Python?pyecharts數(shù)據(jù)可視化實例詳解
更新時間：2022年05月07日 10:46:09 作者：清＆輕
PyEcharts是一個用于生成?Echarts圖表的類庫,?Python是一門富有表達力的語言,很適合用于數(shù)據(jù)處理,下面這篇文章主要給大家介紹了關(guān)于Python?pyecharts數(shù)據(jù)可視化的相關(guān)資料,需要的朋友可以參考下
一、數(shù)據(jù)可視化
1.pyecharts介紹
官方網(wǎng)址：https://pyecharts.org/#/zh-cn/intro
?? 概況：
Echarts 是一個由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計，使用JavaScript實現(xiàn)的。
而pyechart是由國內(nèi)的大佬們用python調(diào)用Echarts庫實現(xiàn)，可以幫助我們輕松搭配出精美的圖表。
? 特性：
簡潔的 API 設(shè)計，使用如絲滑般流暢，支持鏈式調(diào)用；
囊括了 30+ 種常見圖表，應(yīng)有盡有；
支持主流 Notebook 環(huán)境，Jupyter Notebook 和 JupyterLab；
可輕松集成至 Flask，Django 等主流 Web 框架；
高度靈活的配置項，可輕松搭配出精美的圖表；
詳細的文檔和示例，幫助開發(fā)者更快的上手項目；
多達 400+ 地圖文件以及原生的百度地圖，為地理數(shù)據(jù)可視化提供強有力的支持。
安裝： pip install pyecharts
2.初入了解
(1).快速上手
這是官網(wǎng)上提供的兩種寫法，鏈式調(diào)用與單獨調(diào)用寫法，全憑自己的習(xí)慣。
更多示例：https://gallery.pyecharts.org/#/Bar/stack_bar_percent
from pyecharts.charts import Bar
from pyecharts import options as opts
# V1 版本開始支持鏈式調(diào)用
# 你所看到的格式其實是 `black` 格式化以后的效果
# 可以執(zhí)行 `pip install black` 下載使用
bar = (
Bar()
.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
.set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"))
# 或者直接使用字典參數(shù)
# .set_global_opts(title_opts={"text": "主標題", "subtext": "副標題"})
)
bar.render()
# 不習(xí)慣鏈式調(diào)用的開發(fā)者依舊可以單獨調(diào)用方法
bar = Bar()
bar.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
bar.set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"))
bar.render()
# bar.render_notebook()##在jupyter中好用
# render 會生成本地 HTML 文件，默認會在當前目錄生成 render.html 文件
# 也可以傳入路徑參數(shù)，如 bar.render("mycharts.html")
(2).簡單的配置項介紹
這里只是提供了感覺能用到的注釋介紹，要了解更多的信息還請去官方文檔查看，里面的注釋、案例也非常地全面。
使用 options 配置項，在 pyecharts 中，一切皆 Options。begin?。?！
import pyecharts.options as opts #使用 options 配置項，在 pyecharts 中，一切皆 Options。
from pyecharts.charts import Pie #餅圖
from pyecharts.faker import Faker #導(dǎo)入自帶的數(shù)據(jù)
fc = Faker.choose()
print('fc', fc)
fv = Faker.values()
print('fv',fv)
##鏈式調(diào)用寫法
c = (
#初始化配置項
Pie(
init_opts=opts.InitOpts(
# 圖表畫布寬度，css 長度單位。
width="1200px",
# 圖表畫布高度，css 長度單位。
height="700px",
# 網(wǎng)頁標題
page_title='我是網(wǎng)頁標題',
# 圖表主題
theme='dark',
# 圖表背景顏色
bg_color="#2c343c",
# 圖表 ID，圖表唯一標識，用于在多圖表時區(qū)分。
chart_id='',
)
)
.add(
"圖例", #圖例，請用鼠標指向圖形區(qū)域時查看
[list(z) for z in zip(fc, fv)], ##數(shù)據(jù) 列表嵌套列表，如：[['襯衫', 97], ['毛衣', 29], ['領(lǐng)帶', 109], ['褲子', 117], ['風(fēng)衣', 53], ['高跟鞋', 85], ['襪子', 143]]
# center=["50%", "50%"],#圖形居中，默認居中
)
#設(shè)置全局配置項
.set_global_opts(
# 標題配置項，更多請看官方文檔https://pyecharts.org/#/zh-cn/global_options?id=titleopts%ef%bc%9a%e6%a0%87%e9%a2%98%e9%85%8d%e7%bd%ae%e9%a1%b9
title_opts=opts.TitleOpts(title="主標題",
title_textstyle_opts=opts.TextStyleOpts(font_size=25),#文本大小
title_link='xxx.html', # 主標題跳轉(zhuǎn) URL 鏈接
subtitle='副標題',
subtitle_textstyle_opts=opts.TextStyleOpts(font_style='oblique',font_family='Microsoft YaHei', color='#eb1212')#字體風(fēng)格，字體樣式,字體顏色，
),
