1. Toy模板网首页
  2. > Toy博客

pyecharts绘制各种数据可视化图表案例（效果+代码）

7月前 作者："wink 分类：Toy博客 阅读(32) 违法举报

这篇具有很好参考价值的文章主要介绍了pyecharts绘制各种数据可视化图表案例（效果+代码）。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绘制饼图（显示百分比）

# 导入模块
from pyecharts import options as opts
from pyecharts.charts import Pie
#准备数据
label=['Mac口红','Tom Ford口红','圣罗兰','纪梵希','花西子','迪奥','阿玛尼','香奈儿']  
values = [300,300,300,300,44,300,300,300]
# 自定义函数
def pie_base():
    c = (
        Pie()
        .add("",[list(z) for z in zip(label,values)])
        .set_global_opts(title_opts = opts.TitleOpts(title="口红品牌分析"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c} {d}%"))   # 值得一提的是，{d}%为百分比
    )
    return c
# 调用自定义函数生成render.html
pie_base().render()

pyecharts绘制各种数据可视化图表案例（效果+代码）

2、pyecharts绘制柱状图

#导入模块
from pyecharts.globals import ThemeType
from pyecharts import options as opts
from pyecharts.charts import Bar
#准备数据
l1=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
l2=[100,200,300,400,500,400,300]
bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(l1)
    .add_yaxis("柱状图标签", l2)
    .set_global_opts(title_opts=opts.TitleOpts(title="柱状图-基本示例", subtitle="副标题"))
)
# 生成render.html
bar.render()

pyecharts绘制各种数据可视化图表案例（效果+代码）

3、pyecharts绘制折线图

#导入模块
import pyecharts.options as opts
from pyecharts.charts import Line
#准备数据
x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
y1=[100,200,300,400,100,400,300]
y2=[200,300,200,100,200,300,400]
line=(
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name="y1线",y_axis=y1,symbol="arrow",is_symbol_show=True)
    .add_yaxis(series_name="y2线",y_axis=y2)
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-双折线图"))
)
#生成render.html
line.render()

pyecharts绘制各种数据可视化图表案例（效果+代码）

4、pyecharts绘制柱形折线组合图

from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line

#x轴的值为列表,包含每个月份
x_data = ["{}月".format(i) for i in range(1, 13)]
bar = (
    Bar()
    .add_xaxis(x_data)
#第一个y轴的值、标签、颜色
    .add_yaxis(
        "降雨量",           
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 68.6, 22.0, 6.6, 4.3],
        yaxis_index=0,
        color="#5793f3", 
    )

# #第二个y轴的值、标签、颜色
#     .add_yaxis(
#         "蒸发量",
#         [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
#         yaxis_index=1,
#         color="#5793f3",
#     )

#右纵坐标
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="降雨量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
#左纵坐标
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降雨量",    
            min_=0,
            max_=250,
            position="right",
            offset=0,    
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="Grid-多 Y 轴示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
)

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

bar.overlap(line)
grid = Grid()
grid.add(bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True)
grid.render()

pyecharts绘制各种数据可视化图表案例（效果+代码）

5、pyecharts绘制散点图

# 导入模块
from pyecharts import  options as opts
from pyecharts.charts import Scatter
 
# 设置销售数据
week = ["周一","周二","周三","周四","周五","周六","周日"]
c =Scatter()     # 散点图绘制
c.add_xaxis(week)
c.add_yaxis("商家A",[80,65,46,37,57,68,90])
 
c.set_global_opts(title_opts=opts.TitleOpts(title="一周的销售额（万元）"))    # 设置图表标题
c.render()

pyecharts绘制各种数据可视化图表案例（效果+代码）

6、pyecharts绘制玫瑰图

from pyecharts import options as opts
from pyecharts.charts import Pie
 
label=['Mac口红','Tom Ford口红','圣罗兰','纪梵希','花西子']  
values = [100,200,250,350,400]
c = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(label,values)],
        radius=["30%", "75%"],
        center=["50%", "50%"],
        rosetype="radius",
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="标题"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c} {d}%"))   # 值得一提的是，{d}%为百分比
    .render("玫瑰图.html")
)

pyecharts绘制各种数据可视化图表案例（效果+代码）

7、pyecharts绘制词云图

# 导入WordCloud及配置模块
from pyecharts import options as opts
from pyecharts.charts import WordCloud
from pyecharts.globals import SymbolType
 
