折线图1

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

x_data = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
y_data = [820, 932, 901, 934, 1290, 1330, 1320]

(
Line()
.set_global_opts(
# 是否显示工具栏组件
tooltip_opts = opts.TooltipOpts(is_show=True),
# 类目轴,适用于离散的类目数据,为该类型时必须通过 data 设置类目数据。(坐标轴配置项)
xaxis_opts = opts.AxisOpts(type_="category"),
yaxis_opts = opts.AxisOpts(
type_="value",
# 显示坐标轴刻度
axistick_opts=opts.AxisTickOpts(is_show=True),
# 显示分割线
splitline_opts=opts.SplitLineOpts(is_show=True),
) )
.add_xaxis(
xaxis_data = x_data)
.add_yaxis(
series_name="销售额",
y_axis=y_data,
# 标记的图形
symbol="emptyCircle",
# 是否显示symbol
is_symbol_show=True,
# 标签配置项 显示标签
# 值为True时每个点上为对应的数值
label_opts=opts.LabelOpts(is_show=False),
)
.render("basic_line_chart.html")

)

输出结果为:

堆叠区域折线图

from pyecharts.charts import Line
import pyecharts.options as opts
x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
(
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="邮件营销",
# 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置
stack="总量",
y_axis=[120, 132, 101, 134, 90, 230, 210],
# 是否显示标签(标签配置项)
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="联盟广告",
# 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置
stack="总量",
y_axis=[220, 182, 191, 234, 290, 330, 310],
# 是否显示标签(标签配置项)
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="视频广告",
# 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置
stack="总量",
y_axis=[150, 232, 201, 154, 190, 330, 410],
# 是否显示标签(标签配置项)
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="直接访问",
# 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置
stack="总量",
y_axis=[320, 332, 301, 334, 390, 330, 320],
# 是否显示标签(标签配置项)
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="搜索引擎",
# 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置
stack="总量",
y_axis=[820, 932, 901, 934, 1290, 1330, 1320],
# 是否显示标签(标签配置项)
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="折线图堆叠"),
# 坐标轴触发,主要在柱状图,折线图等会使用类目轴的图表中使用(提示框配置项)
tooltip_opts=opts.TooltipOpts(trigger="axis"),
# 坐标轴配置项
yaxis_opts=opts.AxisOpts(
type_="value",
# 显示坐标轴刻度(坐标轴刻度配置项)
axistick_opts=opts.AxisTickOpts(is_show=True),
# 显示分割线(坐标轴分割线配置项)
splitline_opts=opts.SplitLineOpts(is_show=True),
),
# 坐标轴两边留白策略,默认为True
xaxis_opts=opts.AxisOpts(type_="category",boundary_gap=False) )
.render("stacked_line_chart.html")

)

输出结果为:

词云图

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

data = [
("生活资源", ""),
("供热管理", ""),
("供气质量", ""),
("生活用水管理", ""),
("一次供水问题", ""),
("交通运输", ""),
("城市交通", ""),
("环境保护", ""),
("房地产管理", ""),
("城乡建设", ""),
("社会保障与福利", ""),
("社会保障", ""),
("文体与教育管理", ""),
("公共安全", ""),
("公交运输管理", ""),
("出租车运营管理", ""),
("供热管理", ""),
("市容环卫", ""),
("自然资源管理", ""),
("粉尘污染", ""),
("噪声污染", ""),
("土地资源管理", ""),
("物业服务与管理", ""),
("医疗卫生", ""),
("粉煤灰污染", ""),
("占道", ""),
("供热发展", ""),
("农村土地规划管理", ""),
("生活噪音", ""),
("供热单位影响", ""),
("城市供电", ""),
("房屋质量与安全", ""),
("大气污染", ""),
("房屋安全", ""),
("文化活动", ""),
("拆迁管理", ""),
("公共设施", ""),
("供气质量", ""),
("供电管理", ""),
("燃气管理", ""),
("教育管理", ""),
("医疗纠纷", ""),
("执法监督", ""),
]

(
WordCloud()
.add(series_name="热点分析",data_pair=data,shape="diamond",word_size_range=[5,60],rotate_step=45)
.set_global_opts(
# 标题配置项
title_opts=opts.TitleOpts(
title="热点分析",title_textstyle_opts=opts.TextStyleOpts(font_size=40,font_family="Arial")
),
# 提示框组件配置
tooltip_opts = opts.TooltipOpts(is_show=True),
)
# 输出
.render("wordcloud.html")
)

输出结果为:

pyecharts的使用的更多相关文章

  1. Python爬取南京市往年天气预报,使用pyecharts进行分析

    上一次分享了使用matplotlib对爬取的豆瓣书籍排行榜进行分析,但是发现python本身自带的这个绘图分析库还是有一些局限,绘图不够美观等,在网上搜索了一波,发现现在有很多的支持python的绘图 ...

