Python pyecharts 数据可视化模块的配置方法

0287
目录

1. pyecharts 模块介绍

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

pyecharts 官网：https://pyecharts.org/#/zh-cn/

pyecharts 画廊地址：https://gallery.pyecharts.org/#/README

2. pyecharts 模块安装

pip install pyecharts

3. pyecharts 配置选项

pyecharts 模块中有很多配置选项，常用到两个类别的选项：全局配置选项和系列配置选项。

3.1 全局配置选项

全局配置选项可以通过 set_global_opts 方法来进行配置，通常对图表的一些通用的基础的元素进行配置，例如标题、图例、工具箱、鼠标移动效果等等，它们与图表的类型无关。

Python pyecharts 数据可视化模块的配置方法

Python pyecharts 数据可视化模块的配置方法

示例代码：通过折线图对象对折线图进行全局配置

from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

# 获取折线图对象
line = Line()

# 对折线图进行全局配置
line.set_global_opts(
    # 设置标题、标题的位置...
    title_opts=TitleOpts(\"国家GDP展示\", pos_left=\"center\", pos_bottom=\"1%\"),
    # 设置图例是展示的...
    legend_opts=LegendOpts(is_show=True),
    # 设置工具箱是展示的
    toolbox_opts=ToolboxOpts(is_show=True),
    # 设置视觉映射是展示的
    visualmap_opts=VisualMapOpts(is_show=True)
)

3.2 系列配置选项

系列配置选项是针对某个具体的参数进行配置，可以去 pyecharts 官网进行了解。

Python pyecharts 数据可视化模块的配置方法

4. 基础折线图的构建

4.1 基本使用流程

1.导包，导入 Line 功能构建折线图对象

from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

2.获取折线图对象

line = Line()

3.添加 x、y 轴数据（添加系列配置）

line.add_xaxis([\"中国\", \"美国\", \"英国\"])
line.add_yaxis(\"GDP\", [30, 20, 10])

4.添加全局配置

line.set_global_opts(
    # 设置标题、标题的位置...
    title_opts=TitleOpts(\"国家GDP展示\", pos_left=\"center\", pos_bottom=\"1%\"),
    # 设置图例是展示的...
    legend_opts=LegendOpts(is_show=True),
    # 设置工具箱是展示的
    toolbox_opts=ToolboxOpts(is_show=True),
    # 设置视觉映射是展示的
    visualmap_opts=VisualMapOpts(is_show=True)
)

5.生成图表（通过 render 方法将代码生成图像）

line.render()

Python pyecharts 数据可视化模块的配置方法

4.2 实现2020年美印日确诊人数对比折线图

import json
from pyecharts.charts import Line
# 获取不同国家疫情时间
from pyecharts.options import TitleOpts, LabelOpts
def getdata(file):
    # 处理数据
    try:
        f = open(file, \'r\', encoding=\'utf8\')
    except FileNotFoundError as e:
        print(f\"文件不存在，具体错误为：{e}\")
    else:
        data = f.read()

        # JSON 转 Python 字典
        dict = json.loads(data)

        # 获取 trend
        trend_data = dict[\'data\'][0][\'trend\']

        # 获取日期数据，用于 x 轴（只拿2020年的数据）
        x_data = trend_data[\'updateDate\'][:314]

        # 获取确认数据，用于 y 轴
        y_data = trend_data[\'list\'][0][\'data\'][:314]

        # 返回结果
        return x_data, y_data
    finally:
        f.close()


# 获取美国数据
us_x_data, us_y_data = getdata(\"E:\\\\折线图数据\\\\美国.txt\")

# 获取印度数据
in_x_data, in_y_data = getdata(\"E:\\\\折线图数据\\\\印度.txt\")

# 获取日本数据
jp_x_data, jp_y_data = getdata(\"E:\\\\折线图数据\\\\日本.txt\")

# 生成图表
line = Line()

# 添加 x 轴数据（日期，公用数据，不同国家都一样）
line.add_xaxis(us_x_data)

# 添加 y 轴数据（设置 y 轴的系列配置，将标签不显示）
line.add_yaxis(\"美国确诊人数\", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国数据
line.add_yaxis(\"印度确诊人数\", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度数据
line.add_yaxis(\"日本确诊人数\", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本数据

