pyecharts的使用
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
- 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 ...
- 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 ...
- 数据分析——pyecharts
导入类库 from pyecharts import Pie, Bar, Gauge, EffectScatter, WordCloud, Map, Grid, Line, Timeline impo ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 【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 ...
- 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
- 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
- leetcode 561. 数组拆分 I
为了理解这种方法,让我们从不同的角度来看待问题.我们需要形成数组元素的配对,使得这种配对中最小的总和最大.因此,我们可以查看选择配对中最小值的操作,比如 (a,b)(a,b) 可能会产生的最大损失 ...
- C++——二维vector初始化大小方法
初始化二维vector,为r*c的vector,所有值为0.1.直接用初始化方法(刚开始没想到) vector<vector<int> > newOne(r, vector&l ...
- 缓存原理,自己写一个缓存类(c#版)
.net中的MemoryCache是通过内部封装一个静态Dictionary 自己写一个缓存,来看看内部怎么实现的 public class CustomerCache : ICache { priv ...
- vim目录树
使用vim插件:显示树形目录插件NERDTree 安装方法很简单,先把压缩文件下载下来,解压后将plugin目录下的NERD_tree.vim拷贝~/.vim/plugin以及doc目录下的NERD_ ...
- CSP2019许愿贴
CSP2019RP++
- STL map 简介
STL map 简介 转载于:http://www.cnblogs.com/TianFang/archive/2006/12/30/607859.html 1.目录 map简介 map的功能 使用ma ...
- AtCoder Grand Contest 036题解
传送门 爆炸的比较厉害--果然还是菜啊-- \(A\) 我们强制一个点为\((0,0)\),那么设剩下两个点分别为\((a,b),(c,d)\),根据叉积可以计算出面积为\(ad-bc=S\),那么令 ...
- [BJOI2014]想法(随机算法,神奇思路,拓扑排序)
对于这种随机数据或者随机算法的题-- 都是神仙题吧. 要求的就是对每个点前 \(m\) 个点中有多少个可以到达它. 由于评分方式这么奇怪,不妨考虑随机. 随机 127 次(可以选别的数,够多而且不 T ...
- PDMan-2.1.0 正式发布:用心开源,免费的国产数据库建模工具 PowerDesigner
PDMan是一款开源免费的数据库模型建模工具,支持Windows,Mac,Linux等操作系统,是PowerDesigner之外,更好的免费的替代方案.他具有颜值高,使用简单的特点.包含数据库建模,灵 ...
- SpringBoot第二篇:配置文件详解一
作者:追梦1819 原文:https://www.cnblogs.com/yanfei1819/p/10837594.html 版权声明:本文为博主原创文章,转载请附上博文链接! 前言 Sprin ...