Pyecharts中的餅圖位置調(diào)整方式
更新時間:2022年11月01日 10:59:12 作者:陳年椰子
這篇文章主要介紹了Pyecharts 餅圖位置調(diào)整方式,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
Pyecharts餅圖位置調(diào)整
如果要把 pyecharts 里的餅圖嵌入其他頁面,有的時候需要調(diào)整餅圖的位置。
不調(diào)整可能會顯示成這樣
調(diào)整后的效果是這樣
關(guān)鍵代碼在于:
center=["40%", "60%"]
def pie_base_proc(p_dict, p_list) -> Pie: c = ( Pie(init_opts=opts.InitOpts(width=p_dict['width'],height=p_dict['height'])) .add("", p_list,center=["40%", "60%"]) .set_global_opts(title_opts=opts.TitleOpts(title=p_dict['title']), legend_opts=opts.LegendOpts(orient=p_dict['orient'], pos_left=p_dict['pos_left'], pos_top=p_dict['pos_top'])) .set_series_opts(label_opts=opts.LabelOpts(formatter="", position='inside')) ) return c def lx_data_Pie(m_dict): p_dict = {'title':m_dict['title'], 'width':'300px', 'height': '300px'} # horizontal vertical p_dict['orient'] ="horizontal" p_dict['pos_left'] = "0%" p_dict['pos_top'] = "5%" m_data = m_dict['m_data'] p_list = [list(z) for z in zip(m_data[0], m_data[1])] return pie_base_proc(p_dict,p_list)
利用Pyecharts 制作餅圖
from pyecharts import options as opts from pyecharts.charts import Pie from random import randint def pie_base() -> Pie: c = ( Pie() .add("", [list(z) for z in zip(['寶馬','法拉利','奔馳','奧迪','大眾','豐田','特斯拉'], [randint(1, 20) for _ in range(7)])]) .set_global_opts(title_opts=opts.TitleOpts(title="Pie-基本示例")) .set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}")) ) return c pie_base().render('G:/PythonWorkSpace/MatplotlibNumpyPandas/pie_pyecharts.html')
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python數(shù)據(jù)分析應(yīng)用之Matplotlib數(shù)據(jù)可視化詳情
這篇文章主要介紹了Python數(shù)據(jù)分析應(yīng)用之Matplotlib數(shù)據(jù)可視化詳情,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價值,感興趣的小伙伴可以參考一下2022-06-06pandas讀取excel統(tǒng)計空值數(shù)量錯誤的解決方法
pd.read_excel()讀取excel數(shù)據(jù)后,用pd.isnull().sum()統(tǒng)計空值數(shù)量不對,本文主要介紹了pandas讀取excel統(tǒng)計空值數(shù)量錯誤的解決方法,感興趣的可以了解一下2024-04-04詳解Python對某地區(qū)二手房房價數(shù)據(jù)分析
這篇文章主要為大家介紹了Python數(shù)據(jù)分析某地區(qū)二手房房價,具有一定的參考價值,感興趣的小伙伴們可以參考一下,希望能夠給你帶來幫助2021-12-12PyTorch變分自編碼器的構(gòu)建與應(yīng)用小結(jié)
變分自編碼器是一種強(qiáng)大的深度學(xué)習(xí)模型,用于學(xué)習(xí)數(shù)據(jù)的潛在表示并能生成新的數(shù)據(jù)點,使用PyTorch實現(xiàn)VAE不僅可以加深對生成模型的理解,還可以利用其靈活性進(jìn)行各種實驗,這篇文章主要介紹了PyTorch變分自編碼器的構(gòu)建與應(yīng)用,需要的朋友可以參考下2024-07-07python中threading.Semaphore和threading.Lock的具體使用
python中的多線程是一個非常重要的知識點,本文主要介紹了python中threading.Semaphore和threading.Lock的具體使用,具有一定的參考價值,感興趣的小伙伴們可以參考一下2023-08-08