1、pyecharts介绍
Echarts是一款由百度公司开发的开源数据可视化JS库,pyecharts是一款使用python调用echarts生成数据可视化的类库,可实现柱状图,折线图,饼状图,地图等统计图表。
2、柱状图
适用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较,用于显示一段时间内的数据变化或显示各项之间的比较情况。
优点: 利用柱子的高度,反映数据的差异,肉眼对高度差异很敏感。
缺点: 只适用中小规模的数据集。
柱状图最基本用法
from pyecharts import Bar fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] sales = [18888,20023,30989,8873,29876,5409] bar = Bar('水果销售情况') bar.add('',fruits,sales,is_stack=True) (bar.render())
add()方法用于添加数据。
当要比较不同商家水果销量情况,只需多次调用add()方法:
from pyecharts import Bar fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] bar = Bar('水果销售情况') bar.add('商家A',fruits,shop1_sales,is_stack=False) shop2_sales = [4888,7023,3989,5873,8876,6409] bar.add('商家B',fruits,shop2_sales,is_stack=False) bar.render()
如果想在数据叠加显示,只需将is_stack参数设置为True
from pyecharts import Bar fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] bar = Bar('水果销售情况') bar.add('商家A',fruits,shop1_sales,is_stack=True) shop2_sales = [4888,7023,3989,5873,8876,6409] bar.add('商家B',fruits,shop2_sales,is_stack=True) bar.render()
下面是柱状图中常用方法和属性介绍:
(1)add()方法中根据is_stack可以设定柱形图是否叠加显示
(2)is_more_utils=True 参数来设置最右侧工具栏,对生成的图进行更多的操作,如将柱形图更改为折线图等
(3)标记的使用:mark_point=[‘average']标记点,平均值;mark_line=[‘min','max','average']标记线,最大值、最小值和平均值
(4)横向柱形图:is_convert=True,标识交换X轴和Y轴
3、折线图
常用折线图来描绘统计事项总体指标的动态、研究对象间的依存关系以及总体中各部分的分配情况等。
# 普通折线图 fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] shop2_sales = [4888,7023,3989,5873,8876,6409] line = Line('折线图') line.add('商家A', fruits, shop1_sales, mark_point=['max']) line.add('商家B', fruits, shop2_sales, mark_point=['min']) line.show_config() line.render()
line()方法中有个is_smooth的参数,将参数的值设置为True,折线图的线条会以圆滑的趋势变化,不像上图那样以直线的方式变化。
# 普通折线图 fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] shop2_sales = [4888,7023,3989,5873,8876,6409] line = Line('折线图') line.add('商家A', fruits, shop1_sales, mark_point=['max']) line.add('商家B', fruits, shop2_sales, mark_point=['min'], is_smooth=True) line.show_config() line.render()
上图的商家A设置了is_smooth参数的值为True,商家B没有设置is_smooth属性。可以看到商家B的折线是以圆滑的趋势变化的。
最常用的还有阶梯折线图和面积折线图。
阶梯折线图
将line()方法的is_step参数设置为True。
fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop2_sales = [4888,7023,3989,5873,8876,6409] line = Line('折线图') line.add('商家B', fruits, shop2_sales, mark_point=['min'], is_step=True) line.show_config() line.render()
面积折线图
fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop2_sales = [4888,7023,3989,5873,8876,6409] shop1_sales = [8888,3323,6989,8873,3876,15409] line3 =Line("面积折线图") line3.add("商家A", fruits, shop1_sales, is_fill=True, line_opacity=0.2, area_opacity=0.4, symbol=None, mark_point=['max']) line3.add("商家B", fruits, shop2_sales, is_fill=True, area_color='#a3aed5', area_opacity=0.3, is_smooth=True) line3.show_config() line3.render()
柱状图-折线图
在柱状图上显示折线图也是常用的统计图表。需要借助Overlap类实现。
from pyecharts import Bar, Line, Overlap fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] shop2_sales = [4888,7023,3989,5873,8876,6409] bar = Bar("柱形图-折线图") bar.add('bar', fruits, shop1_sales) line = Line() line.add('line', fruits, shop2_sales) overlap = Overlap() overlap.add(bar) overlap.add(line) overlap.show_config() overlap.render()
4、饼图
饼图可以比较清楚地反映出部分与部分、部分与整体之间的数量关系.易于显示每组数据相对于总数的大小.而且显现方式直观.
from pyecharts import Pie fruits = ['苹果','香蕉','凤梨','桔子','橙','桃子'] shop1_sales = [8888,3323,6989,8873,3876,15409] pie = Pie('饼图') pie.add('芝麻饼', fruits, shop1_sales, is_label_show=True) pie.show_config() pie.render()
玫瑰花样式饼图
pie2 = Pie("饼图-玫瑰图示例", title_pos='center', width=900) pie2.add("商家A", fruits, shop1_sales, center=[25, 50], is_random=True, radius=[25, 60], rosetype='radius') pie2.add("商家B", fruits, shop2_sales, center=[75, 50], is_random=True, radius=[25, 60], rosetype='area', is_legend_show=False, is_label_show=True) pie2.show_config() pie2.render()
5、散点图
散点图又称散点分布图,是以一个变量为横坐标,另一变量为纵坐标,利用散点(坐标点)的分布形态反映变量统计关系的一种图形。特点是能直观表现出影响因素和预测对象之间的总体关系趋势。
静态散点图
from pyecharts import Scatter scatter =Scatter("散点图示例") scatter.add("A", shop1_sales, shop2_sales) scatter.add("B", shop1_sales[::-1], shop2_sales) scatter.show_config() scatter.render()
动态散点图
from pyecharts import EffectScatter v1 =[5, 20, 36, 10, 10, 100] v2 =[55, 60, 16, 20, 15, 80] # 动态散点图 es =EffectScatter("动态散点图") # v1 x坐标 v2 y坐标 es.add('苹果', v1, v2) es.show_config() es.render()
各种图形动态散点图
from pyecharts import EffectScatter es = EffectScatter("动态散点图各种图形") es.add("", [10], [10], symbol_size=20, effect_scale=3.5, effect_period=3, symbol="pin") es.add("", [20], [20], symbol_size=12, effect_scale=4.5, effect_period=4,symbol="rect") es.add("", [30], [30], symbol_size=30, effect_scale=5.5, effect_period=5,symbol="roundRect") es.add("", [40], [40], symbol_size=10, effect_scale=6.5, effect_brushtype='fill',symbol="diamond") es.add("", [50], [50], symbol_size=16, effect_scale=5.5, effect_period=3,symbol="arrow") es.add("", [60], [60], symbol_size=6, effect_scale=2.5, effect_period=3,symbol="triangle") es.show_config() es.render()
以上是使用pyecharts实现柱状图、折线图、散点图和饼图的统计图表。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。
Python数据可视化 pyecharts实现各种统计图表过程详解
- Author -
Summer哥声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@