  2. pyecharts使用

    安装 pyecharts 兼容 Python2 和 Python3.目前版本为 0.1.2 pip install pyecharts 入门 首先开始来绘制你的第一个图表 from pyecharts ...

  3. 数据分析——pyecharts

    导入类库 from pyecharts import Pie, Bar, Gauge, EffectScatter, WordCloud, Map, Grid, Line, Timeline impo ...

  4. Python:数据可视化pyecharts的使用

    什么是pyecharts? 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 是一个用于生 ...

  5. Python中的可视化神器:pyecharts

    pyecharts是一款将python与echarts结合的强大的数据可视化工具,本文将为你阐述pyecharts的使用细则 前言 我们都知道python上的一款可视化工具matplotlib,而前些 ...

  6. 数据可视化之pyecharts

    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 是一个用于生成 Echarts 图表的类库.实际上就是 Echarts 与 Python 的对接. 安装 ...

  7. python可视化pyecharts

    python可视化pyecharts 简单介绍 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.用 Echarts 生成的图可视化 ...

  8. 【转】Anaconda下安装pyecharts步骤及常见错误

    本文转载自:https://blog.csdn.net/skj1995/article/details/81187954 (1)之前看了几篇博客,有人说用cmd命令在目录C:\Users\Admini ...

  9. 发现一个强大的可视化第三方库pyecharts

    pyecharts 目前尚在不断的更新中,值得重点研究和学习的图表库

  10. 利用pyecharts做地图数据展示

    首先, pip install pyecharts 为了地图上的数据能显示完全,加载好需要的城市地理坐标数据. pip install echarts-countries-pypkg pip inst ...

随机推荐

  1. Linux性能优化实战学习笔记:第二十四讲

    一.磁盘 1.机械磁盘 2.固态磁盘 3.相同磁盘随机I/O比连续I/O慢很多 4.最小单位 5.接口 6.RAID陈列卡 7.网路存储 二.通用块层 1.概念 2.第一功能 3.第二功能 4.I/O ...

  2. 来吧!一文彻底搞定Vue组件!

    作者 | Jeskson 来源 | 达达前端小酒馆 Vue组件的概述 组件是什么呢,了解组件对象的分析,Vue组件中的data属性,props传递数据的原理到底是什么. 事件通信的那些事 如何了解父子 ...

  3. [LeetCode] 40. Combination Sum II 组合之和之二

    Given a collection of candidate numbers (candidates) and a target number (target), find all unique c ...

  4. [LeetCode] 37. Sudoku Solver 求解数独

    Write a program to solve a Sudoku puzzle by filling the empty cells. A sudoku solution must satisfy  ...

  5. 原生/CM系列网络叹号问题

    网络叹号问题: 原因:某墙屏蔽了谷歌,而原生安卓是利用谷歌的服务器来测试网络是否通畅的 解决方案:修改网络测试的服务器地址 方案来源:https://www.noisyfox.io/android-c ...

  6. 推荐WEB 端批量移动设备管理控制工具STF

    推荐WEB 端批量移动设备管理控制工具STF 1 官方网站 https://openstf.io/ 2 github https://github.com/openstf/stf 后面有时间了,抽空也 ...

  7. ECMAScript 初探 - 对象篇

    一.对象 如果你用过 C++ 或 Java,肯定熟悉类(class).在 ECMAScript 中并没有 "类" 这个词, 其对应的是 "对象定义",不过这太拗 ...

  8. 文件上传之靶场upload-labs (11-20)

    第十一关 strrpos() 函数查找字符串在另一字符串中最后一次出现的位置 substr() 函数返回字符串的一部分 文件保存的方式是上传路径+随机时间+截取的文件后缀 其中上传路径可控,可以利用这 ...

  9. 使用 go modules 包管理工具(一)

    概述 我想实现一个开箱即用的 API 框架的轮子,这个轮子是基于 Gin 基础上开发的. 为什么是开箱即用,它会集成哪些功能? 以上功能点,都是常用的,后期可能还会增加. 废话不多说,咱们开始吧. 创 ...

  10. Linux内核调优部分参数说明

    #接收套接字缓冲区大小的默认值(以字节为单位). net.core.rmem_default = 262144 #接收套接字缓冲区大小的最大值(以字节为单位). net.core.rmem_max = ...