疆', 999], ['甘肅', 681], ['寧夏', 122], 
      ['澳門', 82], ['西藏', 1]]

print(data)

geo = (
   Map()
  .add("感染人數(shù)", data, 'china') # 傳入數(shù)據(jù)，地圖選擇中國

)
    
geo.render_notebook()

效果如下：

為了讓圖更加優(yōu)美，需要對它設(shè)置標(biāo)簽，顏色信息，所以添加set_global_opts方法，修改后代碼如下：

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

data=[['香港', 328074], ['臺灣', 56468], ['上海', 43782], ['吉林', 39903],
      ['浙江', 2984], ['黑龍江', 2851], ['廣東', 6981], ['江西', 1184], 
      ['江蘇', 2175], ['福建', 3002], ['山東', 2676], ['北京', 1876], 
      ['廣西', 1572], ['山西', 413], ['海南', 288], ['青海', 88], 
      ['云南', 2114], ['四川', 1999], ['河南', 2878], ['湖南', 1362], 
      ['陜西', 3276], ['河北', 1993], ['內(nèi)蒙古', 1706], ['安徽', 1063],
      ['遼寧', 1614], ['湖北', 68398], ['天津', 1800], ['重慶', 694], 
      ['貴州', 179], ['新疆', 999], ['甘肅', 681], ['寧夏', 122], 
      ['澳門', 82], ['西藏', 1]]

print(data)

geo = (
   Map()
  .add("感染人數(shù)", data, 'china') # 傳入數(shù)據(jù)，地圖選擇中國
  .set_global_opts(
    title_opts=opts.TitleOpts(title="2022-4-23中國疫情地圖"),
    visualmap_opts=opts.VisualMapOpts(max_=10000, is_piecewise=True,
                                    #最大數(shù)據(jù)范圍，分段
                                    # 第一段設(shè)置為：猩紅
                                      pieces=[
                                          {"max": 99999, "min": 10001, "label": ">10000", "color": "#DC143C"},
                                          {"max": 10000, "min": 1000, "label": "1000-10000", "color": "#8A0808"},
                                          {"max": 999, "min": 500, "label": "500-999", "color": "#B40404"},
                                          {"max": 499, "min": 100, "label": "100-499", "color": "#DF0101"},
                                          {"max": 99, "min": 10, "label": "10-99", "color": "#F78181"},
                                          {"max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
                                          {"max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
                                      ],
                                     is_calculable=True) 
)
)
    
geo.render_notebook()

運行:

pyecharts是圖表是可以制作成網(wǎng)頁的，作者在此留下一個思考：是否可以制作實時每天每小時更新的這樣網(wǎng)頁？當(dāng)然，這留給感興趣的同學(xué)去探索。因為設(shè)計爬蟲，前端，數(shù)據(jù)分析，可視化。本書主要只介紹了數(shù)據(jù)可視化與數(shù)據(jù)分析。

四、空氣質(zhì)量數(shù)據(jù)可視化

案例：繪制身份的降雨量在地圖上。（數(shù)據(jù)來源由作者隨機設(shè)置，讀者可以自行查看相關(guān)數(shù)據(jù)網(wǎng)站設(shè)置真實值）

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


attr_1= [95, 56, 87, 92, 74, 79, 82,68 , 59, 63, 82]
value_1  = ["福建","河南","浙江","江西","貴州","四川","上海","北京","湖北","廣西","河北"]
# print([list(z) for z in zip(attr_1, value_1)])

c = (
    Map()
    .add("空氣質(zhì)量", [list(z) for z in zip(attr_1, value_1)],"china") # 用列表推導(dǎo)式對兩個列表合并成對應(yīng)形式

    .set_global_opts(
        title_opts=opts.TitleOpts(title="降雨量可視化"),
        visualmap_opts=opts.VisualMapOpts(max_=100,is_piecewise=True                              
                                    )
    )
)
# c.render_notebook()
c.render(r"1.html")

運行如下：

本次案例對圖形保存為html格式文件，可以使用瀏覽器打開查看自己的圖形。唯一的區(qū)別就是最后一行：c.render(r"1.html")，它所代表的含義為對圖形保存為1.html文件，也就是網(wǎng)頁文件。

