PyEcharts数据可视化(2)——图表1

Faker

# Faker
from pyecharts.faker import Faker
# 随机产生同属性的7个名词
Faker.choose()
Faker.values()  # 随机的7个数

PyEcharts数据可视化(2)——图表1_第1张图片
PyEcharts数据可视化(2)——图表1_第2张图片
PyEcharts数据可视化(2)——图表1_第3张图片

饼图

from pyecharts.charts import Pie
import pyecharts.options as opts
Faker.choose()
Faker.values()
list(zip(Faker.choose(),Faker.values()))

PyEcharts数据可视化(2)——图表1_第4张图片

[list(x) for x in zip(Faker.choose(),Faker.values())]

PyEcharts数据可视化(2)——图表1_第5张图片

c = Pie()
c.add('', [list(x) for x in zip(Faker.choose(),Faker.values())])
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第6张图片

c = (
    Pie()
    .add('', [list(x) for x in zip(Faker.choose(),Faker.values())])
    .set_colors(['red','blue','green','orange','yellow','pink','black'])
    .set_global_opts(
        title_opts=opts.TitleOpts(title='设置颜色'),
        legend_opts=opts.LegendOpts(type_='scroll',pos_left='80%',orient='vertical')
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}'))
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第7张图片

玫瑰图

PyEcharts数据可视化(2)——图表1_第8张图片

c = (
    Pie()
    .add(
        '',
        [list(i) for i in zip(v, Faker.values())],
        radius=['30%','75%'],
        center=['25%','50%'],
        rosetype='radius',
        label_opts=opts.LabelOpts(is_show=False) # 不显示标签
    )
    .add(
        '',
        [list(i) for i in zip(v, Faker.values())],
        radius=['20%','55%'],
        center=['75%','50%'],
        rosetype='area',
        label_opts=opts.LabelOpts(is_show=True) # 显示标签
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图'))
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第9张图片

基本柱形图

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

from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='柱状图',
            subtitle='副标题'
        )
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第10张图片

带动画柱形图

c = (
    Bar(
        init_opts=opts.InitOpts(
            animation_opts=opts.AnimationOpts(
                animation_delay=1000, # 动画延时1秒钟
                animation_easing='elasticOut' # 弹性减速动画
            )
        )
    )
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='柱状图',
            subtitle='副标题'
        )
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第11张图片

执行JS代码

from pyecharts.commons.utils import JsCode
c = (
    Bar(
        init_opts=opts.InitOpts(
            bg_color={
                'image':JsCode('img'),
                'repeat':'no-repeat'
            },
            theme=ThemeType.CHALK,
        )
    )
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='柱状图',
            subtitle='副标题'
        )
    )
)
# 添加js代码
c.add_js_funcs(
    """
    var img = new Image()
    img.src = 'https://img.zcool.cn/community/[email protected]'
    """
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第12张图片

堆叠柱状图

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values(),stack='abc')
    .add_yaxis('商家B', Faker.values(),stack='abc')
    
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False)
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='堆叠柱状图',
            subtitle='副标题'
        ),
        # 旋转
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),
        # 缩放
        datazoom_opts=[
            opts.DataZoomOpts(), # X轴拖拉缩放
            opts.DataZoomOpts(type_='inside') # 鼠标滚轮缩放
        ]
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第13张图片

条形图

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())
    
    # 翻转轴,条形图
    .reversal_axis()
    
    .set_series_opts(
        label_opts=opts.LabelOpts(position='right')
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title='堆叠柱状图',
            
        ),
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第14张图片

直方图

不同系列柱子之间的距离

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values(), gap='0%')
    .add_yaxis('商家B', Faker.values(), gap='0%')

    .set_global_opts(
        title_opts=opts.TitleOpts(title='不同系列柱间距离')
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第15张图片
单系列柱子之间的间距

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values(), category_gap=0)

    .set_global_opts(
        title_opts=opts.TitleOpts(title='直方图')
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第16张图片

