绘制pyecharts的三种方式(1.0+版本)

简介: 笔记

第一种:生成HTML文件


柱形图为例

# 导入柱状图-Bar
from pyecharts.charts import Bar
from pyecharts import options as opts
# 设置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
# 设置列数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [1.2,3.4,5.4,3.3,4.3,5.6,76.8,54.5,5,4,7.6,4.7]
# bar是实例对象
bar = Bar()
# x轴数据
bar.add_xaxis(xaxis_data=columns)
# 第一个参数是图例名称,第二个参数是y轴数据
bar.add_yaxis(series_name= "平台A",yaxis_data=data1)
bar.add_yaxis(series_name="平台B",yaxis_data=data2)
# 设置表的名称
bar.set_global_opts(title_opts=opts.TitleOpts(title='不同平台分析表'))
# x轴和y轴转换
# bar.reversal_axis()
# 生成html文件
bar.render('first_bar.html')

运行效果

18.png


第二种:内嵌展示


在jupyter notebook中,通过内嵌展示可以直接显示出来

# 导入柱状图-Bar
from pyecharts.charts import Bar
from pyecharts import options as opts
# 设置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
# 设置列数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [1.2,3.4,5.4,3.3,4.3,5.6,76.8,54.5,5,4,7.6,4.7]
# bar是实例对象
bar = Bar()
# x轴数据
bar.add_xaxis(xaxis_data=columns)
# 第一个参数是图例名称,第二个参数是y轴数据
bar.add_yaxis(series_name= "平台A",yaxis_data=data1)
bar.add_yaxis(series_name="平台B",yaxis_data=data2)
# 设置表的名称
bar.set_global_opts(title_opts=opts.TitleOpts(title='不同平台分析表'))
# jupyter内嵌展示
bar.render_notebook()

运行结果一样


第三种:生成图片文件


在生成图片之前需要两件事情

1.安装软件

pip install snapshot_selenium

采用chromedriver进行图片操作


2.配置环境变量

将chromedriver驱动放到PATHua环境变量下

见链接:

https://blog.csdn.net/shenfuli/article/details/94401967

from snapshot_selenium import snapshot as driver
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
def bar_chart() ->Bar:
    # 设置行名
    columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
    # 设置列数据
    data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
    data2 = [1.2, 3.4, 5.4, 3.3, 4.3, 5.6, 76.8, 54.5, 5, 4, 7.6, 4.7]
    # bar是实例对象
    c = Bar()
    # x轴数据
    c.add_xaxis(xaxis_data=columns)
    # 第一个参数是图例名称,第二个参数是y轴数据
    c.add_yaxis(series_name="平台A", yaxis_data=data1)
    c.add_yaxis(series_name="平台B", yaxis_data=data2)
    # 设置表的名称
    c.set_global_opts(title_opts=opts.TitleOpts(title='不同平台分析表'))
    return c
c = bar_chart()
make_snapshot(driver,c.render(),"first.png")

运行结果

19.png


相关文章
|
数据可视化 Python
【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码
【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码
210 0
python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)
python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)
952 0
python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)
|
2月前
|
JavaScript 数据可视化 索引
用 Python 轻松绘制动态条形图
用 Python 轻松绘制动态条形图
31 1
|
6月前
使用Plotly库创建图形的使用案例
【4月更文挑战第29天】导入plotly.express库,以iris数据集为例,展示如何创建图形。使用px.density_contour绘制密度轮廓图或px.scatter创建极坐标图,其中"x","y"定义坐标,"theta"定义极坐标的半径。最后通过fig.show显示图形。 ```
36 2
|
6月前
|
Python
使用Seaborn库创建图形的使用案例
【4月更文挑战第29天】该代码段首先导入seaborn和matplotlib库,然后加载名为"titanic"的数据集。接着,它创建一个画布并设定子图大小。通过seaborn的FacetGrid以"Attrition_Flag"为列进行分组,映射数据到网格上,用histplot展示"Customer_Age"的直方图分布。同样,也使用boxplot方法生成"Freq"的箱线图。最后展示所有图形。
29 2
|
6月前
|
数据可视化 Python
使用pyecharts库绘制柱状图:基础与进阶
使用pyecharts库绘制柱状图:基础与进阶
143 0
|
数据可视化
绘图系列|R-VennDiagram包绘制韦恩图
绘图系列|R-VennDiagram包绘制韦恩图
229 0
python 绘图基础--如何绘制多个的子图 and 封装绘图函数(提高绘图效率)
一般来说,我们研究分析一些海温或者降水等要素的的变化规律时,通常会进行季节特征变化分析,这就需要我们绘制不同季节的空间分布图来进行分析,这就需要我们掌握子图的绘制方法。
python 绘图基础--如何绘制多个的子图 and 封装绘图函数(提高绘图效率)
|
数据可视化 Python
如何使用matplotlib绘制动态柱状图-python
如何使用matplotlib绘制动态柱状图-python
如何使用matplotlib绘制动态柱状图-python