Python繪制折線圖可視化神器pyecharts案例
更新時(shí)間：2022年07月04日 16:45:35 作者：王小王_123
這篇文章主要介紹了Python繪制折線圖可視化神器pyecharts，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下
前言
相信有很多的小伙伴看了如此多個(gè)案例之后肯定有所發(fā)現(xiàn)，每一個(gè)案例都對(duì)應(yīng)著每一個(gè)配置，如果是官方配置文檔，說實(shí)話看起來真的很難，這樣通過案例實(shí)現(xiàn)來解決各種參數(shù)的配置，我覺得有一定的參考價(jià)值和學(xué)習(xí)意義，正所謂“磨刀不誤砍工”，如何把可視化做的爐火純青，任重而道遠(yuǎn)也！
說明：有些數(shù)據(jù)是調(diào)用相關(guān)庫(kù)資源：from pyecharts.faker import Faker，需要自己添加數(shù)據(jù)，非常簡(jiǎn)單，這個(gè)不用擔(dān)心。
你覺得上述圖形用的上嗎，我估計(jì)在平時(shí)的小場(chǎng)景可能用不到，但是做股票好像不錯(cuò)喲！
折線圖模板系列
自定義標(biāo)簽數(shù)據(jù)折線圖
有時(shí)候我們不想要把所有的數(shù)據(jù)標(biāo)簽都顯示出來，因?yàn)檫@樣太繁雜了，數(shù)據(jù)可視化的原則就是在炫酷的同時(shí)把圖表準(zhǔn)確的呈現(xiàn)在用戶的面前，這就需要我們按照特定的場(chǎng)景選擇特定的圖形。
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
x, y = Faker.choose(), Faker.values()#更改數(shù)據(jù)集即可
c = (
Line({"theme":ThemeType.MACARONS})#不添加默認(rèn)紅色
.add_xaxis(x)
.add_yaxis(
"商家A",
y,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(name="自定義標(biāo)記點(diǎn)", coord=[x[2], y[2]], value=y[2])] # 這里定義要顯示的標(biāo)簽數(shù)據(jù)
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30, # 標(biāo)簽與軸線之間的距離，默認(rèn)為20，最好不要設(shè)置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標(biāo)簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數(shù)量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具選項(xiàng)
)
.render("自定義標(biāo)簽.html")
)
一天用電量折線圖（特定場(chǎng)景）
此模板可以作為一天用電量的應(yīng)用，也可以在此基礎(chǔ)上進(jìn)行更改，形成其他類別的折線圖，只是提供模板，你可以根據(jù)自己的應(yīng)用場(chǎng)景來解決問題。
import pyecharts.options as opts
from pyecharts.charts import Line
x_data = [
"00:00",
"01:15",
"02:30",
"03:45",
"05:00",
"06:15",
"07:30",
"08:45",
"10:00",
"11:15",
"12:30",
"13:45",
"15:00",
"16:15",
"17:30",
"18:45",
"20:00",
"21:15",
"22:30",
"23:45",
]
y_data = [
300,
280,
250,
260,
270,
300,
550,
500,
400,
390,
380,
390,
400,
500,
600,
750,
800,
700,
600,
400,
]
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="用電量",
y_axis=y_data,
is_smooth=True,
label_opts=opts.LabelOpts(is_show=False),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="一天用電量分布", subtitle="純屬虛構(gòu)"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
xaxis_opts=opts.AxisOpts(boundary_gap=False),
yaxis_opts=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(formatter="{value} W"),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
visualmap_opts=opts.VisualMapOpts(
is_piecewise=True,
dimension=0,
pieces=[
{"lte": 6, "color": "green"},
{"gt": 6, "lte": 8, "color": "red"},
{"gt": 8, "lte": 14, "color": "green"},
{"gt": 14, "lte": 17, "color": "red"},
{"gt": 17, "color": "green"},
],
),
)
.set_series_opts(
markarea_opts=opts.MarkAreaOpts(
data=[
opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),
opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),
]
)
)
.render("用電量折線圖.html")
)
斷點(diǎn)折線圖（根據(jù)場(chǎng)景進(jìn)行配置）
import pyecharts.options as opts
from pyecharts.charts import Line
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"])
.add_yaxis(
series_name="",
y_axis=[120, 200, 150, 80, 70, 110, 130],
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green", width=4, type_="dashed"),
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3, border_color="yellow", color="blue"
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(type_="category",
name='類別',
name_location='middle',
name_gap=30, # 標(biāo)簽與軸線之間的距離，默認(rèn)為20，最好不要設(shè)置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標(biāo)簽字體大小
)
),
yaxis_opts=opts.AxisOpts(
type_="value",
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
tooltip_opts=opts.TooltipOpts(is_show=False),
)
.render("斷點(diǎn)折線圖.html")
)
雙折線圖顯示最低最高數(shù)據(jù)標(biāo)簽（不顯示其他數(shù)據(jù)標(biāo)簽）
有時(shí)候折線圖里面的數(shù)據(jù)太多了，但是我們想要一眼就直觀的看到數(shù)據(jù)的最低最高是多少，雖然pyecharts可以把鼠標(biāo)放在點(diǎn)上就會(huì)顯示，但是如果做出PPT或者圖片，那么就有點(diǎn)不現(xiàn)實(shí)了。
