天天看點

Python資料可視化——pyecharts可視化(一)

散點圖:

from pyecharts.charts import *
import numpy as np
import pyecharts.options as opt

x = np.linspace(0,2*np.pi,50)
y = np.sin(x)
y2 = np.cos(x)
# 散點圖
(Scatter(init_opts=opt.InitOpts(width='620px',height='320px'))
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='sin',y_axis=y)
    .add_yaxis(series_name='cos',y_axis=y2,label_opts=opt.LabelOpts(is_show=False))
).render_notebook()
           
Python資料可視化——pyecharts可視化(一)

線圖:

# 線圖
(Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='sin',y_axis=y,label_opts=opt.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opt.TitleOpts(title='曲線'),  # 設定标題
                    tooltip_opts=opt.TooltipOpts(axis_pointer_type='cross')
                    )    # 全局設定,
).render_notebook()
           

Python資料可視化——pyecharts可視化(一)

餅圖、環圖、玫瑰圖:

# 餅圖
num = [110, 136, 108, 48, 111, 112, 103]
lab = ['哈士奇', '薩摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']
(Pie(init_opts=opt.InitOpts(width='520px',height='262px'))
    .add(series_name='',data_pair=[(i,j) for i,j in zip(lab,num)])
).render_notebook()
           

Python資料可視化——pyecharts可視化(一)

# 環圖
(Pie(init_opts=opt.InitOpts(width='720px',height='320px'))
    .add(series_name='',data_pair=[(i,j) for i,j in zip(lab,num)],radius=['40%','75%'])  # 40%是内半徑,75%是外半徑
).render_notebook()
           

Python資料可視化——pyecharts可視化(一)
Python資料可視化——pyecharts可視化(一)

# 玫瑰圖
(Pie(init_opts=opt.InitOpts(width='720px',height='320px'))
    .add(series_name='',data_pair=[(i,j) for i,j in zip(lab,num)],rosetype='radius')  
).render_notebook()
           
Python資料可視化——pyecharts可視化(一)
Python資料可視化——pyecharts可視化(一)
Python資料可視化——pyecharts可視化(一)

直方圖:

# 直方圖
num = [110, 136, 108, 48, 111, 112, 103]
num2 = [90, 110, 101, 70, 90, 120, 99]
lab = ['哈士奇', '薩摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']
(Bar()
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='一',yaxis_data=num)
    .add_yaxis(series_name='二',yaxis_data=num2)
    .set_global_opts(title_opts=opt.TitleOpts(title='犬類資料對比',subtitle='一和二'))  # 主标題和副标題
).render_notebook()
           
Python資料可視化——pyecharts可視化(一)

Python資料可視化——pyecharts可視化(一)

并行多圖:

# 并行多圖
x = np.linspace(0,2*np.pi,40)
y = np.sin(x)

lines = (
    Line()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='',y_axis=y,label_opts=opt.LabelOpts(is_show=False))
)
points = (
    Scatter()
    .add_xaxis(xaxis_data=x)
    .add_yaxis(series_name='',y_axis=y,label_opts=opt.LabelOpts(is_show=False))
)
(
    Grid(init_opts=opt.InitOpts(width='620px',height='320px'))
    .add(points,grid_opts=opt.GridOpts(pos_bottom='60%'))
    .add(lines,grid_opts=opt.GridOpts(pos_top='60%'))
).render_notebook()
           
Python資料可視化——pyecharts可視化(一)
# 兩個圖畫在同一個圖表上
num = [110, 136, 108, 48, 111, 112, 103]
num2 = [90, 110, 101, 70, 90, 120, 99]
lab = ['哈士奇', '薩摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']
bar = (
    Bar(init_opts=opt.InitOpts(width='720px',height='320px'))
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='',yaxis_data=num)
)
lines = (
    Line()
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='',y_axis=num,label_opts=opt.LabelOpts(is_show=False))
)
bar.overlap(lines).render_notebook()
           
Python資料可視化——pyecharts可視化(一)

繼續閱讀