基于Python pyecharts實現(xiàn)多種圖例代碼解析
更新時間：2020年08月10日 09:51:08 作者：Yi_warmth
這篇文章主要介紹了基于Python pyecharts實現(xiàn)多種圖例代碼解析,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
詞云圖
from pyecharts.charts import WordCloud
def word1():
words= [
("Sam S Club", 10000),
("Macys", 6181),
("Amy Schumer", 4386),
("Jurassic World", 4055),
("Charter Communications", 2467),
("Chick Fil A", 2244),
("Planet Fitness", 1868),
("Pitch Perfect", 1484),
("Express", 1112),
("Home", 865),
("Johnny Depp", 847),
("Lena Dunham", 582),
("Lewis Hamilton", 555),
("KXAN", 550),
("Mary Ellen Mark", 462),
("Farrah Abraham", 366),
("Rita Ora", 360),
("Serena Williams", 282),
("NCAA baseball tournament", 273),
("Point Break", 265),
]
worldcloud = (
WordCloud()
.add("", words, word_size_range=[20, 100])
.set_global_opts(title_opts=opt.TitleOpts(title="WorldCloud-shape-diamond"))
)
# worldcloud = (
# WordCloud()
# .add("", words, word_size_range=[20, 100], shape=SymbolType.DIAMOND)
# .set_global_opts(title_opts=opt.TitleOpts(title="WorldCloud-shape-diamond"))
# )
worldcloud.render("wordl.html")
os.system("wordl.html")
效果如下:
散點圖
from pyecharts.charts import Scatter
import numpy as np
def sca():
x_data = np.linspace(0, 10, 30)
y1_data = np.sin(x_data)
y2_data = np.cos(x_data)
# 繪制散點圖
# 設(shè)置圖表大小
figsise = opt.InitOpts(width="800px", height="600px")
scatter = Scatter(init_opts=figsise)
# 添加數(shù)據(jù)
scatter.add_xaxis(xaxis_data=x_data)
scatter.add_yaxis(series_name="sin(x)散點圖", #名稱
y_axis=y1_data, # 數(shù)據(jù)
label_opts=opt.LabelOpts(is_show=False), # 數(shù)據(jù)不顯示
symbol_size=15, # 設(shè)置散點的大小
symbol="triangle" # 設(shè)置散點的形狀
)
scatter.add_yaxis(series_name="cos(x)散點圖", y_axis=y2_data, label_opts=opt.LabelOpts(is_show=False))
scatter.render()
os.system("render.html")
效果如下:
餅狀圖
from pyecharts.charts import Pie
from pyecharts import options as optfrom pyecharts.faker import Faker as fa
def pie1():
pie = (
Pie()
.add("", [list(z) for z in zip(fa.choose(), fa.values())])
.set_global_opts(title_opts=opt.TitleOpts(title="pie-基本示例"))
.set_series_opts(label_opts=opt.LabelOpts(formatter=":{c}"))
)
pie.render()
os.system("render.html")
def pie2():
pie = (
Pie()
.add("", [list(z) for z in zip(fa.choose(), fa.values())], radius=["40%", "75%"])
.set_global_opts(title_opts=opt.TitleOpts(title="pie-示例"),
legend_opts=opt.LegendOpts(
orient="vertical", pos_top="15%", pos_left="2%"
))
.set_series_opts(label_opts=opt.LabelOpts(formatter=":{c}"))
)
pie.render()
os.system("render.html")
def pie3():
pie = (
Pie()
.add("", [list(z) for z in zip(fa.choose(), fa.values())],
radius=["40%", "75%"],
center=["25%", "50%"],
rosetype="radius",
label_opts=opt.LabelOpts(is_show=False))
.add("", [list(z) for z in zip(fa.choose(), fa.values())],
radius=["30%", "75%"],
center=["75%", "50%"],
rosetype="area")
.set_global_opts(title_opts=opt.TitleOpts(title="pie-玫瑰圖示例"))
)
pie.render()
os.system("render.html")
def pie4():
# 多餅圖顯示
pie = (
Pie()
.add(
"",
[list(z) for z in zip(["劇情", "其他"], [25, 75])],
center=["20%", "30%"],
radius=[40, 60]
)
.add(
"",
[list(z) for z in zip(["奇幻", "其他"], [24, 76])],
center=["55%", '30%'],
radius=[40, 60]
)
.add(
"",
[list(z) for z in zip(["愛情", "其他"], [14, 86])],
center=["20%", "70%"],
radius=[40, 60]
)
.add(
"",
[list(z) for z in zip(["驚駭", "其他"], [1, 89])],
center=["55%", "70%"],
radius=[40, 60]
)
.set_global_opts(