# 圖例配置項，更多請看官方文檔https://pyecharts.org/#/zh-cn/global_options?id=legendopts%ef%bc%9a%e5%9b%be%e4%be%8b%e9%85%8d%e7%bd%ae%e9%a1%b9
legend_opts=opts.LegendOpts(
is_show=True, # 是否顯示圖例組件
#圖例組件離容器左側(cè)的距離。
# left 的值可以是像 20 這樣的具體像素值，可以是像 '20%' 這樣相對于容器高寬的百分比，
# 也可以是 'left', 'center', 'right'。
# 如果 left 的值為'left', 'center', 'right'，組件會根據(jù)相應(yīng)的位置自動對齊。
pos_left = '900px',
# 圖例組件離容器右側(cè)的距離。
# right 的值可以是像 20 這樣的具體像素值，可以是像 '20%' 這樣相對于容器高寬的百分比。
pos_right = None,
# 圖例組件離容器上側(cè)的距離。
# top 的值可以是像 20 這樣的具體像素值，可以是像 '20%' 這樣相對于容器高寬的百分比，
# 也可以是 'top', 'middle', 'bottom'。
# 如果 top 的值為'top', 'middle', 'bottom'，組件會根據(jù)相應(yīng)的位置自動對齊。
pos_top = '30px',
# 圖例組件離容器下側(cè)的距離。
# bottom 的值可以是像 20 這樣的具體像素值，可以是像 '20%' 這樣相對于容器高寬的百分比。
pos_bottom = None,
# 圖例列表的布局朝向?？蛇x：'horizontal', 'vertical'
orient = 'vertical',
# 圖例標記和文本的對齊。默認自動（auto）
# 根據(jù)組件的位置和 orient 決定
# 當組件的 left 值為 'right' 以及縱向布局（orient 為 'vertical'）的時候為右對齊，即為 'right'。
# 可選參數(shù): `auto`, `left`, `right`
align = 'auto',
# 圖例內(nèi)邊距，單位px，默認各方向內(nèi)邊距為5
padding = 5,
# 圖例每項之間的間隔。橫向布局時為水平間隔，縱向布局時為縱向間隔。
# 默認間隔為 10
item_gap = 10,
# 圖例標記的圖形寬度。默認寬度為 25
item_width = 25,
# 圖例標記的圖形高度。默認高度為 14
item_height = 14,
# 圖例關(guān)閉時的顏色。默認是 #ccc
inactive_color = '#ffffff',
),
# 視覺映射配置項https://pyecharts.org/#/zh-cn/global_options?id=visualmapopts%ef%bc%9a%e8%a7%86%e8%a7%89%e6%98%a0%e5%b0%84%e9%85%8d%e7%bd%ae%e9%a1%b9
visualmap_opts = opts.VisualMapOpts(
# 是否為分段型
is_piecewise = True,
# 是否反轉(zhuǎn) visualMap 組件
is_inverse = False,
# 自定義的每一段的范圍，以及每一段的文字，以及每一段的特別的樣式。例如：
pieces = [
{"min": 1500}, #// 不指定 max，表示 max 為無限大（Infinity）。
# {"min": 900, "max": 1500},
{"min": 310, "max": 1000},
{"min": min(fv), "max": max(fv)},###這里由于數(shù)據(jù)范圍的緣故，導(dǎo)致渲染出的圖不好看
{"min": 10, "max": max(fv)/2, "label": f'10 到 {max(fv)/2}（自定義label）'},
{"value": fv[0], "label": '123（自定義特殊顏色）', "color": 'grey'}, #//表示 value 等于 123 的情況
{"value": fv, "label": 'SSS', "color": 'red'},
{"max": 5} #// 不指定 min，表示 min 為無限大（-Infinity）。
]
),
)
#設(shè)置系列配置項，https://pyecharts.org/#/zh-cn/series_options?id=itemstyleopts%ef%bc%9a%e5%9b%be%e5%85%83%e6%a0%b7%e5%bc%8f%e9%85%8d%e7%bd%ae%e9%a1%b9
# .set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
.render("pie_position.html")
)
3.案例實戰(zhàn)
本次要對薪資、工作地點、招聘要求里面的經(jīng)驗與學(xué)歷進行數(shù)據(jù)處理并可視化。
(1).柱狀圖Bar
按住鼠標中間滑輪或鼠標左鍵可進行調(diào)控。
import pandas as pd
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data['工作地點'] = [i.split('-')[0] for i in python_data['工作地點']]
city = python_data['工作地點'].value_counts()
###柱狀圖
from pyecharts.charts import Bar
c = (
Bar()
.add_xaxis(city.index.tolist()) #城市列表數(shù)據(jù)項
.add_yaxis("Python", city.values.tolist())#城市對應(yīng)的崗位數(shù)量列表數(shù)據(jù)項
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘崗位所在城市分布情況"),
datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
xaxis_opts=opts.AxisOpts(name='城市'), # 設(shè)置x軸名字屬性
yaxis_opts=opts.AxisOpts(name='崗位數(shù)量'), # 設(shè)置y軸名字屬性
)
.render("bar_datazoom_both.html")
)
(2).地圖Map
省份
這里對所在省份進行可視化。
import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深復(fù)制一份數(shù)據(jù)