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

)

# 生成图表
line.render()

Python pyecharts 数据可视化模块的配置方法

5. 基础地图构建

5.1 基本使用流程

1.导包，导入 Map 功能获取地图对象

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

2.获取地图对象

map = Map()

3.准备好数据

data = [
    (\"北京\", 99),
    (\"上海\", 199),
    (\"广州\", 299),
    (\"湖南\", 199),
    (\"安徽\", 99),
    (\"湖北\", 399),
]

4.添加数据到地图对象中

# 地图名称、传入的数据、地图类型（默认是中国地图）
map,add(\"地图\", data, \"china\")

5.添加全局配置

map.set_global_opts(
    # 设置视觉映射配置
    visualmap_opts=VisualMapOpts(
        # 打开视觉映射（可能不精准，因此可以开启手动校准）
        is_show=True,
        # 开启手动校准范围
        is_piecewise=True,
        # 设置要校准参数的具体范围
        pieces=[
            {\"min\": 1, \"max\": 9, \"label\": \"1~9人\", \"color\": \"#CCFFFF\"},
            {\"min\": 10, \"max\": 99, \"label\": \"10~99人\", \"color\": \"#FFFF99\"},
            {\"min\": 100, \"max\": 199, \"label\": \"100~199人\", \"color\": \"#FF9966\"},
            {\"min\": 200, \"max\": 299, \"label\": \"200~299人\", \"color\": \"#FF6666\"},
            {\"min\": 300, \"label\": \"300人以上\", \"color\": \"#CC3333\"},
        ]
    )
)

6.生成地图

map.render()

Python pyecharts 数据可视化模块的配置方法

5.2 实现国内疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts

# 读取数据
f = open(\"E:\\\\地图数据\\\\疫情.txt\", \'r\', encoding=\'utf8\')
str_json = f.read()

# 关闭文件
f.close()

# JSON 转 python 字典
data_dict = json.loads(str_json)

# 取到各省数据
province_data_list = data_dict[\'areaTree\'][0][\'children\']

# 组装每个省份和确诊人数为元组，并封装到列表内
data_list = []
for province_data in province_data_list:
    province_name = province_data[\'name\']
    province_total_confirm = province_data[\'total\'][\'confirm\']
    data_list.append((province_name, province_total_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add(\"各省确诊总人数\", data_list, \"china\")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(\'全国疫情地图\', pos_left=\'center\', pos_bottom=\'1%\'),
    legend_opts=LegendOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {\"min\": 1, \"max\": 9, \"label\": \"1~9人\", \"color\": \"#CCFFFF\"},
            {\"min\": 10, \"max\": 99, \"label\": \"10~99人\", \"color\": \"#FFFF99\"},
            {\"min\": 100, \"max\": 499, \"label\": \"100~499人\", \"color\": \"#FF9966\"},
            {\"min\": 500, \"max\": 999, \"label\": \"500~999人\", \"color\": \"#FF6666\"},
            {\"min\": 1000, \"max\": 9999, \"label\": \"1000~9999人\", \"color\": \"#CC3333\"},
            {\"min\": 10000, \"label\": \"10000人以上\", \"color\": \"#990033\"}
        ]
    )
)

