可视化项目

已于 2024-01-10 20:45:38 修改
阅读量472 收藏 4
点赞数
分类专栏： 数据可视化 文章标签： 信息可视化 数据分析 数据挖掘
于 2023-03-23 16:56:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/mjoin2022/article/details/129725168
版权
本文介绍了如何使用pyecharts库进行数据可视化，包括绘制柱形图、条形图、折线图、散点图、饼图等多种图表，展示了不同类型的图表在数据分析和展示中的应用，并提供了代码示例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

 

绘制交互式基础图形

绘制条形图-柱形图

商家A和商家B的各类商品的销售数据，如下表所示

商家

衬衫

毛衣

领带

裤子

风衣

高跟鞋

袜子

商家A

120

56

28

98

129

28

107

商家B

60

140

153

145

160

70

54

绘制的柱形图可以直观展示商家A和商家B的销售情况，便于对比同一类商品不同商家的销售差距。


from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
from pyecharts.globals import ThemeType #主题，和颜色有关
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px",
            theme=ThemeType.LIGHT #主题和颜色有关
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况柱形图'))
    )
    return c
bar_base().render()
f116ccd720bebafb65c52673a1a245b6.png

绘制条形图-条形图

商家A和商家B的各类商品的销售数据，如下表所示

商家

衬衫

毛衣

领带

裤子

风衣

高跟鞋

袜子

商家A

120

56

28

98

129

28

107

商家B

60

140

153

145

160

70

54

当条目较多时，使用柱形图展示数据时将会显得较拥挤。此时，可以通过翻转X轴和Y轴来显示图形，即使用条形图展示数据。 

from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .reversal_axis()#x，y倒置
        .set_series_opts(label_opts=opts.LabelOpts(position="right"))#标签数值的位置
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况条形图'))
    )
    return c
bar_base().render()
efaaa0ca5ec39880039afc0c91553d28.png

绘制条形图-堆叠柱形图

商家A和商家B的各类商品的销售数据，如下表所示

商家

衬衫

毛衣

领带

裤子

风衣

高跟鞋

袜子

商家A

120

56

28

98

129

28

107

商家B

60

140

153

145

160

70

54

可以将柱形图堆叠起来显示，即堆叠柱形图


from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001,stack='stack')
        .add_yaxis('商家B',y_data002,stack='stack')
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况堆叠图'))
        .set_series_opts(label_opts=opts.LabelOpts(position="insideTop"))#内页顶部
    )
    return c
bar_base().render()
1f79a9fee48708c1dc5931d63fb7a47d.png

堆叠时，无论是数字还是字符串，都要保持一致。

标签的位置：可选

top

left

right

bottom

inside

insideLeft

insideRight

insideTop

insideBottom

insideTopLeft

insideBottomLeft

insideTopRight

通过设置系列配置项，可以在柱形图上显示最大值、最小值以及平均值等标注。

如使用前图的数据绘制标注最大值、最小值、平均值的柱形图


from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
from pyecharts import options as opt
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .set_global_opts(title_opts=opts.TitleOpts('指定标记点多柱形图'))
        .set_series_opts(label_opts=opt.LabelOpts(is_show=False),#ture和false标签都不显示
                         markpoint_opts=opt.MarkPointOpts(
                             data=[
                                 opt.MarkPointItem(type_="min", name="最小值"),
                                 opt.MarkPointItem(type_="max", name="最大值"),
                                 #opt.MarkPointItem(type_="average", name="平均值"),
                             ]
                         )
                         )