# 添加词频数据
words = [
    ("Sam S Club", 10000),
    ("Macys", 6181),
    ("Amy Schumer", 4386),
    ("Jurassic World", 4055),
    ("Charter Communications", 2467),
    ("Chick Fil A", 2244),
    ("Planet Fitness", 1868),
    ("Pitch Perfect", 1484),
    ("Express", 1112),
    ("Home", 865),
    ("Johnny Depp", 847),
    ("Lena Dunham", 582),
    ("Lewis Hamilton", 555),
    ("KXAN", 550),
    ("Mary Ellen Mark", 462),
    ("Farrah Abraham", 366),
    ("Rita Ora", 360),
    ("Serena Williams", 282),
    ("NCAA baseball tournament", 273),
    ("Point Break", 265),
]
 
# WordCloud模块，链式调用配置，最终生成html文件
c = (
    WordCloud()
    .add("", words, word_size_range=[20, 100], shape=SymbolType.DIAMOND)
    .set_global_opts(title_opts=opts.TitleOpts(title="词云图"))
    .render("wordcloud_diamond.html")
)

pyecharts绘制各种数据可视化图表案例（效果+代码）

8、pyecharts绘制雷达图

from pyecharts import options as opts
from pyecharts.charts import Radar

v1 = [[8.5,50000,15000,8000,13000,5000]]
v2 = [[8.1,42000,13000,7000,15000,7000]]

def radar_base() ->Radar:
    c = (
        Radar()
        .add_schema(
            schema=[
                opts.RadarIndicatorItem(name='KDA',max_=10),
                opts.RadarIndicatorItem(name='输出', max_=60000),
                opts.RadarIndicatorItem(name='经济', max_=20000),
                opts.RadarIndicatorItem(name='生存', max_=10000),
                opts.RadarIndicatorItem(name='推进', max_=20000),
                opts.RadarIndicatorItem(name='刷野', max_=10000),
            ]
        )
        .add(
            '射手',v1,
            color='blue',
            #通过颜色属性 将其填充
            areastyle_opts=opts.AreaStyleOpts(
                opacity=0.5,
                color='blue'
            ),
        )
        .add(
            '法师',v2,
            color='red',
            areastyle_opts=opts.AreaStyleOpts(
                opacity=0.5,
                color='red'
            ),
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(title_opts=opts.TitleOpts(title='英雄成长属性对比'))
    )

    return c

radar_base().render("雷达图.html")

pyecharts绘制各种数据可视化图表案例（效果+代码）

9、pyecharts绘制散点图

from pyecharts import options as opts
from pyecharts.charts import Scatter
from pyecharts.commons.utils import JsCode
from pyecharts.faker import Faker

c = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        "商家A",
        [list(z) for z in zip(Faker.values(), Faker.choose())],
        label_opts=opts.LabelOpts(
            formatter=JsCode(
                "function(params){return params.value[1] +' : '+ params.value[2];}"
            )
        ),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter散点图-多维度数据"),
        tooltip_opts=opts.TooltipOpts(
            formatter=JsCode(
                "function (params) {return params.name + ' : ' + params.value[2];}"
            )
        ),
        visualmap_opts=opts.VisualMapOpts(
            type_="color", max_=150, min_=20, dimension=1
        ),
    )
    .render("散点图.html")
)

pyecharts绘制各种数据可视化图表案例（效果+代码）

10、pyecharts绘制嵌套饼图

import pyecharts.options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType

list1  = [300,55,400,110]
attr1 = ["学习", "运动","休息", "娱乐"]
list2  = [40,160,45,35,80,400,35,60]
attr2 = ["阅读", "上课", "运动", "讨论", "编程", "睡觉","听音乐", "玩手机"]

