木门行业做网站有什么好处,慈利网站开发,网站做百度权重排名论坛,扬中经济目录
官方文档
使用说明#xff1a;
点击基本图表
可以点击你想要的图表
安装#xff1a; 一些例图#xff1a;
柱状图#xff1a; 效果#xff1a; 折线图#xff1a; 效果#xff1a;
环形图#xff1a;
效果#xff1a; 南丁格尔图#xff08;玫瑰图
点击基本图表
可以点击你想要的图表
安装 一些例图
柱状图 效果 折线图 效果
环形图
效果 南丁格尔图玫瑰图
效果
堆叠折线图
效果
堆叠柱状图 编辑 拟合散点曲线图 官方文档 使用说明 点击基本图表 可以点击你想要的图表 可以点击Demo里面有例图以及代码可以复制下来再根据需求来改要查询图表的配置也可以到全局配置里面查找 安装
pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple some-package 一些例图
这里引用的是一个全国各省份的GDP数据需要拿来练习的可以私我拿数据~ 柱状图
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType# 加载数据集
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv,encodingutf-8)# 提取2016年的数据并按GDP降序排列取前10个省份
data_2016 data[[province,2016]]
top_10_gdp data_2016[2016].sort_values(ascendingFalse).head(10)
top_10_province data_2016.loc[top_10_gdp.index, province]
# 获取省份和GDP数据
provinces top_10_province.tolist()
gdp_values top_10_gdp.tolist()# 使用Pyecharts绘制柱状图
init_optsopts.InitOpts(width1000px,height450px,themeThemeType.LIGHT)
bar (Bar().add_xaxis(provinces).add_yaxis(GDP,gdp_values).set_global_opts(title_optsopts.TitleOpts(title2016年全国排名前10的省份GDP),xaxis_optsopts.AxisOpts(name省份), yaxis_optsopts.AxisOpts(nameGDP亿元),)
)
bar.render_notebook() # 将图表保存为HTML文件 效果 折线图
from pyecharts.charts import Line
from pyecharts import options as opts
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv,encodingutf-8)
data_gxdata.loc[19]
data_gx
year_gxdata_gx.index.to_list()[1:][::-1]
gdplist(data_gx.values)[1:][::-1]
yearsyear_gx[:10]
line (Line().add_xaxis(years).add_yaxis(广西GDP, gdp) # 设置曲线光滑.set_global_opts(title_optsopts.TitleOpts(title广西1997年至2016年的折线图),xaxis_optsopts.AxisOpts(name年份),yaxis_optsopts.AxisOpts(nameGDP) # 在这里添加逗号)
)line.render_notebook() 效果 环形图
import matplotlib.pyplot as plt
from pyecharts import options as opts
from pyecharts.charts import Pie # 导入 Pie 类
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv,encodingutf-8)
data_2014 data[[province, 2014]]
top_10_gdp data_2014[2014].sort_values(ascendingFalse).head(10)
top_10_province data_2014.loc[top_10_gdp.index, province]
gdp top_10_gdp.tolist()
provinces top_10_province.tolist()piePie()
pie.add(,[list(z)for z in zip(provinces,gdp)],radius[70, 150])
pie.set_global_opts(title_optsopts.TitleOpts(title2024年全国各省GDP排名前十的省份, pos_top5%),legend_optsopts.LegendOpts(pos_bottom5%))
pie.set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}亿元({d}%)))
pie.render_notebook()
效果 南丁格尔图玫瑰图
import matplotlib.pyplot as plt
from pyecharts import options as opts
from pyecharts.charts import Page, Pie
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv,encodingutf-8)
data_gxdata.loc[19]
#获取广西近八年GDP数据
year_gxdata_gx.index.to_list()[1:]
year_gxyear_gx[:8]
gdp_gxlist(data_gx.values)[1:][:8]#获取江苏近八年GDP数据
data_jsdata.loc[9]
year_jsdata_js.index.to_list()[1:][:8]
gdp_jslist(data_js.values)[1:][:8]# 绘制广西南丁格尔玫瑰图area型
guangxi_pie (Pie().add(series_name广西近8年的GDP, # 系列名称data_pair[list(z) for z in zip(year_gx, gdp_gx)], # 数据对形如 [(2014, 100), (2015, 120), ...]radius[50, 200], # 设置半径形成南丁格尔玫瑰图rosetypearea, # 设置玫瑰图类型为 area).set_global_opts(title_optsopts.TitleOpts(title广西近8年 GDP 变化), # 设置标题legend_optsopts.LegendOpts(orientvertical, pos_top15%, pos_right2%)).set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}亿元({d}%)))
)# 绘制江苏南丁格尔玫瑰图radius型