JsCode自定义柱状颜色

color_func="""
    function(params){
        if(params.value > 0 && params.value < 50){
            return 'red';
        }
        else if (params.value > 50 && params.value < 100){
            return 'green';
        }
        return 'blue';
    }
"""

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        '商家A',
        Faker.values(),
        itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_func))
    )
    .add_yaxis(
        '商家B',
        Faker.values(),
        itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_func))
    )
    .add_yaxis(
        '商家C',
        Faker.values(),
        itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_func))
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第17张图片

象形柱状图

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

from pyecharts.globals import SymbolType
location = ['山西','四川','西藏','北京','上海','内蒙古','云南','黑龙江','广东','福建']
values = [13, 42, 67, 81, 86, 94, 166, 220, 249, 262]

c = (
    PictorialBar()
    .add_xaxis(location)
    .add_yaxis(
        '',
        values,
        label_opts=opts.LabelOpts(is_show=False),
        symbol=SymbolType.ROUND_RECT,  # 符号类型  ARROW、DIAMOND、RECT、ROUND_RECT、TRIANGLE
        symbol_repeat='fixed',  # 重复方式
        symbol_size=16,  # 符号大小
        is_symbol_clip=True,  # 符号裁剪
    )
    .reversal_axis()
    
    .set_global_opts(
        title_opts=opts.TitleOpts(title='象形柱状图'),
        xaxis_opts=opts.AxisOpts(is_show=False), # 不显示X轴
        yaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_show=False),  # 不显示y轴刻度
            axisline_opts=opts.AxisLineOpts(is_show=False),  # 不显示y轴的线
        )
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第18张图片

雷达图

from pyecharts.charts import Radar
import pyecharts.options as opts
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
c = (
    Radar()
    .add_schema(
        schema=[
            opts.RadarIndicatorItem(name='项目1', max_=6000),
            opts.RadarIndicatorItem(name='项目2', max_=16000),
            opts.RadarIndicatorItem(name='项目3', max_=30000),
            opts.RadarIndicatorItem(name='项目4', max_=38000),
            opts.RadarIndicatorItem(name='项目5', max_=60000),
            opts.RadarIndicatorItem(name='项目6', max_=22000),
        ]
    )
    .add('数据1',v1,color='blue')
    .add('数据2',v2)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第19张图片

折线图

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

from pyecharts.faker import Faker
c = (
    Line(init_opts=opts.InitOpts(width='600px',height='300px'))
    .add_xaxis(Faker.choose())
    
    .add_yaxis('商家A',Faker.values())
    .add_yaxis('商家B',Faker.values(),is_smooth=True)  # 平滑
    
    .set_global_opts(
        title_opts=opts.TitleOpts(title='折线图'),
        
        # 提示线
        tooltip_opts=opts.TooltipOpts(trigger='axis')
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第20张图片

c = (
    Line(
        init_opts=opts.InitOpts(width='600px',height='400px')
    )
    .add_xaxis(xaxis_data=Faker.week)
    .add_yaxis(
        series_name='',
        y_axis=[120, 200, 150, 80, 70, 110, 130],
        symbol='triangle',  # 点符号类型: triangle三角形
        symbol_size=20,  # 点的大小
        
        # 线条样式
        linestyle_opts=opts.LineStyleOpts(
            color='green',width=2,type_='dashed'
        ),
        
        # 不显示标签
        label_opts=opts.LabelOpts(is_show=False),
        
        # 点的属性
        itemstyle_opts=opts.ItemStyleOpts(
            border_width=2,border_color='yellow',color='blue'
        ),
        # 标注点
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_='max'),  # 最大值
                opts.MarkPointItem(type_='min'),  # 最小值
            ]
        ),
        
        # 标注线
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_='average'), # 平均值
            ]
        ),
    )
    .set_global_opts(
            yaxis_opts=opts.AxisOpts(
                type_='value',
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
            
            tooltip_opts=opts.TooltipOpts(trigger='axis')
        )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第21张图片

