Python可視化之pyechart庫(kù)使用詳解
前言
隨著數(shù)據(jù)的快速增長(zhǎng)和數(shù)據(jù)分析的廣泛應(yīng)用，數(shù)據(jù)可視化成為了現(xiàn)代社會(huì)中不可或缺的一部分。
Python 作為一門強(qiáng)大而靈活的編程語(yǔ)言，擁有眾多優(yōu)秀的可視化庫(kù)，其中之一便是 pyecharts。
提示：以下是本篇文章正文內(nèi)容，下面案例可供參考
一、Pyecharts概述
Pyecharts 是一個(gè) Python 可視化庫(kù)，用于創(chuàng)建交互式和美觀的圖表。它基于著名的 pyScript 可視化庫(kù) Echarts，通過(guò)在 Python 中調(diào)用 Echarts 的功能，使用戶能夠在 Python 環(huán)境中輕松地繪制各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點(diǎn)圖等。
Pyecharts 提供了一個(gè)簡(jiǎn)單而直觀的 API 接口，使得使用者無(wú)需了解復(fù)雜的 pyScript 語(yǔ)法，即可通過(guò) Python 代碼實(shí)現(xiàn)高度定制化的圖表設(shè)計(jì)。
官方網(wǎng)站：pyecharts
二、pyecharts如何安裝或者使用
注意：小編運(yùn)用的源代碼編輯器VScode的Python環(huán)境
在本文章中，我們將深入介紹 pyecharts 的使用方法和技巧，幫助讀者掌握如何利用該庫(kù)創(chuàng)建各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點(diǎn)圖。
1.安裝 Pyecharts：使用 pip 包管理工具，在命令行中運(yùn)行以下命令進(jìn)行安裝
pip install pyecharts
2.導(dǎo)入 Pyecharts：在 Python 代碼中導(dǎo)入所需的 Pyecharts 模塊。
import pyecharts from pyecharts import charts
3.創(chuàng)建圖表對(duì)象
# 創(chuàng)建折線圖對(duì)象 line_chart = charts.Line()
4. 設(shè)置圖表數(shù)據(jù)和屬性
add：方法用于添加散點(diǎn)圖的數(shù)據(jù)系列
# 設(shè)置圖表標(biāo)題和數(shù)據(jù)
line_chart.set_global_opts(title_opts=pyecharts.options.TitleOpts(title="折線圖示例"))
line_chart.add_xaxis(["A", "B", "C", "D", "E"])
line_chart.add_yaxis("Series 1", [1, 3, 2, 5, 4])5. 渲染圖表：使用渲染方法將圖表渲染為 HTML 文件或在 VScode 中直接顯示。
# 渲染圖表為 HTML 文件，保存在在本文件夾下
line_chart.render("line_chart.html")
# 直接渲染顯示圖表
line_chart.render_notebook()
三、其他圖形展示
1.條形圖
from pyecharts import options as opts
from pyecharts.charts import Bar
stacked_bar_chart = Bar()
stacked_bar_chart.set_global_opts(title_opts=opts.TitleOpts(title="兩個(gè)商家的堆疊條形圖示例"))
x_data = ["產(chǎn)品A", "產(chǎn)品B", "產(chǎn)品C", "產(chǎn)品D", "產(chǎn)品E"]
y_data1 = [50, 60, 70, 80, 90] # 商家1的數(shù)據(jù)
y_data2 = [30, 40, 50, 60, 70] # 商家2的數(shù)據(jù)
stacked_bar_chart.add_xaxis(x_data)
stacked_bar_chart.add_yaxis("商家1", y_data1)
stacked_bar_chart.add_yaxis("商家2", y_data2)
stacked_bar_chart.set_series_opts(stack="stack") #堆疊效果 使兩個(gè)商家堆疊起來(lái)
# 渲染圖表為 HTML 文件
#stacked_bar_chart.render("stacked_bar_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
stacked_bar_chart.render_notebook()
2.餅圖
from pyecharts import options as opts
from pyecharts.charts import Pie
pie_chart = Pie()
pie_chart.set_global_opts(title_opts=opts.TitleOpts(title="餅圖示例"))
data = [("類別1", 50), ("類別2", 30), ("類別3", 20)]
pie_chart.add("", data)
#pie_chart.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}")) #formatter 參數(shù)是一個(gè)字符串，用于設(shè)置數(shù)據(jù)標(biāo)簽的格式。在這里， 表示扇區(qū)名稱，{c} 表示對(duì)應(yīng)的數(shù)值。
