Pyecharts基本图:仪表盘

100天精通Python(可视化篇)——第101天:Pyecharts绘制多种炫酷仪表盘图参数说明+代码实战 一、仪表盘图介绍 1. 仪表盘图是什么? 2. 仪表盘图应用场景 二、仪表盘图类配置选项 1. 导包 2. add函数 3. 仪表盘标题配置 4. 仪表盘数据内容配置 5. 仪表盘进度条配置 6. 仪表盘指针指针配置 7. 仪表盘标记点配置 三、仪表盘图实战 1. 基础仪表盘图 2. 改变轮盘内的字体 3. 修改仪表盘不同区间颜色 4. 修改仪表盘刻度分割段数 5. 修改仪表盘半径大小 阅读详情

Pyecharts基本图:仪表盘



前言

本文主要是展示Pyecharts基本图的仪表盘Gauge的基本用法和例子。


一. Gauge:仪表盘

1.1 Gauge类

# class pyecharts.charts.Gauge

class Gauge(
    # 初始化配置项,参考 `global_options.InitOpts`
    init_opts: opts.InitOpts = opts.InitOpts()
)

1.2 add函数

def add(
    # 系列名称,用于 tooltip 的显示,legend 的图例筛选。
    series_name: str,

    # 系列数据项,格式为 [(key1, value1), (key2, value2)]
    data_pair: Sequence,

    # 是否选中图例
    is_selected: bool = True,

    # 最小的数据值
    min_: Numeric = 0,

    # 最大的数据值
    max_: Numeric = 100,

    # 仪表盘平均分割段数
    split_number: Numeric = 10,

    # 仪表盘半径,可以是相对于容器高宽中较小的一项的一半的百分比,也可以是绝对的数值。
    radius: types.Union[types.Numeric, str] = "75%",

    # 仪表盘起始角度。圆心 正右手侧为0度,正上方为 90 度,正左手侧为 180 度。
    start_angle: Numeric = 225,

    # 仪表盘结束角度。
    end_angle: Numeric = -45,

    # 仪表盘刻度是否是顺时针增长。
    is_clock_wise: bool = True,

    # 轮盘内标题文本项标签配置项,参考 `chart_options.GaugeTitleOpts`
    title_label_opts: types.GaugeTitle = opts.GaugeTitleOpts(),

    # 轮盘内数据项标签配置项,参考 `chart_options.GaugeDetailOpts`
    detail_label_opts: types.GaugeDetail = opts.GaugeDetailOpts(formatter="{value}%"),

    # 仪表盘指针配置项目,参考 `chart_options.GaugePointerOpts`
    pointer: types.GaugePointer = opts.GaugePointerOpts(),

    # 提示框组件配置项,参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 图元样式配置项,参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

这里主要是用到:名称,数据,最值,仪表盘平均分割段数,顺/逆时针,配置项(越前面越主要,越后面,越精细)。

1.3 仪表盘数据标题配置项

# GaugeTitleOpts
class GaugeTitleOpts(
)

1.4 仪表盘数据内容配置项

# 仪表盘数据内容的详细配置项设定
class GaugeDetailOpts(
    # 是否显示详情。
    is_show: bool = True,

    # 文字块背景色。
    # 可以是直接的颜色值,例如:'#123234', 'red', 'rgba(0,23,11,0.3)'。
    background_color: str = "transparent",

    # 文字块边框宽度。
    border_width: Numeric = 0,

    # 文字块边框颜色。
    border_color: str = "transparent",

    # 相对于仪表盘中心的偏移位置,数组第一项是水平方向的偏移,第二项是垂直方向的偏移。
    # 可以是绝对的数值,也可以是相对于仪表盘半径的百分比。
    offset_center: Sequence = [0, "-40%"],

    # 格式化函数或者字符串
    formatter: Optional[JSFunc] = None,

    # 文字的颜色。
    color: str = "auto",

    # 文字字体的风格。可选:'normal','italic','oblique'
    font_style: str = "normal",

    # 文字字体的粗细。可选:'normal','bold','bolder', 'lighter', 100 | 200 | 300 | 400...
    font_weight: str = "normal",

    # 文字的字体系列。还可以是 'serif' , 'monospace', 'Arial', 'Courier New', 'Microsoft YaHei', ...
    font_family: str = "sans-serif",

