pyecharts包的简单使用

news2024/9/20 14:45:46

pyecharts简介

Pyecharts是一个Python的数据可视化库。 它基于ECharts，一个由百度开发的流行的JavaScript图表库。Pyecharts旨在为Python用户提供一种简便的方法来创建各种类型的交互式图表，包括折线图、柱状图、散点图、饼图、地图等。通过使用Pyecharts，用户可以使用Python编写代码来生成复杂的图表，并可以轻松地自定义图表的样式和布局。


pyecharts使用步骤

这里要安装python的第三方包pyecharts才可以使用，点开pycharm右下角的版本号，选择解释器设置，选择加号，搜索包名，点击安装，要是速度太慢，可以在安装选项上填上清华的镜像网站 https://pypi.tuna.tsinghua.edu.cn/simple。

主要是两大步，一个是准备好数据，二是设置全局选项生成对应图像，运行对应的python代码后，会生成或者更新一个对应的html文件，打开这个对应的HTML文件就可以查看对应的图像了。


pyecharts三种图表简单使用

折线图

不多说直接上代码，基本都有注释滴

这里的数据来源是本地文件，JSON格式，需要将其转换成python的字典，这里只是展示如何使用，代码使用的数据需要自己准备。

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts

# 处理数据
f_us = open("D:/桌面/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()  # 读取其中全部内容

f_jp = open("D:/桌面/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()

f_in = open("D:/桌面/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read()

# 处理开头结尾的错误数据
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
us_data = us_data[:-2]

jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
jp_data = jp_data[:-2]

in_data = in_data.replace("jsonp_1629350745930_63180(", "")
in_data = in_data[:-2]

# JSON转换成python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)

# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']


# 获取日期数据
us_x_data = us_trend_data['updateDate'][:314]
# jp_x_data = jp_trend_data['updateDate'][:314]
# in_x_data = in_trend_data['updateDate'][:314]

# 获取确诊人数,只统计了一年
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]


# 生成图表
line = Line()

# 添加X轴数据,X轴表示时间，可以通用
line.add_xaxis(us_x_data)

# 添加Y轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))

# 配置全局选项
line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)


# 调用 render 方法生成图表
line.render()


# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()




点击运行后会生成一个html文件，打开这个文件在浏览器中即可查看图表


图像展示
python基础折线图


地图-Map的简单使用

如果自己实在没有准备数据可以试着使用一下这个包 from pyecharts.faker import Fake

Faker包介绍：

Python Faker是一个Python库，用于生成各种类型的随机数据。它是一个用于模拟测试数据的工具，旨在帮助开发人员在开发和测试过程中快速生成虚拟的数据。 Faker包可以为许多不同领域的数据生成假数据，例如姓名、地址、电子邮件、手机号码、信用卡号、公司名称等等。

使用Python Faker可以方便地生成大量真实的测试数据，以便验证和测试软件应用程序的功能。

直接上代码

task1-全国

"""
地图可视化演示
"""

from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.faker import Faker

# 准备地图对象
map = Map()

# 准备数据
data = [
    ("北京", 99),
    ("上海", 199),
    ("湖南", 299),
    ("台湾", 399),
    ("广东", 499),
]

# map添加数据
map.add("测试地图", [
    ("北京市", 99),
    ("上海市", 199),
    ("湖南省", 299),
    ("香港特别行政区", 499)
], "china")

# 设置全局选项
map.set_global_opts(
    title_opts=opts.TitleOpts(title="测试地图"),
    visualmap_opts=opts.VisualMapOpts(
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 9, "label": "1-9", "color": "#CCFFFF"},
            {"min": 10, "max": 99, "label": "10-99", "color": "#FF6666"},
            {"min": 100, "max": 500, "label": "100-500", "color": "#990033"},
        ]
    )
)

# 绘图生成，这里可以指定生成html文件的名称
map.render("测试地图.html")

这里有个特别要注意的点，省份要写全名，比如湖南省可以，湖南不可以，香港特别行政区可以，香港不行，广西壮族自治区可以，广西不可以。
这个小BUG烦了我好一会，但是有些说不写全名也行，可能是版本不一样吧。

图像展示

python基础地图测试


task2-全国

"""
全国疫情可视化地图开发
"""

import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件数据
f = open("D:/桌面/疫情.txt", "r", encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()