    )
    return c
bar_base().render()
70305cc5cf179de4569008d3b02bcf9e.png

MarkPointltem

标记点数据项

MarkLineltem

标记线数据项

绘制散点图

18f1ce6cda26abff5ef0bbeb34d7f93a.png 

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
student_data = pd.read_excel('学生身高和体重数据.xlsx', header=None)
student_data.set_index([0], inplace=True)
c = (
    Scatter(
        init_opts=opts.InitOpts(width='700px', height='400px')
    )
    .add_xaxis(xaxis_data=student_data.loc['身高'].tolist())
    .add_yaxis('',
               y_axis=student_data.loc['体重'].tolist(),
               symbol_size=20,
               label_opts=opts.LabelOpts(is_show=False)
               )
    .set_global_opts(
        title_opts=opts.TitleOpts('体重与身高关系散点图'),
        xaxis_opts=opts.AxisOpts(
            type_='value', splitline_opts=opts.SplitLineOpts(is_show=True),
            name='身高'),
        yaxis_opts=opts.AxisOpts(name='体重',
                                 type_='value',
                                 axistick_opts=opts.AxisTickOpts(is_show=True),
                                 splitline_opts=opts.SplitLineOpts(is_show=True),
                                 ),
        tooltip_opts=opts.TooltipOpts(is_show=False),
    )
)
c.render()
915827501ec14f99ee724c650028771c.png

绘制折线图-折线图

商家A和商家B的各类商品的销售数据，如下表所示

商家

衬衫

毛衣

领带

裤子

风衣

高跟鞋

袜子

商家A

120

56

28

98

129

28

107

商家B

60

140

153

145

160

70

54


import pandas as pd
from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
line = (
    Line()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist(), is_smooth=True)  # 设置曲线光滑
    .add_yaxis('商家B', data.loc['商家B'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况折线图'))  # 设置全局选项
)
line.render()
90153903ab3e0232b3d18bd63e166f26.png

绘制折线图-面积图

4ad8a7631856683c57dc1b692cee031c.png 

import pandas as pd
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Line
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
line = (
    Line()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist(),
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='red'))  # 设置曲线光滑
    .add_yaxis('商家B', data.loc['商家B'].tolist(),
               areastyle_opts=opts.AreaStyleOpts(opacity=0.6, color='blue'))
    .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况面积图'))  # 设置全局选项
)
line.render()
07d17c96b20abc8441bb17537dace445.png

绘制箱线图

f385abf51da4ff3fd86d79570f282adb.png
40b599033d4d01812efe3ffea47d597f.png 


import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Boxplot
chinese_data = pd.read_excel('语文考试成绩.xlsx')
chinese_data.set_index(['班级'], inplace=True)
box = Boxplot(init_opts=opts.InitOpts(width='800px', height='400px'))
box.add_xaxis(list(chinese_data.index))
box.add_yaxis('', box.prepare_data([chinese_data.loc['1班'].tolist(),
                                    chinese_data.loc['2班'].tolist(),
                                    chinese_data.loc['3班'].tolist(),
                                    chinese_data.loc['4班'].tolist()]))
box.set_global_opts(title_opts=opts.TitleOpts(title='4个班的考试成绩箱线图'))
box.render()
b0c6c74c93afde46f28db65734e64e7f.png

绘制3D散点图

313e16b22e7b89dd22b81af6dcbee9d8.png
974c3578d1a3ca4582732f8b798d97f2.png

最大携氧能力

体重

运动后心率

55.79

70.47

150

35.00

70.34

144

42.93

87.65

162

28.30

89.80

129

40.56

103.02

143


import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Scatter3D
player_data = pd.read_excel('运动员的最大携氧能力、体重和运动后心率数据.xlsx')
player_data = [player_data['体重（kg）'], player_data['运动后心率（次/分钟）'],
               player_data['最大携氧能力（ml/min）']]
player_data = np.array(player_data).T.tolist()
s = (
    Scatter3D()
    .add('', player_data, xaxis3d_opts=opts.Axis3DOpts(name='体重（kg）'),
         yaxis3d_opts=opts.Axis3DOpts(name='运动后心率（次/分钟）'),
         zaxis3d_opts=opts.Axis3DOpts(name='最大携氧能力（ml/min）')
         )
    .set_global_opts(title_opts=opts.TitleOpts(
        title='最大携氧能力、体重和运动后心率3D散点图'),
        visualmap_opts=opts.VisualMapOpts(range_color=[
            '#1710c0', '#0b9df0', '#00fea8', '#00ff0d', '#f5f811', '#f09a09',
            '#fe0300']), )
)
s.render()
8f5d938cedc1095691490ec67f0c45ed.png

绘制饼图-饼图

649eb053d716c1a52cade4873a960929.png
48745f499bf90530641f4fe7c2d92f59.png 

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie()
    .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家B'].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况饼图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()
965bac517af25e289727a3843a706afa.png