    # 文字的字体大小
    font_size: Numeric = 15,

    # 文字块的圆角。
    border_radius: Numeric = 0,

    # 文字块的内边距。例如:
    # padding: [3, 4, 5, 6]:表示 [上, 右, 下, 左] 的边距。
    # padding: 4:表示 padding: [4, 4, 4, 4]。
    # padding: [3, 4]:表示 padding: [3, 4, 3, 4]。
    # 注意,文字块的 width 和 height 指定的是内容高宽,不包含 padding。
    padding: Numeric = 0,

    # 文字块的背景阴影颜色。
    shadow_color: Optional[str] = "transparent",

    # 文字块的背景阴影长度。
    shadow_blur: Optional[Numeric] = 0,

    # 文字块的背景阴影 X 偏移。
    shadow_offset_x: Numeric = 0,

    # 文字块的背景阴影 Y 偏移。
    shadow_offset_y: Numeric = 0,
)

1.5 仪表盘指针配置项

# GaugePointerOpts  指针配置内容
class GaugePointerOpts(
    # 是否显示指针。
    is_show: bool = True,

    # 指针长度,可以是绝对数值,也可以是相对于半径的半分比。
    length: Union[str, Numeric] = "80%",

    # 指针宽度。
    width: Numeric = 8,
)

二. 案例

2.1 仪表盘

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

(
    Gauge(init_opts=opts.InitOpts(width="1600px", height="800px"))  # 设定大小
    .add(series_name="业务指标", data_pair=[["完成率", 55.5]])  # 显示
    .set_global_opts(
        legend_opts=opts.LegendOpts(is_show=False),  # 是否显示说明
        tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} <br/>{b} : {c}%"),  # 提示框设定
    )
    .render("gauge.html")
)

Gauge

2.2 基本图

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

c = (
    Gauge()
    .add("", [("完成率", 66.6)])
    .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"))
    .render("gauge_base.html")
)

基本示例

2.3 不同颜色

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

c = (
    Gauge()
    .add(
        "业务指标",
        [("完成率", 55.5)],
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(
                color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30
            )
        ),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Gauge-不同颜色"),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    .render("gauge_color.html")
)

不同颜色

2.4 标题设定

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

c = (
    Gauge()
    .add(
        "",
        [("完成率", 66.6)],
        title_label_opts=opts.LabelOpts( # 标题设定“字体大小,颜色,字体”
            font_size=40, color="blue", font_family="Microsoft YaHei"
        ),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-改变轮盘内的字体"))
    .render("gauge_label_title_setting.html")
)

改变轮盘内的字体

2.5 改变颜色

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

(
    Gauge(init_opts=opts.InitOpts(width="1600px", height="800px"))
    .add(series_name="业务指标", data_pair=[["完成率", 55.5]])
    .set_global_opts(
        legend_opts=opts.LegendOpts(is_show=False),
        tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} <br/>{b} : {c}%"),
    )
    .set_series_opts(
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(
                color=[[0.3, "#67e0e3"], [0.7, "#37a2da"], [1, "#fd666d"]], width=30
            )
        )
    )
    .render("gauge_change_color.html")
)

改变颜色

2.6 分割段数

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

c = (
    Gauge()
    .add(
        "业务指标",
        [("完成率", 55.5)],
        split_number=5,  # 分割的段数
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(
                color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30
            )
        ),
        detail_label_opts=opts.LabelOpts(formatter="{value}"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Gauge-分割段数-Label"),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    .render("gauge_splitnum_label.html")
)

