软件测试|Python数据可视化神器——pyecharts教程(十一)

使用 Pyecharts 绘制仪表图 —— 数据可视化的高级展示

仪表图介绍

仪表图是一种数据可视化图标,类似汽车仪表盘的仪表,于以图表、表格、指标等形式展示关键数据和指标,以便用户能够快速了解和分析数据的状态、趋势和关联关系,它通常以仪表盘的形式呈现。

仪表盘图提供直观、简洁和易于理解的数据展示,帮助我们快速捕捉到关键信息和洞察。通过仪表盘图,可以实时监测业务指标、数据趋势和关键绩效指标,更便于我们做出快速的决策。

Pyecharts作为数据可视化的神器,当然也能绘制仪表图,本文就来介绍一下如何使用Pyecharts来绘制仪表图。

仪表图类基础配置

  1. 导包

在Pyecharts中,每一种图都有不同的类,仪表图也不例外,仪表图的类为Gauge,现在我们来进行导包,这是绘制仪表图的第一步:

from pyecharts import options as opts
from pyecharts.charts import Gauge
  1. add函数配置

我们在导入类之后,接下来就需要考虑对仪表图进行具体的配置,add函数是我们对仪表图进行配置的函数,我们可以使用不同的参数对仪表图进行设置,通过查看源码,我们可以发现参数说明如下:

def add(
        self,
        series_name: str,  # 系列名称,字符串类型
        data_pair: types.Sequence,  # 数据对,序列类型
        *,
        min_: types.Numeric = 0,  # 最小值,默认为0
        max_: types.Numeric = 100,  # 最大值,默认为100
        split_number: types.Numeric = 10,  # 分割段数,默认为10
        center: types.Sequence = None,  # 中心位置,默认为空
        radius: types.Union[types.Numeric, str] = "75%",  # 半径,默认为"75%"
        start_angle: types.Numeric = 225,  # 起始角度,默认为225
        end_angle: types.Numeric = -45,  # 结束角度,默认为-45
        is_clock_wise: bool = True,  # 是否顺时针,默认为True
        title_label_opts: types.GaugeTitle = opts.GaugeTitleOpts(  # 仪表盘标题配置,默认为指定的配置
            offset_center=["0%", "20%"],
        ),
        detail_label_opts: types.GaugeDetail = opts.GaugeDetailOpts(  # 仪表盘详细标签配置,默认为指定的配置
            formatter="{value}%",
            offset_center=["0%", "40%"],
        ),
        progress: types.GaugeProgress = opts.GaugeProgressOpts(),  # 仪表盘进度配置,默认为指定的配置
        pointer: types.GaugePointer = opts.GaugePointerOpts(),  # 仪表盘指针配置,默认为指定的配置
        anchor: types.GaugeAnchor = opts.GaugeAnchorOpts(),  # 仪表盘锚点配置,默认为指定的配置
        tooltip_opts: types.Tooltip = None,  # 提示框配置,默认为空
        axisline_opts: types.AxisLine = None,  # 坐标轴线配置,默认为空
        axistick_opts: types.AxisTick = None,  # 坐标轴刻度配置,默认为空
        axislabel_opts: types.AxisLabel = None,  # 坐标轴标签配置,默认为空
        itemstyle_opts: types.ItemStyle = None,  # 数据项样式配置,默认为空
    )

绘图实战

  1. 绘制基础仪表图

我们将演示如何创建一个简单的仪表图。假设我们要显示某个电池的电量百分比,代码如下:

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


gauge = (
    Gauge()
    .add("", [("电量", 80)])  # 标题和数据
    .set_global_opts(title_opts=opts.TitleOpts(title="电池电量仪表图"))
)
gauge.render("basic_gauge.html")


运行脚本,在浏览器中打开生成的html文件,如下:

软件测试|Python数据可视化神器——pyecharts教程(十一)_第1张图片

  1. 仪表图的定制和美化

上面我们只是绘制了一个基础的仪表图,但是在实际生活中,比如汽车的仪表盘,对于速度是有不一样的颜色表示的,比如靠近极速的刻度为红色,比如字体可以进行修改等,现在我们来对仪表盘进行优化。

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


gauge = (
    Gauge()
    .add("", [("电量", 80)], split_number=5)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="电池电量仪表图", subtitle="示例"),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    .set_series_opts(
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(

                color=[[0.2, "#c23531"], [0.8, "#63869e"], [1, "#91c7ae"]],
                width=30,
            )
        ),
        splitline_opts=opts.SplitLineOpts(

            is_show=True,
            linestyle_opts=opts.LineStyleOpts(width=3, color="auto"),
        ),
    )
)
gauge.render("customized_gauge.html")

这个示例中,我们添加了标题和子标题,隐藏了图例,更改了仪表盘的颜色,并调整了刻度线的样式,运行脚本,生成的HTML文件,在浏览器中打开如下图:

软件测试|Python数据可视化神器——pyecharts教程(十一)_第2张图片

总结

使用 Pyecharts 绘制仪表图是一种强大的数据可视化方式,可用于直观地展示单一指标的数据。本文介绍了如何开始使用 Pyecharts 创建基本的仪表图,并演示了如何定制和美化它以适应我们的需求。通过深入了解 Pyecharts 的功能和选项,我们可以创建令人印象深刻的仪表图,从而更好地传达和分享数据分析的结果。开始使用 Pyecharts,让数据更具有说服力和吸引力!

领取更多人工智能学习资料,请点击!

你可能感兴趣的:(数据可视化,Python基础语法,信息可视化,python,数据分析)