# 取到各省的数据,将JSON字符串转换成python的字典
data_dict = json.loads(data)

# 从字典取出省份的数据列表
province_data_list = data_dict['areaTree'][0]['children']

# 地图上的省份需要写全名，将直辖市和特别行政区单独处理

# 绘图使用的数据列表
data_list = []

# 将数据每个省份和确诊人数组装成元组，将其封装到列表中
for province_data in province_data_list:
    province_name = province_data['name']     # 省份名称

    if province_name == '北京' or province_name == '天津' or province_name == '上海' or province_name == '重庆':
        province_name += "市"
    elif province_name == '香港' or province_name == '澳门':
        province_name += '特别行政区'
    elif province_name == '新疆':
        province_name = '新疆维吾尔自治区'
    elif province_name == '西藏':
        province_name = '西藏自治区'
    elif province_name == '广西':
        province_name = '广西壮族自治区'
    elif province_name == '宁夏':
        province_name = '宁夏回族自治区'
    elif province_name == '内蒙古':
        province_name = '内蒙古自治区'
    else:
        province_name += '省'

    province_confirm = province_data['total']['confirm']    # 确诊人数
    data_list.append((province_name, province_confirm))

print(data_list)

# 创建地图对象
map_ch = Map()

# 添加数据
map_ch.add("各省份确诊人数", data_list, "china")

# 配置全局选项
map_ch.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,             # 是否显示
        is_piecewise=True,        # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000,  "label": "100000+人", "color": "#990033"},
        ]
    )
)


# 生成图表
map_ch.render("全国疫情地图.html")

图像展示


python全国地图基础使用

task3-省份

"""
河南省疫情地图
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件
f = open("D:/桌面/疫情.txt", "r", encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()

# 获取河南省数据,将JSON数据转换成PYTHON字典
data_dict = json.loads(data)
cities_data = data_dict['areaTree'][0]['children'][3]['children']

# 将数据组装成元组
data_list = []
for city_data in cities_data:
    city_name = city_data['name'] + '市'
    city_confirm = city_data['total']['confirm']
    data_list.append((city_name, city_confirm))

# 手动添加济源市数据
data_list.append(("济源市", 5))

# 构建地图
map = Map()
map.add("河南省疫情分布", data_list, "河南")

# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,             # 是否显示
        is_piecewise=True,        # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000,  "label": "100000+人", "color": "#990033"},
        ]
    )
)

# 绘图
map.render("河南省疫情地图.html")

图像展示


python省份地图基础使用


柱状图


基础柱状图


"""
柱状图的开发
"""

from pyecharts.charts import Bar
from pyecharts.options import LabelOpts

# 使用Bar构建基础柱状图
bar = Bar()

# 添加X轴和Y轴的数据
bar.add_xaxis(['中国', '美国', '英国'])
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))

# 反转x,y轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")

图像展示

python基础柱状图


带时间线的柱状图


""""
时间线柱状图绘制
"""
from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

# 使用Bar构建基础柱状图
bar1 = Bar()
# 添加X轴和Y轴的数据
bar1.add_xaxis(['中国', '美国', '英国'])
bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))
# 反转x,y轴
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(['中国', '美国', '英国'])
bar2.add_yaxis("GDP", [56, 32, 25], label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(['中国', '美国', '英国'])
bar3.add_yaxis("GDP", [98, 85, 56], label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象,主题设置
timeline = Timeline({"Theme": ThemeType.WONDERLAND})

# 在时间线对象添加柱状图对象
timeline.add(bar1, "点1")
timeline.add(bar2, "点2")
timeline.add(bar3, "点3")

# 设置自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)

# 绘图,时间线对象绘图，而不是bar对象绘图
timeline.render("基础时间线对象图.html")

图像展示
python基础时间线柱状图


动态酷炫时间线柱状图


"""
d动态GDP柱状图绘制
"""

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("D:/桌面/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
data_lines = f.readlines()

# 关闭文件
f.close()

# 删除无用数据
data_lines.pop(0)

# 将数据转换成字典储存，格式为：
# {年份: [[国家, GDP], [国家, GDP], [国家, GDP]]..., 年份: [[国家, GDP], [国家, GDP], [国家, GDP]]...}
# 定义字典对象
data_dict = {}

for line in data_lines:
    year = int(line.split(",")[0])  # 年份
    country = line.split(",")[1]  # 国家
    gdp = float(line.split(",")[2])  # GDP数据

    # 如何判断字典有没有指定的key,通过异常来操作
    try:
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])


# 创建时间线对象
timeline = Timeline({"theme": ThemeType.LIGHT})

# 排序不同年份
sorted_year_list = sorted(data_dict.keys())

# 找出每一年GDP排名的前八位
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1], reverse=True)

    # 取出前八名
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []

    for country_gdp in year_data:
        x_data.append(country_gdp[0])  # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)  # y轴添加GDP

    # 构建柱状图对象
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))
    # 反转x,y轴
    bar.reversal_axis()

    # 设置每年图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前八GDP数据")
    )

    timeline.add(bar, str(year))