分割段数

2.7 修改半径

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

c = (
    Gauge()
    .add("", [("完成率", 66.6)], radius="50%")  # 半径修改
    .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-修改 Radius 为 50%"))
    .render("gauge_change_radius.html")
)

修改半径


总结

本文主要是展示了几个仪表盘的常见应用和案例。

Python数据可视化 Pyecharts 制作 Gauge 仪表盘 自定义仪表盘在pyecharts中指的是使用Gauge(仪表盘)图表类型,可以根据需要显示自定义的数据值,类似于汽车的速度表或者其他类型的度量表。它通常用于显示一个值,并通过表盘的指针和刻度来表达这个值的大小,也可以设置颜色和区间,对不同的数值范围进行视觉上的区分。 阅读详情

相关推荐

❤️ Python pyecharts数据可视化 词云图 仪表盘 水球图 ❤️

pyecharts数据可视化,绘制词云图,仪表盘和水球图。

叶庭云 成为自己的光 4888

利用Pyecharts绘制仪表盘图的案例【含参数解释】

仪表盘图,python,pyecharts,参数解释

qq_45400322的博客 6330

详解卷积神经网络(CNN)

卷积神经网络(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。

qq_25762497的博客 25万+

PyEcharts 基本图表之仪表盘-第1关:Gauge:仪表盘(一)

将仪表盘的颜色设置为:0-0.3:“#67e0e3”;0.7-1:“#fd666d”,宽度设置为“30”;将仪表盘的颜色设置为:0-0.3:“#67e0e3”;将漏斗图标题设置为“Gauge-分割段数-Label”;数据属性设置为“完成率”,值设置为“55.5”;仪表数据属性还是“完成率”,值为“55.5”;将仪表盘标题设置为"Gauge-不同颜色";系列名称设置为“业务指标”;将仪表盘宽度设置为“30”;系列名称设置为“业务指标”;

m0_62222486的博客 1817

车辆动力学从入门到进阶之路(传统篇)

新手如何入门车辆动力学开发领域,本文为您引路!

CrazyRabbit的博客 1万+

机械式激光雷达实现原理以及特性总结

本文介绍了机械式激光雷达的技术原理和核心特性。该技术通过机械旋转结构实现360°三维扫描,采用飞行时间法测距并生成点云数据。核心优势包括全向扫描、长距高精度和成熟度高,但存在体积大、成本高、可靠性受限等局限。典型应用于自动驾驶测试车、测绘建模等领域。与固态激光雷达相比,机械式在视场角和探测距离方面有优势,但在体积、成本和可靠性方面处于劣势。该技术目前主要应用于对成本不敏感的专业场景。

start_up_go的博客 262

【Pyecharts-学习笔记系列之Gauge(一)】

from pyecharts import options as opts from pyecharts.charts import Gauge c = ( Gauge(init_opts=opts.InitOpts(width="400px", height="400px")) .add(series_name="库位利用率", data_pair=[["hello", 90]], # 设置表盘显示文字和指针指向

qq_50654042的博客 1114

芒果YOLOv8改进52:主干Backbone篇之GhostNetV2:提出原创GhostNetV2 架构升级版:引入长距离注意力机制增强廉价操作,构建更强端侧轻量型骨干,打造高效轻量级检测器

长距离注意力机制增强廉价操作,打造轻量级检测器

包括YOLOv5、YOLOv7、YOLOv8等模型改进 1611

Pyecharts仪表盘图全面指南参数解读、代码实战与高级应用

在数据可视化领域,仪表盘图是一种直观而强大的工具,用于展示关键指标的实时状态。Pyecharts是一个基于Echarts的Python图表库,提供了丰富的图表类型,其中包括了仪表盘图。本文将介绍如何使用Pyecharts绘制多种炫酷的仪表盘图,并详细说明相关参数,同时附上实际的代码实例。