# 绘图
map.render()

Python pyecharts 数据可视化模块的配置方法

5.3 实现省级疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts

# 读取数据
f = open(\"E:\\\\地图数据\\\\疫情.txt\", \'r\', encoding=\'utf8\')
str_json = f.read()

# 关闭文件
f.close()

# JSON 转 python 字典
data_dict = json.loads(str_json)

# 取到河南省数据
city_data_list = data_dict[\'areaTree\'][0][\'children\'][3][\'children\']

# 组装每个市和确诊人数为元组，并封装到列表内
data_list = []
for city_data in city_data_list:
    city_name = city_data[\'name\'] + \"市\"
    city_total_confirm = city_data[\'total\'][\'confirm\']
    data_list.append((city_name, city_total_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add(\"各市确诊总人数\", data_list, \"河南\")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(\'河南省疫情地图\', pos_left=\'center\', pos_bottom=\'1%\'),
    legend_opts=LegendOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {\"min\": 1, \"max\": 9, \"label\": \"1~9人\", \"color\": \"#CCFFFF\"},
            {\"min\": 10, \"max\": 99, \"label\": \"10~99人\", \"color\": \"#FFFF99\"},
            {\"min\": 100, \"max\": 499, \"label\": \"100~499人\", \"color\": \"#FF9966\"},
            {\"min\": 500, \"max\": 999, \"label\": \"500~999人\", \"color\": \"#FF6666\"},
            {\"min\": 1000, \"max\": 9999, \"label\": \"1000~9999人\", \"color\": \"#CC3333\"},
            {\"min\": 10000, \"label\": \"10000人以上\", \"color\": \"#990033\"}
        ]
    )
)

# 绘图
map.render()

Python pyecharts 数据可视化模块的配置方法

6. 基础柱状图构建

6.1 基本使用流程

1.导包，导入 Bar 功能获取地图对象

from pyecharts.charts import Bar
from pyecharts.options import *

2.获取地图对象

bar = Bar()

3.添加 x 和 y 轴数据

# 添加 x 轴数据
bar.add_xaxis([\"中国\", \"英国\", \"美国\"])
# 添加 y 轴数据
bar.add_yaxis(\"GDP\", [30, 20, 10])

4.添加全局配置

bar.set_global_opts(
    title_opts=TitleOpts(\"基础柱状图\", pos_left=\'center\', pos_bottom=\'1%\')
)

5.生成地图

bar.render()

Python pyecharts 数据可视化模块的配置方法

6.反转 xy 轴

bar.reversal_axis()

Python pyecharts 数据可视化模块的配置方法

7.将数值标签添设置到右侧

bar.add_yaxis(\"GDP\", [30, 20, 10], label_opts=LabelOpts(position=\'right\'))

Python pyecharts 数据可视化模块的配置方法

6.2 基础时间线柱状图

柱状图描述的是分类数据，但很难动态的描述一个趋势性的数据，为此 pyecharts 中提供了一种解决方案时间线。

如果说一个 Bar、Line 对象是一张图表的话，时间线就是创建一个一维的 x 轴，轴上的每一个点就是一个图表对象。

创建时间线的基础流程：

1.导包，导入时间线 Timeline

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

2.准备好图表对象并添加好数据

bar1 = Bar()
bar1.add_xaxis([\"中国\", \"英国\", \"美国\"])
bar1.add_yaxis(\"GDP\", [30, 20, 10], label_opts=LabelOpts(position=\'right\'))
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis([\"中国\", \"英国\", \"美国\"])
bar2.add_yaxis(\"GDP\", [50, 20, 30], label_opts=LabelOpts(position=\'right\'))
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis([\"中国\", \"英国\", \"美国\"])
bar3.add_yaxis(\"GDP\", [60, 30, 40], label_opts=LabelOpts(position=\'right\'))
bar3.reversal_axis()

3.创建时间线对象 Timeline

timeline = Timeline()

4.将图表添加到 Timeline 对象中

# 添加图表到时间线中（图表对象，点名称）
timeline.add(bar1, \"2020年GDP\")
timeline.add(bar2, \"2021年GDP\")
timeline.add(bar3, \"2022年GDP\")

5.通过时间线绘图

timeline.render()

Python pyecharts 数据可视化模块的配置方法

6.设置自动播放

timeline.add_schema(
    play_interval=1000,      # 自动播放的时间间隔，单位毫秒
    is_timeline_show=True,  # 是否显示自动播放的时候，显示时间线（默认 True）
    is_auto_play=True,       # 是否在自动播放（默认 False）
    is_loop_play=True        # 是否循环自动播放（默认 True）
)