绘制饼图-环形图

649eb053d716c1a52cade4873a960929.png
d4a71a1dac4a69fdce08d33e573aeba9.png 

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie(init_opts=opts.InitOpts(width='810px', height='400px'))
    .add('', [list(z) for z in zip(data.columns.tolist(),
                                   data.loc['商家B'].tolist())], radius=[20, 100])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况环形图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()
8acdb491a81f5d7be59a07f92d14182d.png

绘制饼图-玫瑰图

1f39e50291b2b7fd907dc098850442bc.png
649eb053d716c1a52cade4873a960929.png
e1476166c0dd493cc0c956639cee8aa2.png 

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie(init_opts=opts.InitOpts(width='810px', height='400px'))
    .add('', [list(z) for z in zip(data.columns.tolist(),
                                   data.loc['商家B'].tolist())],
         rosetype='radius', radius=[20, 100])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况玫瑰图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()
75a0dc90f1a62ef5708e9d948530d2b6.png

绘制交互高级图形

绘制层叠多图

在同一个绘图区域，绘制不同类型的图表，即层叠多图，如同时绘制散点图和折线图、条形图和折线图等。在pyecharts库中，使用overlap()方法将多个图形叠加在一个视图区。

例：某省份1~12月份的降水量、蒸发量、平均温度部分数据如表所示。详见“1~12月份的降水量、蒸发量、平均温度.xlsx”

60fde93b97a94e23067c47a87dd3373b.png
1c86a1f1c006beafba358d3f1ec591d9.png 

#引入第三方库
import pandas as pd
from pyecharts.charts import Bar,Line
from pyecharts import options as opts
#读数据
data =pd.read_excel('1~12月份的降水量、蒸发量、平均温度数据.xlsx')
data_x =data['月份'].tolist()
data_y_zfl=data['蒸发量'].tolist()
data_y_jsl=data['降水量'].tolist()
data_y_pjwd=data['平均温度'].tolist()
def zuhe_show():
    c =(
        Bar()
        .add_xaxis(data_x)
        .add_yaxis('蒸发量',data_y_zfl)
        .add_yaxis('降水量',data_y_jsl)
        .set_global_opts(
            title_opts=opts.TitleOpts(title='叠加条形图和折线图'),
            xaxis_opts=opts.AxisOpts(
                name='月份',
                name_location='center',
                name_gap=30
            ),
            yaxis_opts=opts.AxisOpts(
                name='蒸发量/降水量(ml)',
                name_location='center',
                name_gap=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml")
            )
        )
        .extend_axis(
            yaxis=opts.AxisOpts(
                name='平均温度(°C)',
                name_location='center',
                name_gap=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} °C")
            )
        )
    )
    return c
def line_show():
    c =(
        Line()
        .add_xaxis(data_x)
        .add_yaxis(
            '平均温度',data_y_pjwd,
            yaxis_index=1
        )
    )
    return c
zuhe_show().overlap(line_show()).render('复杂.html')
b4b5488ad17bae0e77f586f7fec2f536.png

绘制漏斗图

由漏斗图可以直观地查看各个网购环节人数的转化率。

网购环节

人数

浏览商品

2000

加入购物车

900

生成订单

400

支付订单

320

完成交易

300


from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Funnel

data = pd.read_excel('某淘宝店铺的订单转化率统计数据.xlsx')
x_data = data['网购环节'].tolist()
y_data = data['人数'].tolist()
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
def fuzao_show():
    c = (
    Funnel()
    .add('',
         data_pair=data,
         label_opts=opts.LabelOpts(
             position='inside',
             formatter="{b}:{d}%"
         ),
         gap=2,
         tooltip_opts=opts.TooltipOpts(trigger='item'),
         itemstyle_opts=opts.ItemStyleOpts( border_width=1))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='某淘宝店铺的订单转化率漏斗图'),
        legend_opts=opts.LegendOpts(pos_left='40%')
    )
    )
    return c
# funnel.render_notebook()
fuzao_show().render("复杂.html")
f81f19504f3a6a2a921c545fa6e79fcd.png