五、外賣點分布數(shù)據(jù)可視化

案例：假設(shè)獲取到美團與餓了么的部分省份騎手?jǐn)?shù)量，對該數(shù)據(jù)同時繪制在一張圖上。（數(shù)據(jù)由作者隨意設(shè)置，僅供參考）

from pyecharts import options as opts


value_1 = [1500, 1300, 20000, 23000, 3500, 3400, 2500]
attr_1 = ["福建","山東","北京","上海","江西","云南","重慶"]
value_2 = [21000, 16520, 24120, 17820, 9542, 4689, 4325, 8950,]
attr_2 = ["北京","廣東","上海","浙江","四川","貴州","云南","重慶"]

c = (
    Map()
    .add("餓了么", [list(z) for z in zip(attr_1, value_1)],"china")
    .add("美團", [list(z) for z in zip(attr_2, value_2)],"china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="美團-餓了么騎手分布"),
        visualmap_opts=opts.VisualMapOpts(max_=25000,is_piecewise=True)
    )
)


# c.render_notebook()
c.render(r"2.html")

效果如下：

六、總結(jié)

本篇文章帶大家進入了一個新的數(shù)據(jù)可視化模塊，它非常適合制作可視化大屏

以上就是Python+pyecharts繪制交互式可視化圖表的詳細內(nèi)容，更多關(guān)于Python pyecharts可視化圖表的資料請關(guān)注腳本之家其它相關(guān)文章！

相關(guān)文章

  • python tkinter實現(xiàn)屏保程序

    python tkinter實現(xiàn)屏保程序

    這篇文章主要為大家詳細介紹了python tkinter實現(xiàn)屏保程序，具有一定的參考價值，感興趣的小伙伴們可以參考一下
    2019-07-07
  • Python快速轉(zhuǎn)換numpy數(shù)組中Nan和Inf的方法實例說明

    Python快速轉(zhuǎn)換numpy數(shù)組中Nan和Inf的方法實例說明

    今天小編就為大家分享一篇關(guān)于Python快速轉(zhuǎn)換numpy數(shù)組中Nan和Inf的方法實例說明，小編覺得內(nèi)容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧
    2019-02-02
  • 用Python實現(xiàn)寫倒序輸出(任意位數(shù))

    用Python實現(xiàn)寫倒序輸出(任意位數(shù))

    這篇文章主要介紹了用Python實現(xiàn)寫倒序輸出(任意位數(shù))，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
    2022-05-05
  • pycharm的debug調(diào)試以及異常,Python中錯誤的處理過程

    pycharm的debug調(diào)試以及異常,Python中錯誤的處理過程

    這篇文章主要介紹了pycharm的debug調(diào)試以及異常,Python中錯誤的處理過程,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-01-01
  • 詳解python中l(wèi)ist的使用

    詳解python中l(wèi)ist的使用

    這篇文章主要介紹了python中l(wèi)ist的使用，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-03-03
  • python游戲?qū)崙?zhàn)項目之俄羅斯方塊的魅力

    python游戲?qū)崙?zhàn)項目之俄羅斯方塊的魅力

    遲早一定會掛掉的俄羅斯方塊，為什么至今仍是世界游戲之王？它是怎么編寫的？本文將給大家詳細的介紹，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值
    2021-09-09
  • Numpy中np.random.rand()和np.random.randn() 用法和區(qū)別詳解

    Numpy中np.random.rand()和np.random.randn() 用法和區(qū)別詳解

    這篇文章主要介紹了Numpy中np.random.rand()和np.random.randn() 用法和區(qū)別詳解，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-10-10
  • python3中@dataclass的實現(xiàn)示例

    python3中@dataclass的實現(xiàn)示例

    @dataclass?是 Python 3.7 引入的一個裝飾器,用于方便地定義符合數(shù)據(jù)類協(xié)議的類,本文主要介紹了python3中@dataclass的實現(xiàn)示例,感興趣的可以了解一下
    2024-02-02
  • Python使用py2exe打包程序介紹

    Python使用py2exe打包程序介紹

    這篇文章主要介紹了Python使用py2exe打包程序介紹,本文講解了py2exe簡介、安裝、用法、指定額外文件等內(nèi)容,需要的朋友可以參考下
    2014-11-11
  • GitHub?AI編程工具copilot在Pycharm的應(yīng)用

    GitHub?AI編程工具copilot在Pycharm的應(yīng)用

    最近聽說github出了一種最新的插件叫做copilot,這篇文章主要給大家介紹了關(guān)于GitHub?AI編程工具copilot在Pycharm的應(yīng)用,目前感覺確實不錯,建議大家也去使用,需要的朋友可以參考下
    2022-04-04

最新評論