7.设置时间线主题

# 导入 ThemeType
from pyecharts.globals import ThemeType

# 创建时间线对象时，设置主题参数
timeline = Timeline({\"theme\": ThemeType.DARK})

Python pyecharts 数据可视化模块的配置方法

主题参数如下：

Python pyecharts 数据可视化模块的配置方法

6.3 实现动态 GDP 柱状图

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

# 读取数据
f = open(\"E:\\\\动态柱状图数据\\\\1960-2019全球GDP数据.csv\", \'r\', encoding=\'GB2312\')
data_lines = f.readlines()

# 关闭文件
f.close()

# 删除第一条数据
data_lines.pop(0)

# 将数据转化为字典才能出，格式为 {年份1: [[国家1, GDP], [国家2, GDP]], 年份2: [国家, GDP], ...}
data_dict = 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，通过 float 强制转换可以把带有科学计数法的数字转换为普通数字

    try:  # 如果 key 不存在，则会抛出异常 KeyError
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = [[country, gdp]]

# 排序年份（字典对象的 key 可能是无序的）
sorted_year_list = sorted(data_dict.keys())

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

# 组装数据到 Bar 对象中，并添加到 timeline 中
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1], reverse=True)
    # 该年份GDP前八的国家
    year_data = data_dict[year][:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])
        y_data.append(country_gdp[1] / 100000000)
    # 创建柱状图
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    # 添加 x y 轴数据
    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()
    # 设置每一年的图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(f\"{year}年GDP全球前8国家\", pos_left=\'5%\')
    )
    # 将 bar 对象添加到 timeline 中
    timeline.add(bar, year)

# 设置自动播放参数
timeline.add_schema(
    play_interval=1000,      # 自动播放的时间间隔，单位毫秒
    is_timeline_show=True,   # 是否显示自动播放的时候，显示时间线（默认 True）
    is_auto_play=True,       # 是否在自动播放（默认 False）
    is_loop_play=True        # 是否循环自动播放（默认 True）
)

# 通过时间线绘图
timeline.render(\"1960~2019全球GDP前8国家.html\")

Python pyecharts 数据可视化模块的配置方法

© 版权声明
版权声明 1 本网站名称：偶像资源网
2 本站永久网址：https://www.ox520.com
3 本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长 QQ593098775进行删除处理。
4 本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5 本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6 本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。
THE END
Python
# 编程开发# python
喜欢就支持一下吧
点赞7 分享
网络的头像-偶像资源网
python多维列表总是只转为一维数组问题解决-偶像资源网
python多维列表总是只转为一维数组问题解决
python多维列表总是只转为一维数组问题解决
23天前 41
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checked-偶像资源网
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checked
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checke...
26天前 4
jQuery实现滚动效果-偶像资源网
jQuery实现滚动效果
jQuery实现滚动效果
23天前 3
css文本两端对齐的实现代码-偶像资源网
css文本两端对齐的实现代码
css文本两端对齐的实现代码
26天前 2
PHP队列原理及基于队列的写文件案例-偶像资源网
PHP队列原理及基于队列的写文件案例
PHP队列原理及基于队列的写文件案例
23天前 2
Node 代理访问的实现-偶像资源网
Node 代理访问的实现
Node 代理访问的实现
23天前 1
相关推荐
python多维列表总是只转为一维数组问题解决-偶像资源网
python多维列表总是只转为一维数组问题解决
python多维列表总是只转为一维数组问题解决
23天前 41
Python pyecharts 数据可视化模块的配置方法-偶像资源网
Python pyecharts 数据可视化模块的配置方法
Python pyecharts 数据可视化模块的配置方法
23天前 28
吊打全网所有精美导航页引导页HTML源码-偶像资源网
吊打全网所有精美导航页引导页HTML源码
吊打全网所有精美导航页引导页HTML源码
26天前 24
css的基本选择器有哪些？-偶像资源网
css的基本选择器有哪些？
css的基本选择器有哪些？
27天前 23
5.9K⭐ 轻松搞定定时任务！Web管理超便捷-偶像资源网
5.9K⭐ 轻松搞定定时任务！Web管理超便捷
5.9K⭐ 轻松搞定定时任务！Web管理超便捷
26天前 23
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checked-偶像资源网
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checked
CSS 点击radio实现两个图片样式切换并且多个radio中只能有一个checked
26天前 4
评论 抢沙发

请登录后发表评论

    暂无评论内容