绘制热力图

在pyecharts库中，可以使用HeatMap类绘制热力图。

e1147da564d35a480e39b81da9e16d00.png
dd6eff9c787f219248485049685e9f85.png 

from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import HeatMap
data = pd.read_excel('heatmap.xlsx', index_col=0)

y_data = list(data.columns)
x_data = list(data.index)
values = data.iloc[:, 0: 7].values.tolist()
value = [[i, j, values[i][j]] for i in range(len(x_data)) for j in range(len(y_data))]
def fuzao_show():
   heatmap = (
    HeatMap()
    .add_xaxis(x_data)
    .add_yaxis(
        '',
        y_data,
        value,
        label_opts=opts.LabelOpts(is_show=True, position='inside'),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='网站点击量热力图'),
        visualmap_opts=opts.VisualMapOpts(pos_bottom='center'),
    )
)
   return heatmap
fuzao_show().render('复杂.html')
6c8d9474ad4d60008727a9a8f454fc7e.png

绘制词云图

在pyecharts库中，可使用WordCloud类绘制词云图。WordCloud类的基本使用格式如下。

在绘制词云图前，需要统计各词的词频。例如，附件Wordcloud.csv统计的部分宋词词频数据，绘制的词云图。

由词云图可知，宋词中使用“东风”“人间”“何处”的次数相对较多。


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

data_read = pd.read_csv('worldcloud.csv', encoding='gbk')
words = list(data_read['词语'].values)
num = list(data_read['频数'].values)
data = [k for k in zip(words, num)]
data = [(i, str(j)) for i, j in data]
def fuzao_show():
   c = (
       WordCloud()
           .add(series_name='词统计', data_pair=data, word_size_range=[10, 100])
           .set_global_opts(title_opts=opts.TitleOpts(
           title='部分宋词词频词云图', title_textstyle_opts=
           opts.TextStyleOpts(font_size=23)),
           tooltip_opts=opts.TooltipOpts(is_show=True))
)
   return c
fuzao_show().render('复杂.html')
4386dd6c5d53ac1808a8c04092bc1397.png

绘制关系图

在pyecharts库中，可使用Graph类绘制关系图。

某公司销售部的部分员工微信好友关系数据如下表所示。

目标人物

其它人物

关系

周建

[贺芳，吴大，张三，刘霞]

[夫妻，同事，同学，同学]

黄婧

[张三，刘霞]

[朋友，同事]

文华

[刘霞，吴大]

[夫妻，同事]

由关系图可以直观地看出每个人之间的关系


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

# 绘制微信好友关系图
# 节点
nodes = [
    opts.GraphNode(name='张三', symbol='circle', symbol_size=10),
    opts.GraphNode(name='吴大', symbol='pin', symbol_size=10),
    opts.GraphNode(name='贺芳', symbol='pin', symbol_size=10),
    opts.GraphNode(name='刘霞', symbol='circle', symbol_size=10),
    opts.GraphNode(name='黄婧', symbol='circle', symbol_size=10),
    opts.GraphNode(name='周建', symbol='circle', symbol_size=10),
    opts.GraphNode(name='文华', symbol='circle', symbol_size=10)
]
# 关系
links = [
    opts.GraphLink(source='周建', target='贺芳', value='夫妻'),
    opts.GraphLink(source='周建', target='吴大', value='同事'),
    opts.GraphLink(source='周建', target='张三', value='同学'),
    opts.GraphLink(source='黄婧', target='张三', value='朋友'),
    opts.GraphLink(source='黄婧', target='刘霞', value='同事'),
    opts.GraphLink(source='文华', target='刘霞', value='夫妻'),
    opts.GraphLink(source='文华', target='吴大', value='同事'),
    opts.GraphLink(source='周建', target='刘霞', value='同学')
]
# 绘图
def fuzao_show():
   c = (
       Graph()
           .add(series_name='',
                nodes=nodes,
                is_roam=False,
                is_rotate_label=True,
                links=links, repulsion=4000, edge_label=opts.LabelOpts(
               is_show=True, position='middle', formatter='{c}'))
           .set_global_opts(title_opts=opts.TitleOpts(title='微信好友关系图'))
)
   return c
fuzao_show().render('复杂.html')
db257fffeafec929aab6626551a8bad7.png