python_data['工作地點'] = [i.split('-')[0] for i in python_data['工作地點']]
city = python_data['工作地點'].value_counts()
city_list = [list(ct) for ct in city.items()]
def province_city():
'''這是從接口里爬取的數(shù)據(jù)（不太準，但是誤差也可以忽略不計！）'''
area_data = {}
with open('./中國省份_城市.txt', mode='r', encoding='utf-8') as f:
for line in f:
line = line.strip().split('_')
area_data[line[0]] = line[1].split(',')
province_data = []
for ct in city_list:
for k, v in area_data.items():
for i in v:
if ct[0] in i:
ct[0] = k
province_data.append(ct)
area_data_deepcopy = copy.deepcopy(area_data)
for k in area_data_deepcopy.keys():
area_data_deepcopy[k] = 0
for i in province_data:
if i[0] in area_data_deepcopy.keys():
area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] +i[1]
province_data = [[k,v]for k,v in area_data_deepcopy.items()]
best = max(area_data_deepcopy.values())
return province_data,best
province_data,best = province_city()
#地圖_中國地圖（帶省份）Map-VisualMap（連續(xù)型）
c2 = (
Map()
.add( "Python",province_data, "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘崗位——全國分布情況"),
visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
)
.render("map_china.html")
)
這是 中國省份_城市.txt 里面的內(nèi)容，通過[接口]抓取到的中國地區(qū)信息。
源碼：
import requests
import json
header = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36",
}
response = requests.get('https://j.i8tq.com/weather2020/search/city.js',headers=header)
result = json.loads(response.text[len('var city_data ='):])
print(result)
each_province_data = {}
f = open('./中國省份_城市.txt',mode='w',encoding='utf-8')
for k,v in result.items():
province = k
if k in ['上海', '北京', '天津', '重慶']:
city = '，'.join(list(v[k].keys()))
else:
city = '，'.join(list(v.keys()))
f.write(f'{province}_{city}\n')
each_province_data[province] = city
f.close()
print(each_province_data)
城市
這里對所在城市進行可視化。
import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深復(fù)制一份數(shù)據(jù)
python_data['工作地點'] = [i.split('-')[0] for i in python_data['工作地點']]
city = python_data['工作地點'].value_counts()
city_list = [list(ct) for ct in city.items()]
###地圖_中國地圖（帶城市）——Map-VisualMap（分段型）
from pyecharts.charts import Map
c1 = (
Map(init_opts=opts.InitOpts(width="1244px", height="700px",page_title='Map-中國地圖（帶城市）', bg_color="#f4f4f4"))
.add(
"Python",
city_list,
"china-cities", #地圖
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘崗位——全國分布情況"),
visualmap_opts=opts.VisualMapOpts(max_=city_list[0][1],is_piecewise=True),
)
.render("map_china_cities.html")
)
地區(qū)
這里對上海地區(qū)可視化。
import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深復(fù)制一份數(shù)據(jù)
shanghai_data = []
sh = shanghai_data.append
for i in python_data_deepcopy['工作地點']:
if '上海' in i:
if len(i.split('-')) > 1:
sh(i.split('-')[1])
shanghai_data = pd.Series(shanghai_data).value_counts()
shanghai_data_list = [list(sh) for sh in shanghai_data.items()]
#上海地圖
c3 = (
Map()
.add("Python", shanghai_data_list, "上海") ###這個可以更改地區(qū)（如：成都）這里改了的話，上面的數(shù)據(jù)處理也要做相應(yīng)的更改
