Python可視化之pyechart庫使用詳解
更新時間：2023年12月06日 08:52:03 作者：db_lch_2042
這篇文章主要介紹了Python可視化之pyechart庫使用詳解,Pyecharts 提供了一個簡單而直觀的 API 接口,使得使用者無需了解復雜的 JavaScript 語法,即可通過 Python 代碼實現(xiàn)高度定制化的圖表設計,需要的朋友可以參考下
前言
隨著數(shù)據(jù)的快速增長和數(shù)據(jù)分析的廣泛應用，數(shù)據(jù)可視化成為了現(xiàn)代社會中不可或缺的一部分。
Python 作為一門強大而靈活的編程語言，擁有眾多優(yōu)秀的可視化庫，其中之一便是 pyecharts。
提示：以下是本篇文章正文內容，下面案例可供參考
一、Pyecharts概述
Pyecharts 是一個 Python 可視化庫，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 Echarts，通過在 Python 中調用 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、散點圖等。
Pyecharts 提供了一個簡單而直觀的 API 接口，使得使用者無需了解復雜的 pyScript 語法，即可通過 Python 代碼實現(xiàn)高度定制化的圖表設計。
官方網(wǎng)站：pyecharts
二、pyecharts如何安裝或者使用
注意：小編運用的源代碼編輯器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創(chuàng)建各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點圖。
1.安裝 Pyecharts：使用 pip 包管理工具，在命令行中運行以下命令進行安裝
pip install pyecharts
2.導入 Pyecharts：在 Python 代碼中導入所需的 Pyecharts 模塊。
import pyecharts from pyecharts import charts
3.創(chuàng)建圖表對象
# 創(chuàng)建折線圖對象 line_chart = charts.Line()
4. 設置圖表數(shù)據(jù)和屬性
add：方法用于添加散點圖的數(shù)據(jù)系列
# 設置圖表標題和數(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 使兩個商家堆疊起來
# 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)是一個字符串，用于設置數(shù)據(jù)標簽的格式。在這里， 表示扇區(qū)名稱，{c} 表示對應的數(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)用于設置圖例距離頂部的位置。pos_left 參數(shù)用于設置圖例距離左側的位置。
# 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.散點圖
from pyecharts import options as opts
from pyecharts.charts import Scatter
scatter_chart = Scatter(
init_opts=opts.InitOpts(width="70%", height="400px") #設置圖形大小
)
scatter_chart.set_global_opts(
title_opts=opts.TitleOpts(title="散點圖示例")
)
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))
# 設置全局配置選項
#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)
# 設置全局配置選項
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 對象
gauge = Gauge()
# 添加數(shù)據(jù)
gauge.add("Gauge", [("指標", 75)])
# 設置全局配置選項
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 對象
liquid = Liquid()
# 添加數(shù)據(jù)
liquid.add("Liquid", [0.6])
# 設置全局配置選項
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)]
# 設置全局配置選項
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
在本次討論中，我們了解了如何使用 Pyecharts 庫進行可視化圖表的創(chuàng)建和展示。
Pyecharts 是一個基于 Python 的強大的可視化工具，它提供了豐富的圖表類型和靈活的配置選項，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，我們使用了 VSCODE 這個 Python 開發(fā)環(huán)境。在 VSCODE 中，我們可以方便地編寫和運行 Python 代碼，并使用 Pyecharts 創(chuàng)建圖表。
總的來說，Pyecharts 是一個功能強大且易于使用的 Python 可視化庫，它提供了豐富的圖表類型和靈活的配置選項，使我們能夠創(chuàng)建各種精美的圖表來呈現(xiàn)數(shù)據(jù)。
通過掌握 Pyecharts，我們可以更好地展示和傳達數(shù)據(jù)的信息。
到此這篇關于Python可視化之pyechart庫使用詳解的文章就介紹到這了,更多相關Python的pyechart庫內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
python利用urllib和urllib2訪問http的GET/POST詳解
urllib模塊提供的上層接口,使我們可以像讀取本地文件一樣讀取www和ftp上的數(shù)據(jù)。下面這篇文章主要給大家介紹了關于python如何利用urllib和urllib2訪問http的GET/POST的相關資料，需要的朋友可以參考借鑒，下面來一起看看吧。2017-09-09
GeoIP2是一種IP地址定位庫,它允許開發(fā)人員根據(jù)IP地址查找有關位置和地理位置的信息,這篇文章主要為大家介紹了python如何使用GeoIP2實現(xiàn)地圖定位,感興趣的可以了解下2023-10-10
這篇文章將詳細講解圖像算法運算與邏輯運算，包括圖像加法、圖像減法、圖像與運算、圖像或運算、圖像非運算與圖像異或運算。感興趣的可以了解一下2022-01-01
今天小編就為大家分享一篇python覆蓋寫入,追加寫入的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
Python機器學習庫Scikit-learn實戰(zhàn)教程
文章介紹了Python在機器學習領域的應用,重點介紹了Scikit-learn庫的使用方法,并通過實際案例展示了如何使用Scikit-learn進行分類、回歸、聚類和文本挖掘等任務,同時,文章還討論了特征工程、超參數(shù)調整、避免過擬合和交叉驗證等進階技巧2025-01-01
本文主要通過源碼分析，總結出一套簡潔的requests請求類封裝，幫助大家更好的由淺入深的理解python接口自動化，希望對大家的python接口自動化學習有所幫助2021-08-08
這篇文章主要介紹了Python中的變量及其命名和打印,是Python入門學習中的基礎知識,需要的朋友可以參考下2016-03-03
基于Python實現(xiàn)虛假評論檢測可視化系統(tǒng)
這篇文章主要為大家詳細介紹了如何基于Python實現(xiàn)一個簡單的虛假評論檢測可視化系統(tǒng)，文中的示例代碼講解詳細，感興趣的小伙伴可以了解一下2023-04-04
PyTorch?Lightning?Callback使用指南
文章主要介紹了Callback在深度學習訓練過程中的重要性,包括其核心價值、核心概念與架構、內置Callback的詳細解釋以及自定義Callback的開發(fā)方法2025-12-12
shutil?是一個?Python?內置模塊，該模塊對文件的復制、刪除和壓縮等操作都提供了非常方便的支持。本文將利用shutil實現(xiàn)拷貝文件功能，需要的可以參考一下2022-07-07