 

绘制桑基图

在pyecharts库中，可使用Sankey类绘制桑基图。

附件sanky.csv是某家庭一个月的生活开支明细数据，绘制桑基图。

由桑基图可以直观地看出商品的开支情况，以及各商品小类、大类的开支情形。


from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Sankey
# 绘制生活开支桑基图
# 读取csv文件
data = pd.read_csv('sanky.csv', encoding='utf-8', header=None, sep='\t')
# 生成节nodes
Nodes = []
Nodes.append({'name': '总支出'})
for i in data[0].unique():
    dic = {}
    dic['name'] = i
    Nodes.append(dic)
# 生成links
Links = []
for i in data.values:
    dic = {}
    dic['source'] = i[0]
    dic['target'] = i[1]
    dic['value'] = i[2]
    Links.append(dic)
# 可视化
def fuzao_show():
   c = (
       Sankey()
           .add('', Nodes, Links, pos_left='10%',
                linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color='source', type_='dotted'),
                label_opts=opts.LabelOpts(position='right', ),
                )
           .set_global_opts(title_opts=opts.TitleOpts(title='生活开支桑基图'))
)
   return c
fuzao_show().render('复杂.html')
ebb31389d39738de5000c26ae5823ada.png

绘制并行多图

绘制并行多图

9dbc567b8b48413f420cf944a9703722.png 

import pandas as pd
from pyecharts.charts import Bar,Pie,Grid
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')
bar_data_x = data.columns.tolist()
bar_data_y = data.loc['商家A'].tolist()
pie_data = [list(z) for z in zip(bar_data_x,bar_data_y)]
from pyecharts import options as opts
bar=(
    Bar()
    .add_xaxis(bar_data_x)
    .add_yaxis('',bar_data_y,bar_width='60%')
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况柱形图')
    )
)
pie=(
    Pie()
    .add('',pie_data,radius=[20,100],center=[900,300])
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况饼图',pos_right='30%'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_right='10%')
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
grid = (
    Grid(init_opts=opts.InitOpts(
       width="1250px",
       height="600px"
    )
    )
    .add(bar,grid_opts=(opts.GridOpts(pos_right='45%')))
    .add(pie,
         grid_opts=(opts.GridOpts(pos_left='50%')),
         )
)
grid.render('复杂.html')
e28820fe0e2a720fb9fa85921d9a6eed.png 

from pyecharts.charts import Bar, Pie, Grid
from pyecharts import options as opts
import pandas as pd

data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
bar = (
    Bar()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('', data.loc['商家A'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='商品A销售情况柱形图'),
                     legend_opts=opts.LegendOpts(pos_left='30%'))
)
pie = (Pie()
       .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家A'].tolist())],
            radius=[20, 100], center=[700, 300])
       .set_global_opts(title_opts=opts.TitleOpts(
    title='商品A销售情况饼图', pos_left='60%'),
    legend_opts=opts.LegendOpts(orient='vertical', pos_right=0))
       .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
       )
grid = (Grid(init_opts=opts.InitOpts(width='950px', height='600px'))
        .add(bar, grid_opts=opts.GridOpts(pos_right='50%'))
        .add(pie, grid_opts=opts.GridOpts(pos_left='70%'))
        )
# grid.render_notebook()
grid.render("复杂.html")

绘制顺序多图

423b63a5a18ed03a6db1e332fe43d6bd.png

利用商家A和商家B的销售数据绘制柱形图、玫瑰图、环形图，并通过Page类实现顺序多图。

在图形的左上角存在Save_confing按钮，此时可以通过拖放的方式调整页面显示效果，当拖放完成后，单击Save_config按钮，将会下载一个名为“chart_config.json”的配置文件，即可保存设置的布局。