title_opts=opt.TitleOpts(title="pie-多餅圖基本示例"),
legend_opts=opt.LegendOpts(
type_="scroll", pos_top="20%", pos_left="80%", orient="vertical"
)
)
.set_series_opts(label_opts=opt.LabelOpts(formatter=":{c}"))
)
pie.render()
os.system("render.html")
直方圖
from pyecharts.charts import Bar
from pyecharts import options as opt
from pyecharts.globals import ThemeType
from pyecharts.faker import Faker as fa
import random
def pye1():
# 生成隨機數(shù)據(jù)
attr = fa.days_attrs
v1 = [random.randrange(10, 150) for _ in range(31)]
v2 = [random.randrange(10, 150) for _ in range(31)]
# 初始化一個Bar對象，并設(shè)定一寫初始化設(shè)置
bar = Bar(init_opts=opt.InitOpts(theme=ThemeType.WHITE))
# 添加數(shù)據(jù)
bar.add_xaxis(attr)
# is_selected: 打開圖表時是否默認加載 grap:不同系列的柱間距離，百分比； color:指定柱狀圖Label的顏色
bar.add_yaxis("test1", v1, gap="0", category_gap="20%", color=fa.rand_color())
bar.add_yaxis("test2", v2, is_selected=False, gap="0%", category_gap="20%", color=fa.rand_color())
# 全局配置
# title_opts:圖標(biāo)標(biāo)題相關(guān)設(shè)置
# toolbox_opts: 工具欄相關(guān)設(shè)置
# yaxis_opts/xaxis_opts: 坐標(biāo)軸相關(guān)設(shè)置
# axislabel_opts: 坐標(biāo)軸簽字相關(guān)設(shè)置
# axisline_opts: 坐標(biāo)軸軸線相關(guān)設(shè)置
# datazoom_opts: 坐標(biāo)軸軸線相關(guān)設(shè)置
# markpoint_opts: 標(biāo)記點相關(guān)設(shè)置
# markpoint_opts:label_opts=opts.LabelOpts(is_show=False) 標(biāo)簽值是否疊加
# markline_opts：標(biāo)記線相關(guān)設(shè)置
bar.set_global_opts(title_opts=opt.TitleOpts(title="主標(biāo)題", subtitle="副標(biāo)題"),
toolbox_opts=opt.ToolboxOpts(),
yaxis_opts=opt.AxisOpts(axislabel_opts=opt.LabelOpts(formatter="{value}/月"), name="這是y軸"),
xaxis_opts=opt.AxisOpts(
axisline_opts=opt.AxisLineOpts(linestyle_opts=opt.LineStyleOpts(color='blue')), name="這是x軸"),
datazoom_opts=opt.DataZoomOpts()
)
bar.set_series_opts(markpoint_opts=opt.MarkPointOpts(data=[opt.MarkPointItem(type_="max", name="最大值"),
opt.MarkPointItem(type_="min", name="最小值"),
opt.MarkPointItem(type_="average", name="平均值")]),
markline_opts=opt.MarkLineOpts(data=[opt.MarkLineItem(type_="min", name="最小值"),
opt.MarkLineItem(type_="max", name="最大值"),
opt.MarkLineItem(type_="average", name="平均值")]))
# 指定生成html文件路徑
bar.render('test.html')
os.system("test.html")
效果如下
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了簡單的Apache+FastCGI+Django配置指南,這也是Python上最流行的web框架Django的最流行搭配環(huán)境:)需要的朋友可以參考下2015-07-07
這篇文章主要介紹了python plotly繪制直方圖實例詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了有趣的python小程序分享，具有一定參考價值，需要的朋友可以了解下。2017-12-12
這篇文章主要介紹了fastapi與django異步的并發(fā)對比分析，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2023-03-03
Python使用psutil庫實現(xiàn)系統(tǒng)監(jiān)控與管理詳解
在我們的測試工作中，監(jiān)控和管理系統(tǒng)資源是一項重要的任務(wù)，本文將介紹如何使用psutil庫來實現(xiàn)系統(tǒng)監(jiān)控和管理，以及一些實用的技巧和示例，希望對大家有所幫助2022-10-10
這篇文章主要介紹了Python單向鏈表和雙向鏈表原理與用法,結(jié)合實例形式詳細分析了單向鏈表與雙向鏈表的概念、原理以及創(chuàng)建、添加、刪除等相關(guān)操作技巧,需要的朋友可以參考下2018-08-08
使用OpenCV進行指紋識別涵蓋特征提取與匹配,通過SIFT和FLANN實現(xiàn)匹配點計算,進而識別指紋ID和姓名,盡管OpenCV具備強大的圖像處理功能,指紋識別依舊面臨挑戰(zhàn),需要的朋友可以參考下2024-10-10
下面小編就為大家?guī)硪黄沁f歸的輸出1-N的全排列實例(推薦)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-04-04
python之while循環(huán)、無限循環(huán)用法及說明
這篇文章主要介紹了python之while循環(huán)、無限循環(huán)用法及說明，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2023-06-06
Celery是一個用于處理分布式任務(wù)和作業(yè)隊列的異步任務(wù)隊列庫,本文主要介紹了Python中Celery異步任務(wù)隊列的具體使用,文中通過示例代碼介紹的非常詳細,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-02-02