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)

# 绘图，输出
timeline.render("1960-2019全球GDP前八国家排名.html")

图像展示
python时间线柱状图使用



还往后看，已经没辣

其他更多精彩内容可以去看这两个网站，关于数据可视化库的更多内容

pycharts库主页
gallery-pycharts各图表使用示例教程

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/825006.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

场景库之高精度地图编辑器

场景库之高精度地图编辑器

一、背景介绍 高精度地图编辑器是场景库生产所需的必要工具，地图编辑器基于JS开发，可对指定的地图进行描绘，生成数字高精度地图。 二、功能介绍 路网元素支持： 类别元素图片交叉口交叉口安全岛交通岛导流岛道路中心圈路口边缘线…
阅读更多...
ATTCK实战系列-红队评估 （红日靶场3）Vulnstack三层网络域渗透靶场

ATTCK实战系列-红队评估 （红日靶场3）Vulnstack三层网络域渗透靶场

文章目录 环境配置靶场介绍靶场设置 外网渗透信息收集端口扫描目录扫描 漏洞发现与利用获取ssh账号密码，登录centos 提权 内网渗透建立代理内网信息收集smb暴破，获取本地管理员密码 横向移动使用psexec模块上线msf 环境配置 靶场介绍 靶场地址 http:/…
阅读更多...
[LeetCode]链表相关题目(c语言实现)

[LeetCode]链表相关题目(c语言实现)

文章目录 LeetCode203. 移除链表元素LeetCode237. 删除链表中的节点LeetCode206. 反转链表ⅠLeetCode92. 反转链表 II思路 1思路 2 LeetCode876. 链表的中间结点剑指 Offer 22. 链表中倒数第k个节点LeetCode21. 合并两个有序链表LeetCode86. 分隔链表LeetCode234. 回文链表Leet…
阅读更多...
如何打造属于自己的个人IP?

如何打造属于自己的个人IP?

在当今信息爆炸的时代，个人 IP 已经成为人们在网络世界中的独特标签。无论是在职场上、创业中，还是在社交生活中，拥有个人 IP 的人都能脱颖而出，吸引更多的关注和机会。那么，如何打造属于自己的个人 IP 呢？…
阅读更多...
机器学习和深度学习简述

机器学习和深度学习简述

一、人工智能、机器学习、深度学习的关系 近些年人工智能、机器学习和深度学习的概念十分火热，但很多从业者却很难说清它们之间的关系，外行人更是雾里看花。概括来说，人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的，三…
阅读更多...
华为OD机试真题 JavaScript 实现【名字的漂亮度】【牛客练习题】

华为OD机试真题 JavaScript 实现【名字的漂亮度】【牛客练习题】

目录 一、题目描述二、输入描述三、输出描述四、解题思路五、JavaScript算法源码 华为OD机试 2023B卷题库疯狂收录中，刷题点这里 刷的越多，抽中的概率越大，每一题都有详细的答题思路、详细的代码注释、样例测试，发现新题目&#x…
阅读更多...
vue3实现拖拽排序

vue3实现拖拽排序

效果&#xff1a; 实现 <template><div class"box"><divv-for"(item, index) in items":key"item.id"class"item":style"{ order: item.order }":draggable"true"dragstart"onDragStart(in…
阅读更多...
redis的安装和配置

redis的安装和配置

一、nosql 二、redis的安装和配置 redis的安装&#xff1a; redis常见配置&#xff1a; 配置文件redis.conf
阅读更多...
DP学习第五篇之礼物的最大价值

DP学习第五篇之礼物的最大价值

DP学习第五篇之礼物的最大价值 剑指 Offer 47. 礼物的最大价值 - 力扣&#xff08;LeetCode&#xff09; 一.题目解析 二. 算法原理 状态表示 tips: 经验题目要求。以[i,j]位置为结尾&#xff0c;。。。 dp[i][j]: 到达[i, j]位置时&#xff0c;此时的最大礼物价值 状态转移…
阅读更多...
Java版工程行业管理系统源码-专业的工程管理软件- 工程项目各模块及其功能点清单 em

Java版工程行业管理系统源码-专业的工程管理软件- 工程项目各模块及其功能点清单 em

&#xfeff;Java版知识付费源码 Spring CloudSpring BootMybatisuniapp前后端分离实现知识付费平台 提供职业教育、企业培训、知识付费系统搭建服务。系统功能包含&#xff1a;录播课、直播课、题库、营销、公司组织架构、员工入职培训等。 提供私有化部署&#xff0c;免费售…
阅读更多...
【css】css隐藏元素