pie_chart.set_global_opts(legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%")) #orient 參數(shù)用于設(shè)置圖例的布局方向。 "vertical" 表示圖例垂直布局。pos_top 參數(shù)用于設(shè)置圖例距離頂部的位置。pos_left 參數(shù)用于設(shè)置圖例距離左側(cè)的位置。
# 渲染圖表為 HTML 文件
#pie_chart.render("pie_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
pie_chart.render_notebook()
3.散點(diǎn)圖
from pyecharts import options as opts
from pyecharts.charts import Scatter
scatter_chart = Scatter(
init_opts=opts.InitOpts(width="70%", height="400px") #設(shè)置圖形大小
)
scatter_chart.set_global_opts(
title_opts=opts.TitleOpts(title="散點(diǎn)圖示例")
)
x_data = [1, 2, 3, 4, 5]
y_data = [10, 20, 30, 40, 50]
scatter_chart.add_xaxis(x_data)
scatter_chart.add_yaxis("Series 1", y_data)
# 渲染圖表為 HTML 文件
#scatter_chart.render("catter_chart.html")
# 在 Jupyter Notebook 中直接顯示圖表
scatter_chart.render_notebook()
4.箱型圖
from pyecharts import options as opts
from pyecharts.charts import Boxplot
# 創(chuàng)建 Boxplot 對(duì)象
boxplot = Boxplot()
# 添加數(shù)據(jù)
data = [[850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
[960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790]]
boxplot.add_xaxis(["Sample 1", "Sample 2"])
boxplot.add_yaxis("箱型圖案例", boxplot.prepare_data(data))
# 設(shè)置全局配置選項(xiàng)
#boxplot.set_global_opts(title_opts=opts.TitleOpts(title="箱型圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
boxplot.render_notebook()
5.漏斗圖
from pyecharts import options as opts
from pyecharts.charts import Funnel
# 創(chuàng)建 Funnel 對(duì)象
funnel = Funnel()
# 添加數(shù)據(jù)
data = [("Step 1", 100),
("Step 2", 80),
("Step 3", 60),
("Step 4", 40),
("Step 5", 20)]
funnel.add("Funnel", data)
# 設(shè)置全局配置選項(xiàng)
funnel.set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
funnel.render_notebook()
6.儀表盤
from pyecharts import options as opts
from pyecharts.charts import Gauge
# 創(chuàng)建 Gauge 對(duì)象
gauge = Gauge()
# 添加數(shù)據(jù)
gauge.add("Gauge", [("指標(biāo)", 75)])
# 設(shè)置全局配置選項(xiàng)
gauge.set_global_opts(title_opts=opts.TitleOpts(title="儀表盤示例"))
# 在 Jupyter Notebook 中直接顯示圖表
gauge.render_notebook()
7.水球圖
from pyecharts import options as opts
from pyecharts.charts import Liquid
# 創(chuàng)建 Liquid 對(duì)象
liquid = Liquid()
# 添加數(shù)據(jù)
liquid.add("Liquid", [0.6])
# 設(shè)置全局配置選項(xiàng)
liquid.set_global_opts(title_opts=opts.TitleOpts(title="水球圖示例"))
# 在 Jupyter Notebook 中直接顯示圖表
liquid.render_notebook()
8.地圖
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
# 創(chuàng)建 Map 對(duì)象
map_chart = Map(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
# 添加數(shù)據(jù)
data = [("China", 100), ("United States", 50), ("Russia", 80), ("Brazil", 70), ("Australia", 90)]
