Python数据可视化处理库PyEcharts柱状图,饼图,线性图,词云图常用实例详解
作者:E1ffC1
这篇文章主要介绍了Python数据可视化处理库PyEcharts柱状图、饼图、线性图常用实例详解,需要的朋友可以参考下
python可以在处理各种数据时,如果可以将这些数据,利用图表将其可视化,这样在分析处理起来,将更加直观、清晰,以下是 利用 PyEcharts 常用图表的可视化Demo, 开发环境 python3
柱状图
基本柱状图
from pyecharts import Bar # 基本柱状图 bar = Bar("基本柱状图", "副标题") bar.use_theme('dark') # 暗黑色主题 bar.add('真实成本', # label ["1月", "2月", "3月", "4月", "5月", "6月"], # 横坐标 [5, 20, 36, 10, 75, 90], # 纵坐标 is_more_utils=True) # 设置最右侧工具栏 # bar.show_config() # 调试输出pyecharts的js的配置信息 bar.render('bar_demo.html') # 生成html文件
堆叠柱状图
# 堆叠柱状图 x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"] data1 = [5, 20, 36, 10, 75, 90] data2 = [10, 25, 8, 60, 20, 80] bar1 = Bar('柱状信息堆叠图') bar1.add('商家1', x_attr, data1, is_stack=True) # is_stack=True 表示堆叠在一起 bar1.add('商家2', x_attr, data2, is_stack=True) bar1.render('bar1_demo.html')
并列柱形图
# 并列柱形图 bar2 = Bar('并列柱形图', '标记线和标记示例') bar2.add('商家1', x_attr, data1, mark_point=['average']) # 标记点:商家1的平均值 bar2.add('商家2', x_attr, data2, mark_line=['min', 'max']) # 标记线:商家2的最小/大值 bar2.render('bar2_demo.html')
横向并列柱形图
# 横向并列柱形图
# 横向并列柱形图 bar3 = Bar('横向并列柱形图', 'X轴与Y轴交换') bar3.add('商家1', x_attr, data1) bar3.add('商家2', x_attr, data2, is_convert=True) # is_convert=True :X轴与Y轴交换 bar3.render('bar3_demo.html')
以上相关柱状图完整代码bar_demo.py
from pyecharts import Bar # 基本柱状图 bar = Bar("基本柱状图", "副标题") bar.use_theme('dark') # 暗黑色主题 bar.add('真实成本', # label ["1月", "2月", "3月", "4月", "5月", "6月"], # 横坐标 [5, 20, 36, 10, 75, 90], # 纵坐标 is_more_utils=True) # 设置最右侧工具栏 # bar.show_config() # 调试输出pyecharts的js的配置信息 bar.render('bar_demo.html') # 生成html文件 # 堆叠柱状图 x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"] data1 = [5, 20, 36, 10, 75, 90] data2 = [10, 25, 8, 60, 20, 80] bar1 = Bar('柱状信息堆叠图') bar1.add('商家1', x_attr, data1, is_stack=True) # is_stack=True 表示堆叠在一起 bar1.add('商家2', x_attr, data2, is_stack=True) bar1.render('bar1_demo.html') # 并列柱形图 bar2 = Bar('并列柱形图', '标记线和标记示例') bar2.add('商家1', x_attr, data1, mark_point=['average']) # 标记点:商家1的平均值 bar2.add('商家2', x_attr, data2, mark_line=['min', 'max']) # 标记线:商家2的最小/大值 bar2.render('bar2_demo.html') # 横向并列柱形图 bar3 = Bar('横向并列柱形图', 'X轴与Y轴交换') bar3.add('商家1', x_attr, data1) bar3.add('商家2', x_attr, data2, is_convert=True) # is_convert=True :X轴与Y轴交换 bar3.render('bar3_demo.html')
折线图、饼图、词云图
导入模块 与 基础数据
from pyecharts import Line from pyecharts import Pie from pyecharts import WordCloud from pyecharts import EffectScatter, Overlap x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"] data1 = [5, 20, 36, 10, 75, 90] data2 = [10, 25, 8, 60, 20, 80]
基础折线示例图
# 折线示例图 line = Line("折线示例图") line.add('商家1', x_attr, data1, mark_point=['average']) line.add('商家2', x_attr, data2, is_smooth=True, mark_line=['max', 'average']) line.render('line.demo.html')
折线面积图