inner_data_pair = [list(z) for z in zip(attr1, list1)]
outer_data_pair = [list(z) for z in zip(attr2, list2)]
(
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add(
        series_name="时长占比",
        data_pair=inner_data_pair,
        radius=[0, "30%"],
        label_opts=opts.LabelOpts(position="inner"),
    )
    .add(
        series_name="时长占比",
        radius=["40%", "55%"],
        data_pair=outer_data_pair,
        label_opts=opts.LabelOpts(
            position="outside",
            formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",
            background_color="#eee",
            border_color="#aaa",
            border_width=1,
            border_radius=4,
            rich={
                "a": {"color": "#999", "lineHeight": 22, "align": "center"},
                "abg": {
                    "backgroundColor": "#e3e3e3",
                    "width": "100%",
                    "align": "right",
                    "height": 22,
                    "borderRadius": [4, 4, 0, 0],
                },
                "hr": {
                    "borderColor": "#aaa",
                    "width": "100%",
                    "borderWidth": 0.5,
                    "height": 0,
                },
                "b": {"fontSize": 16, "lineHeight": 33},
                "per": {
                    "color": "#eee",
                    "backgroundColor": "#334455",
                    "padding": [2, 4],
                    "borderRadius": 2,
                },
            },
        ),
    )
    .set_global_opts(legend_opts=opts.LegendOpts(pos_left="left", orient="vertical"))
    .set_series_opts(
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
        )
    )
    .render("嵌套饼图.html")
)

pyecharts绘制各种数据可视化图表案例（效果+代码）

11、pyecharts绘制中国地图

#导入模块
from pyecharts import options as opts
from pyecharts.charts import Map
import random

# 设置商家A所存在的相关省份，并设置初始数量为0
ultraman = [
['四川', 0],
['台湾', 0],
['新疆', 0],
['江西', 0],
['河南', 0],
['辽宁', 0],
['青海', 0],
['福建', 0],
['西藏', 0]
]

# 设置商家B存在的相关省份，并设置初始数量为0
monster = [
['广东', 0],
['北京', 0],
['上海', 0],
['台湾', 0],
['湖南', 0],
['浙江', 0],
['甘肃', 0],
['黑龙江', 0],
['江苏', 0]
]

def data_filling(array):
    ''' 
     作用：给数组数据填充随机数
    '''
    for i in array:
        # 随机生成1到1000的随机数
        i[1] = random.randint(1,1000)

data_filling(ultraman)
data_filling(monster)

def create_china_map():
    (
        Map()
        .add(
            series_name="商家A", 
            data_pair=ultraman, 
            maptype="china", 
            # 是否默认选中，默认为True
            is_selected=True,
            # 是否启用鼠标滚轮缩放和拖动平移，默认为True
            is_roam=True,
            # 是否显示图形标记，默认为True
            is_map_symbol_show=False,
            # 图元样式配置
            itemstyle_opts={
                # 常规显示
                "normal": {"areaColor": "white", "borderColor": "red"},
                # 强调颜色
                "emphasis": {"areaColor": "pink"}
            }
        )
        .add(
            series_name="商家B", 
            data_pair=monster, 
            maptype="china", 
        )
        # 全局配置项
        .set_global_opts(
            # 设置标题
            title_opts=opts.TitleOpts(title="中国地图"),
            # 设置标准显示
            visualmap_opts=opts.VisualMapOpts(max_=1000, is_piecewise=False)
        )
        # 系列配置项
        .set_series_opts(
            # 标签名称显示，默认为True
            label_opts=opts.LabelOpts(is_show=True, color="blue")
        )
        # 生成本地html文件
        .render("中国地图.html")
    )
    #调用自定义函数
create_china_map()

pyecharts绘制各种数据可视化图表案例（效果+代码）

12、pyecharts绘制世界地图

from pyecharts import options as opts
from pyecharts.charts import Map
import random

# 设置商家A所存在的相关国家，并设置初始数量为0
ultraman = [
['Russia', 0],
['China', 0],
['United States', 0],
['Australia', 0]
]

# 设置商家B存在的相关国家，并设置初始数量为0
monster = [
['India', 0],
['Canada', 0],
['France', 0],
['Brazil', 0]
]

def data_filling(array):
    for i in array:
        # 随机生成1到1000的随机数
        i[1] = random.randint(1,1000)
        print(i)
        
data_filling(ultraman)
data_filling(monster)

def create_world_map():
    ''' 
     作用：生成世界地图
    '''
    (   # 大小设置
        Map()
        .add(
            series_name="商家A", 
            data_pair=ultraman, 
            maptype="world", 
        )
        .add(
            series_name="商家B", 
            data_pair=monster, 
            maptype="world", 
        )
        # 全局配置项
        .set_global_opts(
            # 设置标题
            title_opts=opts.TitleOpts(title="世界地图"),
            # 设置标准显示
            visualmap_opts=opts.VisualMapOpts(max_=1000, is_piecewise=False),
        )
        # 系列配置项
        .set_series_opts(
            # 标签名称显示，默认为True
            label_opts=opts.LabelOpts(is_show=False, color="blue")
        )
        # 生成本地html文件
        .render("世界地图.html")
    )

create_world_map()

pyecharts绘制各种数据可视化图表案例（效果+代码）文章来源地址https://www.toymoban.com/news/detail-492959.html