# 設(shè)置全局配置選項(xiàng)
map_chart.add("World Map", data, maptype="world", label_opts=opts.LabelOpts(is_show=False))
map_chart.set_global_opts(
title_opts=opts.TitleOpts(title="世界地圖示例"),
visualmap_opts=opts.VisualMapOpts(is_piecewise=True),
)
# 在 Jupyter Notebook 中直接顯示圖表
map_chart.render_notebook()
總結(jié)
在本次討論中，我們了解了如何使用 Pyecharts 庫(kù)進(jìn)行可視化圖表的創(chuàng)建和展示。
Pyecharts 是一個(gè)基于 Python 的強(qiáng)大的可視化工具，它提供了豐富的圖表類型和靈活的配置選項(xiàng)，可以幫助我們輕松地創(chuàng)建各種類型的圖表。
在編寫代碼時(shí)，我們使用了 VSCODE 這個(gè) Python 開(kāi)發(fā)環(huán)境。在 VSCODE 中，我們可以方便地編寫和運(yùn)行 Python 代碼，并使用 Pyecharts 創(chuàng)建圖表。
總的來(lái)說(shuō)，Pyecharts 是一個(gè)功能強(qiáng)大且易于使用的 Python 可視化庫(kù)，它提供了豐富的圖表類型和靈活的配置選項(xiàng)，使我們能夠創(chuàng)建各種精美的圖表來(lái)呈現(xiàn)數(shù)據(jù)。
通過(guò)掌握 Pyecharts，我們可以更好地展示和傳達(dá)數(shù)據(jù)的信息。
到此這篇關(guān)于Python可視化之pyechart庫(kù)使用詳解的文章就介紹到這了,更多相關(guān)Python的pyechart庫(kù)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
手把手教你實(shí)現(xiàn)Python連接數(shù)據(jù)庫(kù)并快速取數(shù)的工具
在數(shù)據(jù)生產(chǎn)應(yīng)用部門，取數(shù)分析是一個(gè)很常見(jiàn)的需求，實(shí)際上業(yè)務(wù)人員需求時(shí)刻變化，最高效的方式是讓業(yè)務(wù)部門自己來(lái)取。本文就來(lái)手把手教大家搭建一個(gè)?Python?連接數(shù)據(jù)庫(kù)，快速取數(shù)工具，需要的可以參考一下2022-11-11
解決django后臺(tái)樣式丟失,css資源加載失敗的問(wèn)題
今天小編就為大家分享一篇解決django后臺(tái)樣式丟失,css資源加載失敗的問(wèn)題，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(guò)來(lái)看看吧2019-06-06
Python數(shù)據(jù)分析之PMI數(shù)據(jù)圖形展示
這篇文章主要介紹了Python數(shù)據(jù)分析之PMI數(shù)據(jù)圖形展示，文章介紹了簡(jiǎn)單的python爬蟲,并使用numpy進(jìn)行了簡(jiǎn)單的數(shù)據(jù)處理，最終使用?matplotlib?進(jìn)行圖形繪制，實(shí)現(xiàn)了直觀的方式展示制造業(yè)和非制造業(yè)指數(shù)圖形,需要的朋友可以參考一下2022-05-05
Django實(shí)現(xiàn)的自定義訪問(wèn)日志模塊示例
這篇文章主要介紹了Django實(shí)現(xiàn)的自定義訪問(wèn)日志模塊,結(jié)合具體實(shí)例形式分析了Django針對(duì)日志的相關(guān)操作技巧,需要的朋友可以參考下2017-06-06
使用PyTorch常見(jiàn)4個(gè)錯(cuò)誤解決示例詳解
這篇文章主要為大家介紹了使用PyTorch常見(jiàn)4個(gè)錯(cuò)誤解決示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-10-10
今天小編就為大家分享一篇python爬取cnvd漏洞庫(kù)信息的實(shí)例，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(guò)來(lái)看看吧2019-02-02
這篇文章主要介紹了Python如何實(shí)現(xiàn)疫情地圖可視化，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2021-02-02
python topk()函數(shù)求最大和最小值實(shí)例
這篇文章主要介紹了python topk()函數(shù)求最大和最小值實(shí)例，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(guò)來(lái)看看吧2020-04-04
python經(jīng)典練習(xí)百題之猴子吃桃三種解法
這篇文章主要給大家介紹了關(guān)于python經(jīng)典練習(xí)百題之猴子吃桃三種解法的相關(guān)資料, Python猴子吃桃子編程是一個(gè)趣味性十足的編程練習(xí),在這個(gè)練習(xí)中,我們將要使用Python語(yǔ)言來(lái)模擬一只猴子吃桃子的過(guò)程,需要的朋友可以參考下2023-10-10
本文介紹了如何使用Python識(shí)別圖片中的指定顏色圖案,并將識(shí)別結(jié)果保存為圖片,通過(guò)示例代碼和效果展示,可以學(xué)習(xí)到實(shí)現(xiàn)這一功能的具體方法,感興趣的朋友跟隨小編一起看看吧2025-01-01