jiangsu_pie (Pie().add(series_name江苏 GDP 变化, # 系列名称data_pair[list(z) for z in zip(year_js, gdp_js)], # 数据对形如 [(2014, 200), (2015, 220), ...]radius[50, 200], # 设置半径形成南丁格尔玫瑰图rosetyperadius, # 设置玫瑰图类型为 radius).set_global_opts(title_optsopts.TitleOpts(title江苏近8年 GDP 变化), # 设置标题legend_optsopts.LegendOpts(orientvertical, pos_top15%, pos_right2%)).set_series_opts(label_optsopts.LabelOpts(formatter{b}:{c}亿元({d}%)))
)# 创建一个页面并将两个图添加到页面中
page Page()
page.add(guangxi_pie)
page.add(jiangsu_pie)# 渲染并保存 HTML 文件
page.render_notebook()
效果 堆叠折线图 import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Line
from pyecharts.globals import ThemeType
from pyecharts import options as opts
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv)
# 截取北京的数据
data_bj data.loc[0]
year_bj data_bj.index.to_list()[1:]
gdp_bj list(data_bj.values)[1:]# 截取上海数据
data_sh data.loc[8]
year_sh data_sh.index.to_list()[1:]
gdp_sh list(data_sh.values)[1:]# 截取广东数据
data_gd data.loc[18]
year_gd data_gd.index.to_list()[1:]
gdp_gd list(data_gd.values)[1:]# 创建堆叠面积图对象
line Line()# 添加数据并设置堆叠属性
line.add_xaxis(year_bj)
line.add_yaxis(北京, gdp_bj, is_smoothTrue, stackstack1, areastyle_optsopts.AreaStyleOpts(opacity0.5))
line.add_yaxis(上海, gdp_sh, is_smoothTrue, stackstack1, areastyle_optsopts.AreaStyleOpts(opacity0.5))
line.add_yaxis(广东, gdp_gd, is_smoothTrue, stackstack1, areastyle_optsopts.AreaStyleOpts(opacity0.5))# 设置全局配置项
line.set_global_opts(title_optsopts.TitleOpts(title北京、上海、广东历年GDP变化堆叠面积图),xaxis_optsopts.AxisOpts(type_category, boundary_gapFalse),yaxis_optsopts.AxisOpts(type_value, nameGDP亿元),tooltip_optsopts.TooltipOpts(triggeraxis, axis_pointer_typecross)
)# 渲染图像
line.render_notebook()
效果 堆叠柱状图
from pyecharts.charts import Bar
import pandas as pd
from pyecharts import options as opts
from pyecharts.globals import ThemeType#截取广西数据
data pd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv)
data_gxdata.loc[19]
year_gxdata_gx.index.to_list()[1:][::-1]
gdp_gxlist(data_gx.values)[1:][::-1]#截取广东数据
data_gddata.loc[18]
year_gddata_gd.index.to_list()[1:][::-1]
gdp_gdlist(data_gd.values)[1:][::-1]# 绘制堆叠柱状图
bar Bar() # 注意这里你可能需要导入InitOpts但在某些版本的Pyecharts中可能不是必需的
bar.add_xaxis(year_gx)
# 注意添加stack参数并将值设置为相同的字符串例如gdp以使序列堆叠
bar.add_yaxis(广西, gdp_gx, stackgdp)
bar.add_yaxis(广东, gdp_gd, stackgdp) bar.set_global_opts( title_optsopts.TitleOpts(title近年来广西和广东的GDP趋势), xaxis_optsopts.AxisOpts(type_category), yaxis_optsopts.AxisOpts(type_value, nameGDP (亿元)), legend_optsopts.LegendOpts(pos_leftcenter, pos_toptop)
)
bar.render_notebook() 拟合散点曲线图
mport pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Line
from pyecharts.charts import Scatter
from pyecharts.globals import ThemeType
datapd.read_csv(rD:\Dabby\Documents\数据可视化\gdp.csv,encodingutf-8)
#截取广西数据
data_gxdata.loc[19]
year_gxdata_gx.index.to_list()[1:]
gdp_gxlist(data_gx.values)[1:]
#先绘制散点图
scatterScatter()
scatter.add_xaxis(year_gx)
scatter.add_yaxis(GDP,gdp_gx)
scatter.set_series_opts(label_optsopts.LabelOpts(is_showFalse))
scatter.set_global_opts(title_optsopts.TitleOpts(title广西的20年gdp散点拟合曲线))
scatter.render_notebook()
#计算拟合三次多项式的x,y,z
year_gx_float np.array(year_gx, dtypefloat)
gdp_gx_float np.array(gdp_gx, dtypefloat)
polynp.polyfit(year_gx_float,gdp_gx_float,deg3)
#绘制拟合曲线散点图
lineLine()
line.add_xaxis(list(year_gx))
line.add_yaxis(GDP, np.polyval(poly, year_gx_float))
line.set_series_opts(label_optsopts.LabelOpts(is_showFalse))
scatter.overlap(line)
scatter.render_notebook()