到了这里，关于pyecharts绘制各种数据可视化图表案例（效果+代码）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

  • 【数据分析与可视化】pyecharts可视化图表讲解及实战（超详细 附源码）

    【数据分析与可视化】pyecharts可视化图表讲解及实战（超详细 附源码）

    需要源码请点赞关注收藏后评论区留言私信~~~ pyecharts是基于Echart图表的一个类库，而Echart是百度开源的一个可视化JavaScript库 pyecharts主要基于web浏览器进行显示，绘制的图形比较多，包括折线图、柱状图、饼图、漏斗图、地图、极坐标图等，代码量很少，而且很灵活，绘制出

    2024年02月01日
    浏览(37)
  • 《PySpark大数据分析实战》-27.数据可视化图表Pyecharts介绍

    《PySpark大数据分析实战》-27.数据可视化图表Pyecharts介绍

    📋 博主简介 💖 作者简介：大家好，我是wux_labs。😜 热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。 通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。 通过了微软Azure开发人员、Azure数据工程师、Azure解决

    2024年01月24日
    浏览(39)
  • b站爬虫大作业（大二）--（利用selenium模块爬取数据、利用pyecharts模块制作可视化图表）（bilibili数据可视化）

    b站爬虫大作业（大二）--（利用selenium模块爬取数据、利用pyecharts模块制作可视化图表）（bilibili数据可视化）

    一、爬取前期准备工作 二、爬取目标 三、爬取过程（重点） 四、生成可视化图表 1.安装selenium模块及其相关驱动 安装selenium模块（以PyCharm为例） 方法一：打开PyCharm，依次点击 “文件”---“设置”---“python解释器”---选择适合的环境(环境可以自己新建，也可以使用基础环境

    2024年02月22日
    浏览(33)

  • 数据可视化：图表绘制详解

    数据可视化是一种将抽象的数字和数据转化为直观图形的技术，使数据的模式、趋势和关系一目了然。本文将详细介绍如何绘制各种类型的图表，包括柱状图、折线图、饼图、散点图和热力图等。 第一部分：图表类型和选择 1. 柱状图 柱状图是用于比较类别数据的常见图表。

    2024年02月12日
    浏览(51)
  • 数据可视化（七）常用图表的绘制

    数据可视化（七）常用图表的绘制

    1. 2.   3.   4.              

    2024年02月14日
    浏览(38)

  • 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(35)
  • 【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(51)
  • 第五章. 可视化数据分析图表—常用图表的绘制4—箱形图，3D图表

    第五章. 可视化数据分析图表—常用图表的绘制4—箱形图，3D图表

    第五章. 可视化数据分析图 本节主要介绍常用图表的绘制，主要包括箱形图，3D柱形图，3D曲面图。 ·箱形图又称箱线图、盒须图或盒式图 ·用于显示一组数据分散情况的统计图 ·优点：不受异常值的影响，可以以一种相对稳定的方式描述数据的离散分布情况，也常用于异常值

    2024年02月03日
    浏览(44)
  • Streamlit 讲解专栏（十一）：数据可视化-图表绘制详解（中）

    Streamlit 讲解专栏（十一）：数据可视化-图表绘制详解（中）

    在上一篇博文《 Streamlit 讲解专栏（十）：数据可视化-图表绘制详解（上）》中，我们学习了一些关于数据可视化的基础知识，探索了Streamlit库中的几个常见图表绘制函数，包括st.line_chart、st.area_chart、st.bar_chart和st.pyplot。通过这些函数，我们可以轻松地绘制不同类型的图表

    2024年02月10日
    浏览(36)
  • Streamlit 讲解专栏（十二）：数据可视化-图表绘制详解（下）

    Streamlit 讲解专栏（十二）：数据可视化-图表绘制详解（下）

    数据可视化在数据分析和数据科学领域中扮演着至关重要的角色。通过可视化数据，我们能够更好地理解其背后的模式和趋势，从而作出准确的决策和预测。然而，要将原始数据转化为有意义的图表并不容易。这就是为什么我们需要强大而灵活的工具来帮助我们实现这一目标

    2024年02月09日
    浏览(29)

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