python数据可视化pyecharts,python怎么数据可视化

本篇文章给大家谈谈python数据可视化pyecharts，以及python怎么数据可视化，希望对各位有所帮助，不要忘了收藏本站喔。

数据可视化的库有挺多的，这里推荐几个比较常用的：

Matplotlib

Plotly

Seaborn

Ggplot

Bokeh

Pyechart

Pygal

关注后私信小编 PDF领取十套电子文档书籍

Plotly

plotly 文档地址（https://plot.ly/python/#financial-charts）

使用方式：

plotly 有 online 和 offline 两种方式，这里只介绍 offline 的。

这是 plotly 官方教程的一部分

import plotly.plotly as py

import numpy as np

data = [dict(

visible=False,

line=dict(color=’#00CED1’, width=6), # 配置线宽和颜色

name=’ = ’ + str(step),

x=np.arange(0, 10, 0.01), # x 轴参数

y=np.sin(step * np.arange(0, 10, 0.01))) for step in np.arange(0, 5, 0.1)] # y 轴参数

data[10][‘visible’] = True

py.iplot(data, filename=‘Single Sine Wave’)

只要将最后一行中的

py.iplot

替换为下面代码

py.offline.plot

便可以运行python编程好学吗。

漏斗图

这个图代码太长了，就不 po 出来了。

Basic Box Plot

好吧，不知道怎么翻译，直接用原名。

import plotly.plotly

import plotly.graph_objs as go

import numpy as np

y0 = np.random.randn(50)-1

y1 = np.random.randn(50)+1

trace0 = go.Box(

y=y0

)

trace1 = go.Box(

y=y1

)

data = [trace0, trace1]

plotly.offline.plot(data)

Wind Rose Chart

好吧，不知道怎么翻译，直接用原名。

import plotly.graph_objs as go

trace1 = go.Barpolar(

r=[77.5, 72.5, 70.0, 45.0, 22.5, 42.5, 40.0, 62.5],

text=[‘North’, ‘N-E’, ‘East’, ‘S-E’, ‘South’, ‘S-W’, ‘West’, ‘N-W’],

name=‘11-14 m/s’,

marker=dict(

color=‘rgb(106,81,163)’

)

)

trace2 = go.Barpolar(

r=[57.49999999999999, 50.0, 45.0, 35.0, 20.0, 22.5, 37.5, 55.00000000000001],

text=[‘North’, ‘N-E’, ‘East’, ‘S-E’, ‘South’, ‘S-W’, ‘West’, ‘N-W’], # 鼠标浮动标签文字描述

name=‘8-11 m/s’,

marker=dict(

color=‘rgb(158,154,200)’

)

)

trace3 = go.Barpolar(

r=[40.0, 30.0, 30.0, 35.0, 7.5, 7.5, 32.5, 40.0],

text=[‘North’, ‘N-E’, ‘East’, ‘S-E’, ‘South’, ‘S-W’, ‘West’, ‘N-W’],

name=‘5-8 m/s’,

marker=dict(

color=‘rgb(203,201,226)’

)

)

trace4 = go.Barpolar(

r=[20.0, 7.5, 15.0, 22.5, 2.5, 2.5, 12.5, 22.5],

text=[‘North’, ‘N-E’, ‘East’, ‘S-E’, ‘South’, ‘S-W’, ‘West’, ‘N-W’],

name=’

marker=dict(

color=‘rgb(242,240,247)’

)

)

data = [trace1, trace2, trace3, trace4]

layout = go.Layout(

title=‘Wind Speed Distribution in Laurel, NE’,

font=dict(

size=16

),

legend=dict(

font=dict(

size=16

)

),

radialaxis=dict(

ticksuffix=’%’

),

orientation=270

)

fig = go.Figure(data=data, layout=layout)

plotly.offline.plot(fig, filename=‘polar-area-chart’)

Basic Ternary Plot with Markers

篇幅有点长，这里就不 po 代码了。

Bokeh

这里展示一下常用的图表和比较抢眼的图表，详细的文档可查看（https://bokeh.pydata.org/en/latest/docs/user_guide/categorical.html）

条形图

这配色看着还挺舒服的，比 pyecharts 条形图的配色好看一点。