1. Toy模板网首页
  2. > Toy博客

【Python】pyecharts 数据可视化模块

9月前 作者：吞吞吐吐大魔王 分类：Toy博客 阅读(44) 违法举报

这篇具有很好参考价值的文章主要介绍了【Python】pyecharts 数据可视化模块。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

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

【Python】pyecharts 数据可视化模块

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

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

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

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

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

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

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

  6. 反转 xy 轴

    bar.reversal_axis()

    【Python】pyecharts 数据可视化模块

  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

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

  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

    主题参数如下：【Python】pyecharts 数据可视化模块

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 数据可视化模块文章来源地址https://www.toymoban.com/news/detail-471026.html

到了这里，关于【Python】pyecharts 数据可视化模块的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

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： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • 84 | Python可视化篇 —— Pyecharts数据可视化

    2024年02月14日
    浏览(53)
  • Python数据可视化工具——Pyecharts

    Python数据可视化工具——Pyecharts

    Pyecharts是一款将python与echarts结合的强大的数据可视化工具 Pyecharts是一个用于生成echarts图表的类库。echarts是百度开源的一个数据可视化JS库，主要用于数据可视化。Pyecharts是Echarts与Python的结合 官网：https://pyecharts.org/#/zh-cn/intro 使用Pyecharts绘图时，建议直接从官网将相关demo复

    2024年02月15日
    浏览(39)
  • 基于Python的疫情数据可视化（matplotlib，pyecharts动态地图，大屏可视化）

    基于Python的疫情数据可视化（matplotlib，pyecharts动态地图，大屏可视化）

    有任何学习问题可以加我微信交流哦！bmt1014 1、项目需求分析 1.1背景 2020年，新冠肺炎疫情在全球范围内爆发，给人们的健康和生命带来了严重威胁，不同国家和地区的疫情形势也引起了广泛的关注。疫情数据的监测和分析对疫情防控和科学防治至关重要。本报告以疫情数据

    2024年02月05日
    浏览(55)

  • 数据可视化|Python之Pyecharts将“爬虫数据”绘制饼状图

    前言 本文是该专栏的第40篇，后面会持续分享python数据分析的干货知识，记得关注。 在项目中，可能有些同学或多或少遇见这样的需求。将爬虫采集下来的数据，进行图像可视化处理，方便其他业务线进行数据分析处理。 而本文，笔者将以某个 爬虫案例 的采集数据为例子，

    2024年01月18日
    浏览(47)
  • 【数据可视化】Python通过Pyecharts库绘制geo类地图

    【数据可视化】Python通过Pyecharts库绘制geo类地图

    我们知道，在数据可视化中的地图可视化分为map类地图和geo类地图，而现在我将介绍geo类地图，会对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着我来一起学习学习吧！（由于我是一位初学者，若有不对的还望大家多多指教，蟹蟹~） 中文官方文档和

    2024年02月04日
    浏览(62)

  • Python 数据可视化教程 - 如何使用 pyecharts 绘制多条折线图表

    部分数据来源： ChatGPT   引言         本文主要介绍如何使用 Python 中的 pyecharts 库，绘制多条折线图表。在本例中，我们将展示各国的 COVID-19 确诊人数数据。 1、首先，我们需要导入必要的库： 其中， json  库用于解析 JSON 数据， pyecharts  库用于绘图， TitleOpts 、 Lege

    2024年02月09日
    浏览(53)
  • 【11个适合毕设的Python可视化大屏】用pyecharts开发拖拽式可视化数据大屏

    【11个适合毕设的Python可视化大屏】用pyecharts开发拖拽式可视化数据大屏

    你好，我是@马哥python说，一枚10年程序猿。 以下是我近期用Python开发的原创可视化数据分析大屏，非常适合毕设用，下面逐一展示：（以下是截图，实际上有动态交互效果哦） 以下大屏均为@马哥python说的个人原创，请勿转载。 以上大屏的开发技术流程如下： 1、爬虫采用

    2024年02月03日
    浏览(65)
  • 【Python】Vscode使用pyecharts 3D散点图实现数据可视化

    【Python】Vscode使用pyecharts 3D散点图实现数据可视化

    目录 前言： 一：3D散点图效果图展示： 二.pyecharts是什么？ 三.什么是3D散点图 四.环境准备 1.Vscaode下载扩展包： 2.安装pyechart库 五.3D散点图代码实现 1.导库和导包 2.导入数据（使用的是航空公司数据）  3.剔除年龄缺失值： 4.数据筛选 5.添加参数 6.实现效果图  7.修改参数实

    2024年02月07日
    浏览(49)
  • Python通过pyecharts对爬虫房地产数据进行数据可视化分析（一）

    Python通过pyecharts对爬虫房地产数据进行数据可视化分析（一）

    对Python通过代理使用多线程爬取安居客二手房数据（二）中爬取的房地产数据进行数据分析与可视化展示 我们爬取到的房产数据，主要是武汉二手房的房源信息，主要包括了待售房源的户型、面积、朝向、楼层、建筑年份、小区名称、小区所在的城区-镇-街道、房子被打的标

    2024年02月07日
    浏览(52)
  • Pyecharts数据可视化（三）

    Pyecharts数据可视化（三）

    目录 1.绘制词云图 2.绘制桑基图 3.绘制平行坐标图 4.绘制结点图 5.绘制地图 本文主要介绍了如何利用Pyecharts绘制词云图、桑基图、平行坐标图、节点图和地图，虽然这些图平时不是很常用，但是看起来还是比较好看的，如果放在论文当中，相信可以让论文更上一层楼。 Pyec

    2024年02月10日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包