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-上海地圖"),
visualmap_opts=opts.VisualMapOpts(max_=shanghai_data_list[0][1])
)
.render("map_shanghai.html")
)
(3).餅圖Pie
Pie1
from pyecharts import options as opts
from pyecharts.charts import Pie
import pandas as pd
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
require_list = []
rl = require_list.append
for i in python_data['招聘要求']:
if '經(jīng)驗' in i:
rl(i.split(' ')[1])
else:
rl('未知')
python_data['招聘要求'] = require_list
require = python_data['招聘要求'].value_counts()
require_list = [list(ct) for ct in require.items()]
print(require_list)
c = (
Pie()
.add(
"",
require_list,
radius=["40%", "55%"],
label_opts=opts.LabelOpts(
position="outside",
formatter="{a|{a}}{abg|}\n{hr|}\n {b|: }{c} {per|ublnpf9mb%} ",
background_color="#eee",
border_color="#aaa",
border_width=1,
border_radius=4,
rich={
"a": {"color": "#999", "lineHeight": 22, "align": "center"},
"abg": {
"backgroundColor": "#e3e3e3",
"width": "100%",
"align": "right",
"height": 22,
"borderRadius": [4, 4, 0, 0],
},
"hr": {
"borderColor": "#aaa",
"width": "100%",
"borderWidth": 0.5,
"height": 0,
},
"b": {"fontSize": 16, "lineHeight": 33},
"per": {
"color": "#eee",
"backgroundColor": "#334455",
"padding": [2, 4],
"borderRadius": 2,
},
},
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="工作經(jīng)驗要求"),
legend_opts=opts.LegendOpts(padding=20, pos_left=500),
)
.render("pie_rich_label.html")
)
Pie2
from pyecharts import options as opts
from pyecharts.charts import Pie
import pandas as pd
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
xueli_list = []
xl = xueli_list.append
for i in python_data['招聘要求']:
if len(i.split(' ')) == 3:
xl(i.split(' ')[2])
else:
xl('未知')
python_data['招聘要求'] = xueli_list
xueli_require = python_data['招聘要求'].value_counts()
xueli_require_list = [list(ct) for ct in xueli_require.items()]
c = (
Pie()
.add(
"",
xueli_require_list,
radius=["30%", "55%"],
rosetype="area",
)
.set_global_opts(title_opts=opts.TitleOpts(title="學(xué)歷要求"))
.render("pie_rosetype.html")
)
(4).折線圖Line
這里對薪資情況進行可視化。
import pandas as pd
import re
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
sal = python_data['薪資']
xin_zi1 = []
xin_zi2 = []
xin_zi3 = []
xin_zi4 = []
xin_zi5 = []
xin_zi6 = []
for s in sal:
s = str(s)
if '千' in s:
xin_zi1.append(s)
else:
if re.findall('-(.*?)萬',s):
s = float(re.findall('-(.*?)萬',s)[0])
if 1.0<s<=1.5:
xin_zi2.append(s)
elif 1.5<s<=2.5:
xin_zi3.append(s)
elif 2.5<s<=3.2:
xin_zi4.append(s)
elif 3.2<s<=4.0:
xin_zi5.append(s)
else:
xin_zi6.append(s)
xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
import pyecharts.options as opts
from pyecharts.charts import Line
x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
c2 = (
Line()
.add_xaxis(x)
.add_yaxis(
"Python",
y,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(name="max", coord=[x[2], y[2]], value=y[2])] #name='自定義標記點'
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="薪資情況"),
xaxis_opts=opts.AxisOpts(name='薪資范圍'), # 設(shè)置x軸名字屬性
