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. SQL-select常用语句

    1.全套装备 select [select选项] 字段列表[字段别名]/* from 数据源[where 条件子句] [group by条件子句] [having 子句] [order by 子句] ...

  2. 【oracle】11g服务器安装详细步骤

    以下是百度经验:https://jingyan.baidu.com/article/363872eccfb9266e4aa16f5d.html 1.同时解压 2.setup 3.

  3. 使用mytop监控mysql

    mytop 是一个不错的实时查看mysql 状态的命令行工具,使用简单 安装 yum install -y mytop 环境准备 docker-compose 创建服务 version: " ...

  4. docker--(MAC ubuntu centos)安装

    MacOS 安装 1.homebrew安装(需要mac密码) brew cask install docker 2.手动下载安装 如果需要手动下载,请点击以下链接下载 Stable 或 Edge 版本 ...

  5. KMP——从入门到不会打题

    KMP——从入门到不会打题 前言 如果你不了解哈希,建议先观看本蒟蒻的另一篇博客,对哈希有一定的理解   哈希大法吼 KMP算法,别名烤馍片或者看毛片,由烤馍片男子天团三位神犇同时发现的一种强大的单模 ...

  6. 分布式共识算法 (二) Paxos算法

    系列目录 分布式共识算法 (一) 背景 分布式共识算法 (二) Paxos算法 分布式共识算法 (三) Raft算法 分布式共识算法 (四) BTF算法 一.背景 1.1 命名 Paxos,最早是Le ...

  7. gulp的初阶使用方法(转)

    安装好gulp之后接下来就是使用了,此文主要介绍一些前端开发时常用的一些插件及其用法 http://www.imooc.com/article/tag/26/hot/12插件安装 安装本地服务器插件: ...

  8. SpringBoot第四篇:整合JDBCTemplate

    作者:追梦1819 原文:https://www.cnblogs.com/yanfei1819/p/10868954.html 版权声明:本文为博主原创文章,转载请附上博文链接! 引言   前面几篇文 ...

  9. kubernetes使用阿里云cpfs持久存储

    目录 简介 安装cpfs客户端 kubernetes使用cfs作为持久存储 简介 cpfs的具体介绍可参考这里: https://help.aliyun.com/document_detail/111 ...

  10. 全链路追踪技术选型:pinpoint vs skywalking

    目前分布式链路追踪系统基本都是根据谷歌的<Dapper大规模分布式系统的跟踪系统>这篇论文发展而来,主流的有zipkin,pinpoint,skywalking,cat,jaeger等. ...