Python数据可视化 pyecharts实现各种统计图表过程详解


Posted in Python onAugust 15, 2019

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())

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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()

Python数据可视化 pyecharts实现各种统计图表过程详解

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 相关文章推荐
python文件写入实例分析
Apr 08 Python
Python函数式编程指南(三):迭代器详解
Jun 24 Python
Python实现将一个正整数分解质因数的方法分析
Dec 14 Python
Python错误处理操作示例
Jul 18 Python
推荐10款最受Python开发者欢迎的Python IDE
Sep 16 Python
django解决跨域请求的问题详解
Jan 20 Python
python 读取数据库并绘图的实例
Dec 03 Python
python实现tail实时查看服务器日志示例
Dec 24 Python
Python基于Tkinter编写crc校验工具
May 06 Python
基于django 的orm中非主键自增的实现方式
May 18 Python
Matlab中plot基本用法的具体使用
Jul 17 Python
Pycharm 设置默认解释器路径和编码格式的操作
Feb 05 Python
浅谈Python 敏感词过滤的实现
Aug 15 #Python
pycharm创建scrapy项目教程及遇到的坑解析
Aug 15 #Python
通过selenium抓取某东的TT购买记录并分析趋势过程解析
Aug 15 #Python
Python依赖包整体迁移方法详解
Aug 15 #Python
使用python批量修改文件名的方法(视频合并时)
Mar 24 #Python
python 修改本地网络配置的方法
Aug 14 #Python
python django 原生sql 获取数据的例子
Aug 14 #Python
You might like
点评山进PR-D3L三波段收音机
2021/03/02 无线电
Window 7/XP 安装Apache 2.4与PHP 5.4 的过程详解
2013/06/02 PHP
深入apache host的配置详解
2013/06/09 PHP
DOM XPATH获取img src值的query
2013/09/23 PHP
PHP获取某个月最大天数(最后一天)的方法
2015/07/29 PHP
PHP中抽象类,接口功能、定义方法示例
2019/02/26 PHP
laravel框架数据库操作、查询构建器、Eloquent ORM操作实例分析
2019/12/20 PHP
Extjs grid添加一个图片状态或者按钮的方法
2014/04/03 Javascript
nodejs中的fiber(纤程)库详解
2015/03/24 NodeJs
第一次接触神奇的Bootstrap菜单和导航
2016/08/01 Javascript
Angular实现购物车计算示例代码
2017/02/21 Javascript
Vue自定义图片懒加载指令v-lazyload详解
2020/12/31 Javascript
js学习心得_一个简单的动画库封装tween.js
2017/07/14 Javascript
不到200行 JavaScript 代码实现富文本编辑器的方法
2018/01/03 Javascript
浅谈React碰到v-if
2018/11/04 Javascript
jQuery轮播图功能制作方法详解
2019/12/03 jQuery
24个解决实际问题的ES6代码片段(小结)
2020/02/02 Javascript
JS自定义滚动条效果
2020/03/13 Javascript
python使用xauth方式登录饭否网然后发消息
2014/04/11 Python
Python中使用dom模块生成XML文件示例
2015/04/05 Python
深入解析Python中的变量和赋值运算符
2015/10/12 Python
django ajax json的实例代码
2018/05/29 Python
python skimage 连通性区域检测方法
2018/06/21 Python
Python发展简史 Python来历
2019/05/14 Python
Python2.7实现多进程下开发多线程示例
2019/05/31 Python
django的ORM操作 删除和编辑实现详解
2019/07/24 Python
Python 解决OPEN读文件报错 ,路径以及r的问题
2019/12/19 Python
关于tf.matmul() 和tf.multiply() 的区别说明
2020/06/18 Python
keras CNN卷积核可视化,热度图教程
2020/06/22 Python
Canvas 文本转粒子效果的实现代码
2019/02/14 HTML / CSS
AURALog面试题软件测试方面
2013/10/22 面试题
测试工程师职业规划书
2014/02/06 职场文书
培训楼经理岗位责任制
2014/02/10 职场文书
社区道德讲堂实施方案
2014/03/21 职场文书
一文了解MySQL二级索引的查询过程
2022/02/24 MySQL
python中使用redis用法详解
2022/12/24 Redis