一键难忘的博客 6421

K-Core, K-Shell & K-Crust傻傻分不清楚

K-Core(K-核)就是所有大于等于K的K-Shell的并集;K-Crust(K-皮)就是所有小于等于K的K-shell的并集。

欢迎订阅 -- 小源笔迹 2256

2026滑块验证码终极实战:缺口检测算法+人机轨迹模拟,识别率从60%飙升至95%全方案

**摘要:2026年AIGC技术发展导致传统验证码失效,滑块验证码成为主流防护手段。本文深入分析了传统方案识别率低的原因,并提出多级检测融合和行为拟合优化方案。通过图像预处理优化、三级缺口检测引擎(差分图像法、Hu矩轮廓匹配、YOLOv8n模型兜底)将识别率提升至99.2%。同时针对轨迹模拟环节,设计了包含抖动特征、时间随机性和个体差异的行为模型,使通过率从12%提升至87%。该方案解决了传统方法在缺口定位精度和轨迹真实性方面的核心痛点,为应对新一代验证码风控提供了完整的技术框架。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1899

仪表盘:pyecharts绘制

利用pyecharts绘制仪表盘

积跬步,慕至千里的博客 794

肺癌术后随访离散选择实验(DCE)设计与SAS实现

随着肺癌早期诊断和治疗技术的进步,肺癌患者的生存率显著提高,术后随访管理成为提升患者生活质量的关键环节。然而,如何在有限的医疗资源下设计出既符合患者需求又具有成本效益的随访方案,是临床决策面临的重要挑战。 离散选择实验(Discrete Choice Experiment, DCE)是一种定量研究方法,通过模拟真实世界的选择情境,测量患者对不同随访方案属性的偏好程度。本研究旨在通过DCE方法,系统评估肺癌术后患者对随访服务的偏好,为制定以患者为中心的随访策略提供循证依据。

huanghm88的专栏 99

pyecharts 实时更新仪表盘

前言在前段时间,小编推出了一篇 pyecharts 可视化仪表盘的制作教程:《好看的 BI 大屏 Pyecharts 也可以做》但存在几个问题,不能实时更新数据,制作的是静态的仪表盘,每...

木下瞳的博客 4738

用 i18n 驯服标准文案:SAP Fiori elements 的 UI 文本本地化与可替换实践全景

本文系统介绍了SAP Fiori elements应用中UI文本本地化的全面解决方案。从框架层与应用层文本的分类原则出发,详细解析了标准文本替换的四步法:资源准备、键值定位、模型配置和验证部署。文章特别针对不同开发场景,提供了XML、ABAP CDS和CAP CDS三种注解方式的文本覆盖写法示例。同时深入探讨了语言回退机制、表格组件标准键覆盖等关键技术细节,并指出了实际项目中的常见问题与解决方案。通过结合官方文档和社区实践,为开发人员在不破坏框架约定的前提下,实现稳定可靠的UI文本本地化提供了完整指导。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 296

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Pyecharts之仪表盘(Gauge)

Pyecharts之仪表盘(Gauge) from snapshot_selenium import snapshot as driver from pyecharts import options as opts from pyecharts.charts import Gauge from pyecharts.render import make_snapshot from pyechar...

V_lq6h的博客 4146

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

pyecharts可视化图表仪表盘_Gauge:从入门到精通

本文介绍了使用pyecharts库创建5种仪表盘(Gauge)图表的方法。基本示例展示了最简单的仪表盘绘制;不同颜色示例通过分段配色增强可视化效果;改变字体示例演示了文本样式自定义;分割段数示例调整了仪表盘刻度;修改半径示例则控制了图表大小。这些示例涵盖了仪表盘的主要配置选项,包括数据添加、颜色设置、文本样式、刻度划分和尺寸调整,适用于展示完成率、进度等指标。所有代码均简洁明了,配有详细注释和效果图,便于读者快速掌握仪表盘的创建与定制技巧。

大数据内容个人总结与分享 1516

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

python-pyecharts 仪表盘,去除百分号

一个项目需要用仪表盘,一看python 有对接echarts的 pip install pyecharts 安装成功 按照官方文档,研究研究,完成了如下代码 from pyecharts import options as opts from pyecharts.charts import Gauge, Page c = ( Gauge(init_opts=opts.In...

