使用pyecharts1.7进行简单的可视化大全

1. 简介

数据可视化是数据分析的重要组成部分,在Python中有很多优秀的数据可视化工具,Pyecharts是其中非常常用的一个。它基于Echarts.js开发,可以用Python语言绘制出各种各样的可交互可视化图表。在本文中,我们将介绍使用Pyecharts1.7进行简单的可视化大全,详细地展示基于该工具的数据可视化操作。

2. 安装及简单使用

2.1 安装

使用Pyecharts进行数据可视化,需要先安装相关的依赖库,可通过以下命令安装:

pip install pyecharts==1.7.0

pip install echarts-countries-pypkg

pip install echarts-china-provinces-pypkg

pip install echarts-china-cities-pypkg

pip install echarts-china-counties-pypkg

2.2 简单使用

下面我们来看一个简单的例子,使用Pyecharts绘制一个折线图:

from pyecharts.charts import Line

from pyecharts import options as opts

line = Line()

line.add_xaxis(['一月', '二月', '三月', '四月', '五月', '六月'])

line.add_yaxis('销量', [100, 200, 300, 400, 500, 600])

line.set_global_opts(title_opts=opts.TitleOpts(title='折线图'))

line.render('line.html')

运行代码后,会在当前目录下生成一个名为“line.html”的HTML文件,打开该文件即可看到绘制的折线图。

3. 常用图表

3.1 折线图

折线图是用线段连接数据点的图表类型,通常用于展示数据随时间或趋势发展的情况。下面是一个折线图的例子:

from pyecharts.charts import Line

from pyecharts import options as opts

line = Line()

line.add_xaxis(['一月', '二月', '三月', '四月', '五月', '六月'])

line.add_yaxis('销量', [100, 200, 300, 400, 500, 600])

line.set_global_opts(title_opts=opts.TitleOpts(title='折线图'))

line.render('line.html')

该代码会生成一个名为“line.html”的HTML文件,打开即可看到以下折线图:

3.2 柱状图

柱状图是用矩形条表示数据大小的图表类型,通常用于比较各项数据大小或对比不同类别的数据。下面是一个柱状图的例子:

from pyecharts.charts import Bar

from pyecharts import options as opts

bar = Bar()

bar.add_xaxis(['一月', '二月', '三月', '四月', '五月', '六月'])

bar.add_yaxis('销量', [100, 200, 300, 400, 500, 600])

bar.set_global_opts(title_opts=opts.TitleOpts(title='柱状图'))

bar.render('bar.html')

该代码会生成一个名为“bar.html”的HTML文件,打开即可看到以下柱状图:

3.3 散点图

散点图是用一组点表示数据的图表类型,通常用于探索数据之间的关系或分布情况。下面是一个散点图的例子:

from pyecharts.charts import Scatter

from pyecharts import options as opts

scatter = Scatter()

scatter.add_xaxis(['A', 'B', 'C', 'D', 'E'])

scatter.add_yaxis('数学', [80, 90, 70, 60, 85])

scatter.set_global_opts(title_opts=opts.TitleOpts(title='散点图'))

scatter.render('scatter.html')

该代码会生成一个名为“scatter.html”的HTML文件,打开即可看到以下散点图:

3.4 饼图

饼图是用扇形表示各数据占比的图表类型,通常用于比较不同部分在总体中所占的比例。下面是一个饼图的例子:

from pyecharts.charts import Pie

from pyecharts import options as opts

pie = Pie()

pie.add('', [('A', 50), ('B', 30), ('C', 20)])

pie.set_global_opts(title_opts=opts.TitleOpts(title='饼图'))

pie.render('pie.html')

该代码会生成一个名为“pie.html”的HTML文件,打开即可看到以下饼图:

4. 更多图表

除了上述几种常用图表类型,Pyecharts还支持很多其他类型的图表,例如热力图、地图、雷达图等,可根据具体需求选择使用。下面展示一些更为复杂的图表类型。

4.1 热力图

热力图是用不同颜色或亮度表示数据密度的图表类型,通常用于展示数据分布情况、热点地图等。下面是一个热力图的例子:

from pyecharts.charts import HeatMap

from pyecharts import options as opts

x_data = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']

y_data = ['早上', '中午', '晚上']

data = [[10, 20, 30, 40, 50, 60, 70],

[20, 30, 40, 50, 60, 70, 80],

[30, 40, 50, 60, 70, 80, 90]]

heatmap = HeatMap()

heatmap.add_xaxis(x_data)

heatmap.add_yaxis('', y_data, data)

heatmap.set_global_opts(title_opts=opts.TitleOpts(title='热力图'))

heatmap.render('heatmap.html')

该代码会生成一个名为“heatmap.html”的HTML文件,打开即可看到以下热力图:

4.2 地图

地图是用地图形式展示各地区数据的图表类型,通常用于展示各地区经济、人口等情况。下面是一个地图的例子:

from pyecharts.charts import Map

from pyecharts import options as opts

data = [('广东', 100), ('北京', 50), ('上海', 70), ('浙江', 80), ('四川', 60),

('湖南', 40), ('湖北', 30), ('河南', 20), ('河北', 10), ('黑龙江', 5)]

map_ = Map()

map_.add('数据', data, 'china')

map_.set_global_opts(title_opts=opts.TitleOpts(title='地图'))

map_.render('map.html')

该代码会生成一个名为“map.html”的HTML文件,打开即可看到以下地图:

4.3 雷达图

雷达图是用多边形表示数据之间关系的图表类型,通常用于展示数据之间的相似性或差异性。下面是一个雷达图的例子:

from pyecharts.charts import Radar

from pyecharts import options as opts

data = [

[90, 80, 85, 94, 92],

[75, 85, 75, 94, 100],

[80, 75, 85, 77, 90],

]

indicator = [

{"name": "数学", "max": 100},

{"name": "语文", "max": 100},

{"name": "英语", "max": 100},

{"name": "政治", "max": 100},

{"name": "历史", "max": 100},

]

radar = Radar()

radar.add_schema(indicator)

for i in range(3):

radar.add(f'学生{i}', [data[i]])

radar.set_global_opts(title_opts=opts.TitleOpts(title='雷达图'))

radar.render('radar.html')

该代码会生成一个名为“radar.html”的HTML文件,打开即可看到以下雷达图:

5. 总结

本文介绍了使用Pyecharts1.7进行简单的可视化大全。在实践中,不同的数据可视化类型应用于不同的情况,需要根据具体需求选择合适的图表类型。作为一种简便易用的Python数据可视化工具,Pyecharts在日常数据分析和可视化中具有广泛的应用。

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签