面积图

from pyecharts.charts import Line
import pyecharts.options as opts
x_data = ['周一','周二','周三','周四','周五','周六','周日']
y_data = [820,932,901,934,1290,1330,1320]
c = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        '',
        y_axis=[120,130,100,140,90,200,150],
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),  # 面积图
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='面积图'),
        
        tooltip_opts=opts.TooltipOpts(trigger='axis'),
        
        # boundary_gap=False:没有间隙
        xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False)
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第22张图片

堆叠面积图

c = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        '广告',
        stack='堆叠',
        y_axis=[120,40,100,30,50,60,150],
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False)
    )
    .add_yaxis(
        '销售',
        stack='堆叠',
        y_axis=[120,40,100,30,50,60,150],
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False)
    )
    .add_yaxis(
        '浏量',
        stack='堆叠',
        y_axis=[120,40,100,30,50,60,150],
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False)
    )
    .add_yaxis(
        '浏览',
        stack='堆叠',
        y_axis=[120,40,100,30,50,60,150],
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False)
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='堆叠面积图'),
        
        tooltip_opts=opts.TooltipOpts(trigger='axis'),
        
        xaxis_opts=opts.AxisOpts(type_='category',boundary_gap=False)
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第23张图片

散点图

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

from pyecharts.faker import Faker
data = [
    [10.0,8.04],
    [8.0,6.95],
    [13.0,7.58],
    [9.0,8.81],
    [11.0,8.33],
    [14.0,9.96],
    [6.0,7.24],
    [4.0,4.26],
    [12.0,10.84],
    [7.0,4.82],
    [5.0,5.68],
]
# 把data中第一列数据排序
data.sort(key=lambda x:x[0])

PyEcharts数据可视化(2)——图表1_第24张图片

x_data = [d[0] for d in data]
y_data = [d[1] for d in data]
display(x_data,y_data)

在这里插入图片描述

c = (
    Scatter(
        init_opts=opts.InitOpts(width='800px',height='500px')
    )
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        '',
        y_axis=y_data,
        symbol_size=20,
        label_opts=opts.LabelOpts(is_show=True)
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(
            type_='value',
            splitline_opts=opts.SplitLineOpts(is_show=True)
        ),
        yaxis_opts=opts.AxisOpts(
            type_='value',
            splitline_opts=opts.SplitLineOpts(is_show=True)
        ),
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第25张图片

涟漪散点图

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

from pyecharts.faker import Faker
from pyecharts.globals import SymbolType
c = (
    EffectScatter()
    .add_xaxis(Faker.choose())
    .add_yaxis(
        '',
        Faker.values(),
        symbol=SymbolType.ARROW
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='涟漪散点图'),
        xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True))
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第26张图片

热力图

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

from pyecharts.faker import Faker
import random
value = [[i,j,random.randint(0,50)] for i in range(24) for j in range(7)]

PyEcharts数据可视化(2)——图表1_第27张图片

c = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        '热力图',
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True,position='inside')
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='热力图')
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第28张图片

日历图

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

import datetime
import random
# 2023年
begin = datetime.date(2023,1,1)
end = datetime.date(2023,12,31)

在这里插入图片描述

data = [ [str(begin + datetime.timedelta(days=i)),random.randint(1000,25000)] for i in range((end-begin).days+1)]

PyEcharts数据可视化(2)——图表1_第29张图片

c = (
    Calendar()
    .add(
        '',
        data,
        calendar_opts=opts.CalendarOpts(
            range_='2023',
            daylabel_opts=opts.CalendarDayLabelOpts(name_map='cn'), # 中文
            monthlabel_opts=opts.CalendarMonthLabelOpts(name_map='cn'), # 中文
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='2023年日历图'),
        
        visualmap_opts=opts.VisualMapOpts(
            max_=25000,
            min_=1000,
            orient='horizontal', # 水平方向显示
            is_piecewise=True, # 显示方式
            pos_left='100px',
            pos_top='230px',
        )
    )
)
c.render_notebook()

PyEcharts数据可视化(2)——图表1_第30张图片

你可能感兴趣的:(python数据分析,信息可视化,python,数据分析,echarts)