yaxis_opts=opts.AxisOpts(name='數(shù)量'), # 設(shè)置y軸名字屬性
)
.render("line_markpoint_custom.html")
)
(5).組合圖表
最后，將多個html上的圖表進行合并成一個html圖表。
首先，我們執(zhí)行下面這串格式的代碼（只寫了四個圖表，自己做相應(yīng)添加即可）
import pandas as pd
from pyecharts.charts import Bar,Map,Pie,Line,Page
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data['工作地點'] = [i.split('-')[0] for i in python_data['工作地點']]
city = python_data['工作地點'].value_counts()
city_list = [list(ct) for ct in city.items()]
###柱狀圖
def bar_datazoom_slider() -> Bar:
c = (
Bar()
.add_xaxis(city.index.tolist()) #城市列表數(shù)據(jù)項
.add_yaxis("Python", city.values.tolist())#城市對應(yīng)的崗位數(shù)量列表數(shù)據(jù)項
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘崗位所在城市分布情況"),
datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
xaxis_opts=opts.AxisOpts(name='城市'), # 設(shè)置x軸名字屬性
yaxis_opts=opts.AxisOpts(name='崗位數(shù)量'), # 設(shè)置y軸名字屬性
)
)
return c
# 地圖_中國地圖（帶省份）Map-VisualMap（連續(xù)型）
def map_china() -> Map:
import copy
area_data = {}
with open('./中國省份_城市.txt', mode='r', encoding='utf-8') as f:
for line in f:
line = line.strip().split('_')
area_data[line[0]] = line[1].split(',')
province_data = []
for ct in city_list:
for k, v in area_data.items():
for i in v:
if ct[0] in i:
ct[0] = k
province_data.append(ct)
area_data_deepcopy = copy.deepcopy(area_data)
for k in area_data_deepcopy.keys():
area_data_deepcopy[k] = 0
for i in province_data:
if i[0] in area_data_deepcopy.keys():
area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] + i[1]
province_data = [[k, v] for k, v in area_data_deepcopy.items()]
best = max(area_data_deepcopy.values())
c = (
Map()
.add("Python", province_data, "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="Python招聘崗位——全國分布情況"),
visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
)
)
return c
#餅圖
def pie_rich_label() -> Pie:
require_list = []
rl = require_list.append
for i in python_data['招聘要求']:
if '經(jīng)驗' in i:
rl(i.split(' ')[1])
else:
rl('未知')
python_data['招聘要求'] = require_list
require = python_data['招聘要求'].value_counts()
require_list = [list(ct) for ct in require.items()]
c = (
Pie()
.add(
"",
require_list,
radius=["40%", "55%"],
label_opts=opts.LabelOpts(
position="outside",
formatter="{a|{a}}{abg|}\n{hr|}\n {b|: }{c} {per|ublnpf9mb%} ",
background_color="#eee",
border_color="#aaa",
border_width=1,
border_radius=4,
rich={
"a": {"color": "#999", "lineHeight": 22, "align": "center"},
"abg": {
"backgroundColor": "#e3e3e3",
"width": "100%",
"align": "right",
"height": 22,
"borderRadius": [4, 4, 0, 0],
},
"hr": {
"borderColor": "#aaa",
"width": "100%",
"borderWidth": 0.5,
"height": 0,
},
"b": {"fontSize": 16, "lineHeight": 33},
"per": {
"color": "#eee",
"backgroundColor": "#334455",
"padding": [2, 4],
"borderRadius": 2,
},
},
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="工作經(jīng)驗要求"),
legend_opts=opts.LegendOpts(padding=20, pos_left=500),
)
)
return c
#折線圖
def line_markpoint_custom() -> Line:
import re