飞鸟的专栏 3885

pyecharts可视化图表组合组件_Grid:打造专业数据仪表盘

本文介绍了pyecharts库中Grid组件的使用方法,通过5个实战案例展示如何创建专业数据仪表盘。第一个案例演示了如何组合柱状图和折线图,并配置多X/Y轴展示多维度数据(如气候变化指标)。示例代码详细展示了创建和配置图表的过程,包括添加轴、设置样式、组合图表等技巧。Grid组件能灵活排列多个图表,实现复杂布局,是打造专业数据可视化仪表盘的有力工具。

大数据内容个人总结与分享 1471

Pyecharts制作酷炫仪表盘,还会实时更新的那种!

前言大家好!我是小z~发现大家对可视化的热情hin高,今天特意分享一个pyecharts实现仪表盘的骚操作,非常炫酷,赶紧学起来~注:代码和数据地址放在文末可视化仪表盘一般以 web 形...

SeizeeveryDay的博客 1816

如何用Pyecharts打造引人入胜的多维度仪表盘与图表联动

数据# 绘制自定义样式仪表盘Gauge().add("", [("自定义样式仪表盘", value)])title_opts=opts.TitleOpts(title="自定义样式仪表盘"),width=8,),# 保存图表# 数据# 绘制自定义刻度仪表盘Gauge().add("", [("自定义刻度仪表盘", value)])title_opts=opts.TitleOpts(title="自定义刻度仪表盘"),width=12,),# 保存图表# 数据。

王二的博客 883

Python绘制仪表盘之可视化神器pyecharts

目录 仪表盘 仪表盘模板系列 假期剩余额度 任务完成率 多色仪表盘 仪表盘内部字体添加 每文一语 仪表盘 仪表盘的效果我只能说炫酷而已,如果想要运用在实际的场景中,我其实也不清楚那个场景比较适合,但是pyecharts毕竟是炫酷可视化的利器,炫酷自然也就有它了。 小汽车仪表盘是长这样的,下面我们来看看pyecharts的仪表盘是怎么样子的。 仪表盘模板系列 假期剩余额度 import pyecharts.options as opts from pyecharts..

迷茫与徘徊只会让你陷入绝境,欢迎私信博主,带你开始提升变现价值! 3342

pyecharts 仪表盘、漏斗图

1.仪表盘 from pyecharts import options as opts from pyecharts.charts import Gauge gauge=( Gauge() .add("", [("", 76.6)]) .set_global_opts(title_opts=opts.TitleOpts(title=“仪表盘”)) ) gauge.render_notebook() 2.漏斗图 from pyecharts.charts import Funnel, Page x_data

zephyr_wang的博客 411

Python之pyecharts数据可视化,词云图,仪表盘!

一、词云图 词云就是通过形成关键词云层或关键词渲染,过滤掉大量的文本信息,对网络文本中出现频率较高的关键词的视觉上的突出。 import jieba import collections import re from pyecharts.charts import WordCloud from pyecharts.globals import SymbolType from pyecharts import options as opts from pyecharts.globals import T

爬遍所有网站 1801

pyecharts anaconda_python|利用pyecharts仪表盘可视化案例

完成率小于100%的案例:m=97.06 #实际达成值n=120 #目标值from pyecharts import Gaugea=round(m/n*100,2) #round(),Excel里也常用,不解释了。gauge = Gauge("事件分析")gauge.add("", "目标完成率", a)gauge执行情况:完成率大于100%的案例:gauge.add()参数:name...

weixin_39564510的博客 444
上一篇: Pyecharts基本图:漏斗图
下一篇: Pyecharts基本图:水球图
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值