# 折线面积图 line = Line('折线面积示例图') line.add('商家1', x_attr, data1, is_fill=True,line_opacity=0.2, area_opacity=0.4, symbol=None) line.add('商家2', x_attr, data2, line_color='#000', area_opacity=0.3, is_smooth=True) line.render('line2_demo.html')
饼图
# 饼图 pie = Pie('饼图') pie.add('', x_attr, data1, is_label_show=True) pie.render('pie_demo.html')
词云图
# 词云图 name = [ 'Though', 'the answer', 'this question', 'may at first', 'seem to border', 'on the', 'absurd', 'reflection', 'will show', 'that there', 'is a', 'good deal', 'more in', 'it than meets', 'the eye' ] value = [10000, 6189, 4556, 2356, 2233, 1895, 1456, 1255, 981, 875, 542, 462, 361, 265, 125] worldcloud = WordCloud(width=1300, height=620) worldcloud.add('词云', name, value, word_size_range=[20, 100]) worldcloud.render('worldcloud.html')
线性闪烁图 —组合图
# 线性闪烁图 line2 = Line('线性闪烁图') line2.add('line', x_attr, data1, is_random=True) es = EffectScatter() es.add('es', x_attr, data1, effect_scale=8) # 闪烁 overlop = Overlap() overlop.add(line2) # 必须先添加line 再添加 es overlop.add(es) overlop.render('line-es.html')
以上相关图完整代码line_pie_demo.py
from pyecharts import Line from pyecharts import Pie from pyecharts import WordCloud from pyecharts import EffectScatter, Overlap x_attr = ["1月", "2月", "3月", "4月", "5月", "6月"] data1 = [5, 20, 36, 10, 75, 90] data2 = [10, 25, 8, 60, 20, 80] # 折线示例图 line = Line("折线示例图") line.add('商家1', x_attr, data1, mark_point=['average']) line.add('商家2', x_attr, data2, is_smooth=True, mark_line=['max', 'average']) line.render('line.demo.html') # 折线面积图 line = Line('折线面积示例图') line.add('商家1', x_attr, data1, is_fill=True,line_opacity=0.2, area_opacity=0.4, symbol=None) line.add('商家2', x_attr, data2, line_color='#000', area_opacity=0.3, is_smooth=True) line.render('line2_demo.html') # 饼图 pie = Pie('饼图') pie.add('', x_attr, data1, is_label_show=True) pie.render('pie_demo.html') # 词云图 name = [ 'Python', 'the answer', 'this question', 'may at first', 'seem to border', 'on the', 'absurd', 'reflection', 'will show', 'that there', 'is a', 'good deal', 'more in', 'it than meets', 'the eye' ] value = [10000, 6189, 4556, 2356, 2233, 1895, 1456, 1255, 981, 875, 542, 462, 361, 265, 125] worldcloud = WordCloud(width=1300, height=620) worldcloud.add('词云', name, value, word_size_range=[20, 100]) worldcloud.render('worldcloud.html') # 线性闪烁图 line2 = Line('线性闪烁图') line2.add('line', x_attr, data1, is_random=True) es = EffectScatter() es.add('es', x_attr, data1, effect_scale=8) # 闪烁 overlop = Overlap() overlop.add(line2) # 必须先添加line 再添加 es overlop.add(es) overlop.render('line-es.html')
更多关于Python数据可视化处理库PyEcharts使用方法与实例请查看下面的相关链接