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),
)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30, # 標(biāo)簽與軸線之間的距離，默認(rèn)為20，最好不要設(shè)置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標(biāo)簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數(shù)量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具選項(xiàng)
)
.render("雙折線圖顯示最低最高.html")
)
雙折線圖顯示平均刻度數(shù)據(jù)標(biāo)簽（數(shù)據(jù)可顯示）
這個(gè)雙折線圖可以運(yùn)用在我們需要知道一類數(shù)據(jù)集里面的平均值是多少，那么我們就可以根據(jù)這個(gè)來配置相關(guān)參數(shù)了，下面的圖例我們沒有顯示數(shù)據(jù)，也可以顯示數(shù)據(jù)。
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),#允許顯示數(shù)據(jù)
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30, # 標(biāo)簽與軸線之間的距離，默認(rèn)為20，最好不要設(shè)置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標(biāo)簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數(shù)量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具選項(xiàng)
)
.render("雙折線圖顯示平均刻度.html")
)
斷點(diǎn)折線圖（顯示數(shù)據(jù)項(xiàng)）
前面的圖例里面，沒有對(duì)數(shù)據(jù)進(jìn)行展示，也沒有數(shù)據(jù)標(biāo)簽，這個(gè)圖例是對(duì)之前的進(jìn)行改造和設(shè)計(jì)升級(jí)的。
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c = (
Line()
.add_xaxis(xaxis_data=Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green", width=4, type_="dashed"),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3, border_color="yellow", color="blue"
),#可進(jìn)行多維疊加
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30, # 標(biāo)簽與軸線之間的距離，默認(rèn)為20，最好不要設(shè)置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標(biāo)簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數(shù)量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具選項(xiàng)
)
.render("斷點(diǎn)顯示數(shù)據(jù).html")
)
面積折線圖（不緊貼）
前面有一個(gè)圖形是一個(gè)曲線的折線圖，緊貼Y軸，此圖例是不緊貼的且是折線的形式。
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.add_yaxis("商家B", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"))
.render("面積折線圖不緊貼.html")
)
3D旋轉(zhuǎn)彈簧圖
運(yùn)行生成之后，自動(dòng)旋轉(zhuǎn)。有的小伙伴很是好奇，為什么會(huì)有這種炫酷的圖形，這種圖形是如何設(shè)計(jì)出來的，看了代碼我們發(fā)現(xiàn)其實(shí)并不難，代碼量也不是很復(fù)雜，原因就是它基于算法數(shù)學(xué)設(shè)計(jì)的，這也就是為什么說有“幾何之美”的這一概念了。
到此這篇關(guān)于Python繪制折線圖可視化神器pyecharts的文章就介紹到這了,更多相關(guān)Python pyecharts內(nèi)容請(qǐng)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
這篇文章主要介紹了使用豆瓣源來安裝python中的第三方庫(kù)方法，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2021-01-01
Wordcloud庫(kù)的基本使用非常簡(jiǎn)單,只需要導(dǎo)入庫(kù)并調(diào)用WordCloud類即可,這篇文章主要介紹了Python wordcloud庫(kù),需要的朋友可以參考下2024-01-01
用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的能夠上傳下載的HTTP服務(wù)器
這篇文章主要介紹了用Python實(shí)現(xiàn)一個(gè)簡(jiǎn)單的能夠上傳下載的HTTP服務(wù)器,是Python網(wǎng)絡(luò)編程學(xué)習(xí)當(dāng)中的基礎(chǔ),本文示例基于Windows操作系統(tǒng)實(shí)現(xiàn),需要的朋友可以參考下2015-05-05
這篇文章主要介紹了pyqt5制作登錄窗口的詳細(xì)過程,本文通過實(shí)例圖文相結(jié)合給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-10-10
利用Tkinter(python3.6)實(shí)現(xiàn)一個(gè)簡(jiǎn)單計(jì)算器
這篇文章主要給大家介紹了關(guān)于利用Tkinter(python3.6)實(shí)現(xiàn)一個(gè)簡(jiǎn)單計(jì)算器的相關(guān)資料，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。2017-12-12
python3爬蟲學(xué)習(xí)之?dāng)?shù)據(jù)存儲(chǔ)txt的案例詳解
這篇文章主要介紹了python3爬蟲學(xué)習(xí)之?dāng)?shù)據(jù)存儲(chǔ)txt的案例詳解，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，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-04-04
今天小編就為大家分享一篇PyCharm 設(shè)置SciView工具窗口的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
一文帶你了解Python中Scikit-learn庫(kù)的使用
Scikit-learn是Python的一個(gè)開源機(jī)器學(xué)習(xí)庫(kù)，它支持監(jiān)督和無監(jiān)督學(xué)習(xí)，本文主要來深入探討一下Scikit-learn的更高級(jí)的特性，感興趣的小伙伴可以了解下2023-07-07
在本教程的開始部分，就已經(jīng)引入了函數(shù)的概念：《永遠(yuǎn)強(qiáng)大的函數(shù)》，之所以那時(shí)候就提到函數(shù)，是因?yàn)槲矣X得函數(shù)之重要，遠(yuǎn)遠(yuǎn)超過一般。這里，重回函數(shù)，一是復(fù)習(xí)，二是要在已經(jīng)學(xué)習(xí)的基礎(chǔ)上，對(duì)函數(shù)有更深刻的理解。2014-10-10
通過代碼簡(jiǎn)單了解django model序列化作用
這篇文章主要介紹了通過代碼簡(jiǎn)單了解django model序列化作用,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2020-11-11