#老师做的
from pyecharts.charts import Bar, Pie
from pyecharts import options as opts
from pyecharts.charts import Page
from pyecharts.globals import ThemeType
import pandas as pd
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
bar = (
    Bar(init_opts=opts.InitOpts(width='800px', height='310px', theme=ThemeType.LIGHT))
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist())
    .add_yaxis('商家B', data.loc['商家B'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(
        title='商家A和商家B销售情况柱形图')))
pie1 = (Pie(init_opts=opts.InitOpts(
    width='800px', height='310px'))
        .add('', [list(z) for z in zip(
    data.columns.tolist(), data.loc['商家A'].tolist())], radius=[20, 100])
        .set_global_opts(title_opts=opts.TitleOpts(title='商家A销售情况环形图'),
                         legend_opts=opts.LegendOpts(orient='vertical', pos_left=0,
                                                     pos_bottom='40%'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')))
pie2 = (Pie(init_opts=opts.InitOpts(
    width='800px', height='310px'))
        .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家B'].tolist())],
             rosetype='radius', radius=[20, 100])
        .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况玫瑰图'),
                         legend_opts=opts.LegendOpts(orient='vertical', pos_right=0, pos_bottom='40%'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')))
page = (Page(page_title='Page绘制顺序多图', interval=2,
             layout=Page.DraggablePageLayout).add(bar, pie1, pie2))
page.render("复杂.html")
a3bb7cfdd7fd75352edf1a3355a2e6d3.png
4b00a80bc323bf55689908822d8b7471.png
09858fd77b7f6345d4c48aa1bd42a383.png 

#自己
import pandas as pd
from pyecharts.charts import Bar,Pie,Page
from pyecharts import options as opts
from pyecharts.globals import ThemeType
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')
bar_data_x = data.columns.tolist()
bar_data_y1 = data.loc['商家A'].tolist()
bar_data_y2 = data.loc['商家B'].tolist()
pie_data1 = [list(z) for z in zip(bar_data_x,bar_data_y1)]
pie_data2 = [list(z) for z in zip(bar_data_x,bar_data_y2)]

bar=(
    Bar(
        init_opts=opts.InitOpts(width='800px',height='310px',theme= ThemeType.LIGHT)
    )
    .add_xaxis(bar_data_x)
    .add_yaxis('商家A',bar_data_y1)
    .add_yaxis('商家B',bar_data_y2)
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A和商家B销售情况柱形图')
    )
)
pie1=(
    Pie(init_opts=opts.InitOpts(width='800px',height='310px'))
    .add('',pie_data1,radius=[20,100])
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况环形图'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_left=0,pos_bottom='40%')
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
pie2=(
    Pie(init_opts=opts.InitOpts(width='800px',height='310px'))
    .add('',pie_data2,radius=[20,100],rosetype='radius')
    .set_global_opts(
        title_opts=opts.TitleOpts('商品B销售情况玫瑰图'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_bottom='40%',pos_left=0)
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
page=(
    Page(
        page_title='Page绘制顺序多图',interval=2,layout=Page.DraggablePageLayout
    )
    .add(bar,pie1,pie2)
)
page.render('复杂.html')

绘制时间轮播多图

在pyecharts库中，可使用Timeline类绘制时间线轮播多图。

a6993ea25765984954266519efffefbe.png
8078a6a6e965641905601a7a95fa6449.png 

#老师做的
from pyecharts.charts import Bar
from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Timeline
data_A = pd.read_excel('timeline.xlsx')
data_B = pd.read_excel('timeline.xlsx', sheet_name=1)
x_data = data_A.columns.tolist()[1:]
time = data_A['月份'].tolist()
timeline = Timeline()
for i in range(len(time)):
    y_data_A = data_A.iloc[i, 1: 9].tolist()
    y_data_A = [str(j) for j in y_data_A]
    y_data_B = data_B.iloc[i, 1: 9].tolist()
    y_data_B = [str(j) for j in y_data_B]
    bar = (Bar()
           .add_xaxis(x_data)
           .add_yaxis('手机店A', y_data_A)
           .add_yaxis('手机店B', y_data_B)
           .set_global_opts(title_opts=opts.TitleOpts('手机店{}销售情况'.format(time[i])))
           )
    timeline.add(bar, time[i])
timeline.add_schema(play_interval=1000, is_auto_play=True, symbol='pin')
# timeline.render_notebook()
timeline.render("复杂.html")
72e91f573cabc0fa967f6468964c8550.png

 

 

评论
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