sal = python_data['薪資']
xin_zi1 = []
xin_zi2 = []
xin_zi3 = []
xin_zi4 = []
xin_zi5 = []
xin_zi6 = []
for s in sal:
s = str(s)
if '千' in s:
xin_zi1.append(s)
else:
if re.findall('-(.*?)萬',s):
s = float(re.findall('-(.*?)萬',s)[0])
if 1.0<s<=1.5:
xin_zi2.append(s)
elif 1.5<s<=2.5:
xin_zi3.append(s)
elif 2.5<s<=3.2:
xin_zi4.append(s)
elif 3.2<s<=4.0:
xin_zi5.append(s)
else:
xin_zi6.append(s)
xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
c = (
Line()
.add_xaxis(x)
.add_yaxis(
"Python",
y,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(name="MAX", coord=[x[2], y[2]], value=y[2])]
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="薪資情況"),
xaxis_opts=opts.AxisOpts(name='薪資范圍'), # 設(shè)置x軸名字屬性
yaxis_opts=opts.AxisOpts(name='數(shù)量'), # 設(shè)置y軸名字屬性
)
)
return c
#合并
def page_draggable_layout():
page = Page(layout=Page.DraggablePageLayout)
page.add(
bar_datazoom_slider(),
map_china(),
pie_rich_label(),
line_markpoint_custom(),
)
page.render("page_draggable_layout.html")
if __name__ == "__main__":
page_draggable_layout()
執(zhí)行完后，會在當前目錄下生成一個page_draggable_layout.html。
然后我們用瀏覽器打開，就會看到下面這樣，我們可以隨便拖動虛線框來進行組合，組合好后點擊Save Config就會下載一個chart_config.json，然后在文件中找到它，剪切到py當前目錄。
文件放置好后，可以新建一個py文件來執(zhí)行以下代碼，這樣就會生成一個resize_render.html，也就完成了。
from pyecharts.charts import Page
Page.save_resize_html('./page_draggable_layout.html',cfg_file='chart_config.json')
最后，點擊打開resize_render.html，我們合并成功的圖表就是這樣啦！
對大家有幫助的話，記得點贊收藏一下?。?！
二、案例數(shù)據(jù)獲取
這篇博文中有提及：http://chabaoo.cn/article/247103.htm
總結(jié)
到此這篇關(guān)于Python pyecharts數(shù)據(jù)可視化的文章就介紹到這了,更多相關(guān)Python pyecharts數(shù)據(jù)可視化內(nèi)容請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
布同 Python中文問題解決方法（總結(jié)了多位前人經(jīng)驗，初學(xué)者必看）
首先談?wù)勎沂窃趺从龅絇ython中文輸入問題的。我寫了一個小工具，用來查詢Python的庫函數(shù)。2011-03-03
Python數(shù)據(jù)分析之使用matplotlib繪制折線圖、柱狀圖和柱線混合圖
matplotlib是python的一個模塊,用于繪制各種圖形,今天介紹一下折線圖的繪制,下面這篇文章主要給大家介紹了關(guān)于Python數(shù)據(jù)分析之使用matplotlib繪制折線圖、柱狀圖和柱線混合圖的相關(guān)資料,需要的朋友可以參考下2022-05-05
這篇文章主要介紹了Django 實現(xiàn)下載文件功能的示例，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-03-03
Python3基礎(chǔ)之基本數(shù)據(jù)類型概述
這篇文章主要介紹了Python3的基本數(shù)據(jù)類型,需要的朋友可以參考下2014-08-08
教你使用Python建立任意層數(shù)的深度神經(jīng)網(wǎng)絡(luò)
這篇文章主要介紹了Python建立任意層數(shù)的深度神經(jīng)網(wǎng)絡(luò),本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-08-08
這篇文章主要為大家介紹了python進階之魔術(shù)方法，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2022-01-01
python實現(xiàn)用類讀取文件數(shù)據(jù)并計算矩形面積
今天小編就為大家分享一篇python實現(xiàn)用類讀取文件數(shù)據(jù)并計算矩形面積，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2020-01-01
對python條件表達式的四種實現(xiàn)方法小結(jié)
今天小編就為大家分享一篇對python條件表達式的四種實現(xiàn)方法小結(jié)，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2019-01-01
ROS1?rosbag的詳細使用并且使用python合并bag包的方法
這篇文章主要介紹了ROS1?rosbag的詳細使用，并且使用python來合并bag包,本文給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-05-05
Django項目創(chuàng)建到啟動詳解（最全最詳細）
這篇文章主要給大家介紹了關(guān)于Django項目創(chuàng)建到啟動的步驟，本文介紹的方法算是最全最詳細的一個項目,需要的朋友可以參考下2019-09-09