Python可视化之Pyecharts 多子图展示

作为Python可视化多个轮子中的Pyecharts在版本升级到 v1.0及以上后和以前的区别还是蛮大的

其中就有一个是在引用包的时候

我发现网上好多都是v1.0以前的引用方式,当然在我们默认的python3.6+中会报错

本人使用的是Python3.7和Pychearts 1.3,本文都是在此基础下操作的

具体的版本使用区别,可以戳此处查看官网信息,或者直接戳此处直接说明查看新版使用


首先在引用时就有如下区别

# v1.0+引用方式
from example.commons import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line

# v1.0以下引用方式
from example.commons import Faker
from pyecharts import options as opts
from pyecharts import Bar, Grid, Line

以下是官方在新版本中新增的链式调用写法示例,个人感觉更清晰明了,尤其是在制作多个图表时,推荐使用

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

# V1 版本开始支持链式调用
bar = (
    Bar()
    .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [114, 55, 27, 
由于未提供关于 Python 可视化第五章的具体内容,以下是基于常见 Python 数据可视化主题构建的一个假设性的第五章代码示例。此示例综合了 Matplotlib 和 Seaborn 的功能来展示数据可视化的核心技术。 ### 假设的 Python 可视化第五章:高级绘与自定义 #### 使用 Matplotlib 创建多子图并调整布局 以下代码展示了如何利用 Matplotlib 绘制多个,并通过 `tight_layout` 调整布局以避免重叠: ```python import matplotlib.pyplot as plt import numpy as np # 生成随机数据 x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) # 创建画布和 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) # 1:正弦波 ax1.plot(x, y1, label="sin(x)", color="blue", linestyle="--") ax1.set_title("Sine Wave") ax1.legend() # 2:余弦波 ax2.plot(x, y2, label="cos(x)", color="red", linestyle="-.") ax2.set_title("Cosine Wave") ax2.legend() # 自动调整布局 plt.tight_layout() plt.show() ``` [^1] #### 利用 Seaborn 进行统计数据分析 Seaborn 是 Matplotlib 的扩展库,专注于统计数据可视化。以下代码演示了如何绘制箱形和热力: ```python import seaborn as sns import pandas as pd # 加载内置数据集 tips = sns.load_dataset('tips') # 箱形 sns.boxplot(x='day', y='total_bill', data=tips) plt.title("Box Plot of Total Bill by Day") plt.show() # 热力 correlation_matrix = tips.corr() sns.heatmap(correlation_matrix, annot=True, cmap="coolwarm") plt.title("Heatmap of Correlation Matrix") plt.show() ``` [^2] #### Pyecharts 实现交互式Pyecharts 提供了一种简单的方式来创建动态、可交互的表。以下是一个简单的折线示例: ```python from pyecharts.charts import Line from pyecharts.options import TitleOpts, ToolboxOpts # 准备数据 x_data = ["Jan", "Feb", "Mar", "Apr", "May"] y_data = [120, 200, 150, 80, 70] # 初始化折线对象 line_chart = ( Line() .add_xaxis(x_data) .add_yaxis("Sales Data", y_data) .set_global_opts( title_opts=TitleOpts(title="Monthly Sales"), toolbox_opts=ToolboxOpts(is_show=True), ) ) # 渲染到 HTML 文件 line_chart.render("monthly_sales.html") ``` [^3] ---
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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