【css】css隐藏元素

display:none&#xff1a;可以隐藏元素。该元素将被隐藏&#xff0c;并且页面将显示为好像该元素不在其中。visibility:hidden&#xff1a; 可以隐藏元素。但是&#xff0c;该元素仍将占用与之前相同的空间。元素将被隐藏&#xff0c;但仍会影响布局。 代码&#xff1a; <!…
阅读更多...
Maya中polygon和transform区别？

Maya中polygon和transform区别？

In Autodesk Maya, “polygon” and “transform” are two fundamental types of nodes used to represent different aspects of 3D geometry and the transformation of objects in the scene. Polygon (polyMesh): A polygon node, often referred to as a “polyMesh,” r…
阅读更多...
Ubuntu开机自启服务systemd.service配置教程（Ubuntu服务）（Linux服务）upstart

Ubuntu开机自启服务systemd.service配置教程（Ubuntu服务）（Linux服务）upstart

文章目录 为什么要将程序配置成服务&#xff1f;1. 自动启动2. 后台运行3. 定时重启4. 简化管理5. 整合系统 版本支持1. Ubuntu 14.04及更早版本&#xff1a;使用upstart作为默认的init系统/etc/rc.local旧版本新版本 2. Ubuntu 15.04到16.04版本&#xff1a;默认使用systemd作…
阅读更多...
CTFSHOW php 特性

CTFSHOW php 特性

web89 数组绕过正则 include("flag.php"); highlight_file(__FILE__);if(isset($_GET[num])){$num $_GET[num]; get numif(preg_match("/[0-9]/", $num)){ 是数字 就输出 nodie("no no no!");}if(intval($num)){ 如果是存在整数 输出 flagecho …
阅读更多...
算法通关村第四关——如何基于数组（链表）实现栈

算法通关村第四关——如何基于数组（链表）实现栈

栈的基础知识 栈的特征 特征1 栈和队列是比较特殊的线性表&#xff0c;又被称为 访问受限的线性表。栈是很多表达式、符号等运算的基础&#xff0c;也是递归的底层实现&#xff08;递归就是方法自己调用自己&#xff0c;在JVM的虚拟机栈中&#xff0c;一个线程中的栈帧就是…
阅读更多...
使用分布式数据库，还需要考虑做分库分表吗？

使用分布式数据库，还需要考虑做分库分表吗？

随着数据存储需求的不断增加&#xff0c;分布式数据库成为了处理大规模数据的一种重要方式。分布式数据库可以将数据分散到多个计算节点上&#xff0c;并利用分布式计算的能力来提高数据处理的效率和可用性。然而&#xff0c;在使用分布式数据库的过程中&#xff0c;是否需要进…
阅读更多...
网络安全工具包NST发布38-13644版本

网络安全工具包NST发布38-13644版本

导读开源网络安全工具包NST近日发布了最新版本38-13644。该版本基于Fedora 38构建,使用Linux 6.3.12内核,主要针对软件的维护与功能增强进行了更新。 根据发布公告,新版本通过Docker容器方式重构了OpenVAS和Greenbone漏洞扫描组件,实现了完整的漏洞评估能力。另外,还增强了地理…
阅读更多...
微信公众号程序PHP源码 收银台源码 商家PHP源码 微信支付扫码付款 商家收银台

微信公众号程序PHP源码 收银台源码 商家PHP源码 微信支付扫码付款 商家收银台

商家收银台-微信支付扫码付款-微信支付收银台-PHP源码 微信公众号程序&#xff0c;必须微信认证服务号&#xff0c;微信支付商家 客户扫码&#xff0c;打开商家定义支付页面&#xff0c;输入金额和对应定义信息&#xff0c;提交微信支付&#xff0c;实现快速付款 支持创建多…
阅读更多...
信息系统网络安全整改方案

信息系统网络安全整改方案

第1章 项目概述 1.1 项目目标 本方案将通过对公司网络信息系统的安全现状进行分析工作&#xff0c;参照国家信息系统等级保护要求&#xff0c;找出信息系统与安全等级保护要求之间的差距&#xff0c;给出相应的整改意见&#xff0c;推动 XX 企业公司网络信息系统安全整改工作的…
阅读更多...
将jar包打入本地maven仓库

将jar包打入本地maven仓库

1、准备好要入仓的jar包 2、在jar包所在文件夹打开cmd 3、输入如下命令进行打包 mvn install:install-file -DgroupIdcom.netty.common -DartifactIdnetty-common -Dversion1.0-SNAPSHOT -Dpackagingjar -Dfilenetty-common-1.0-SNAPSHOT.jar如下图所示&#xff1a;
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023