实用工具 | 一款丰富强大的Python绘图工具

简介: Python受欢迎的主要原因之一就是它丰富的工具包,画图是我们在开发过程中非常常见的一种场景,因此,画图工具自然不胜枚举。其中,比较知名的就是matplotlib[1],它可以覆盖我们日常工作中大多数场景。但是,它自身也有诸多弊端,例如,对新手不够友好、多图展示和离线查看比较麻烦。本文就来介绍一下另一款强大的Python画图工具--pyecharts,它可以作为matplotlib的有力补充。

前言

可视化是一种给人最直观感受的方式,当我们做数据分析、算法验证、效果展示时,绘图就成了一种非常有必要的手段。就如同,我们要看近几个月的股票走势,当看到成千上百个连续数据点时,很难从中发掘出什么规律,但是,当把它按照一定维度绘制出来,就能对股票的走势一目了然。提到Python绘图,很多人第一时间会想到matplotlib,的确,它是Python中使用最多、应用最为广泛的一款Python工具包。但是,在使用matplotlib的过程中我也感受到了一些让我觉得不足的场景:

多图展示离线查看动态效果图像种类

多图展示

当我需要把多张数据结果在同一个画布上展示出来时,就需要结合循环、subplotlib等方式,而且需要代码冗长,另外,最为重要的是当展示在同一张画布时灵活度较小,而且图像大小会受到一定局限。

离线查看

在有些时候,使用matplotlib绘图,窗口会随着程序的终止而自动销毁,虽然可以借助matplotlib中保存图像的函数解决问题,但是保存后会损失掉原图像中的部分信息,例如,动态效果。

动态效果

有些时候需要绘制三维等复杂图像,或者自带动态效果的图像,由于matplotlib的UI是基于比较老的tkinter开发的,所以,会出现明显的卡顿和不流畅现象。

图像种类

matplotlib能够满足我们日常工作中大多数场景,它包含柱状图、散点图、折线图等等,能够满足大多数数据分析的场景。但是在一些特殊场景却捉襟见肘,例如,地图、仪表盘、水球图、词云图。

因此,本文就来介绍另一款强大的绘图工具pyecharts[2]。在介绍pyecharts之前首先来了解一下Echarts。

Echarts

技术栈中和可视化最为密切的应该就数JavaScript了,当我们浏览网页、使用基于js开发的分发工具时,会被它的可视化效果惊艳到,因此,能够利用JavaScript开发一款图表工具?Echarts的回答是肯定的。ECharts,缩写来自 Enterprise Charts,即为商业级数据图表,是百度的一个开源的数据可视化工具。能够同时在PC 端和移动设备上流畅运行,不仅支持丰富的绘图方式,而且可以使用拖拽、旋转等交互操作,它同时具备如下多项优点:

支持种类多开源免费使用简单兼容性好

15.png

因此,一经开源便备受欢迎。看到Echarts如此好用,有人就会想是否可以把它迁移到Python上面? 答案是肯定的,Pyecharts就此应运而生,它把使用体验非常优秀的Echarts带入到Python中,下面就来看一下这款在JS中备受欢迎的图表工具在Python中如何使用。

Pyecharts

Pyecharts最初吸引我尝试的原因就是它优秀的交互性,它能够轻松的绘制出不同种类的图表,然后存储成html格式文件,当我们需要查看图表时,我们可以随时用任何一款浏览器打开html文件查看图表,在html文件中,它可以同时保存多幅图像,此外,还可以保留原图中的所有信息,此外,使用html存储图像信息还有一个非常显著的优点就是轻量化,因为这些原因,当我看到Pyecharts第一眼就被它惊艳到了。

当使用一段时间Pyecharts之后发现了它更多让人内心舒适的优点:

简洁的 API 设计,使用如丝滑般流畅,支持链式调用囊括了 30+ 种常见图表,应有尽有支持主流 Notebook 环境,Jupyter Notebook 和 JupyterLab可轻松集成至 Flask,Sanic,Django 等主流 Web 框架高度灵活的配置项,可轻松搭配出精美的图表详细的文档和示例,帮助开发者更快的上手项目多达 400+ 地图文件,并且支持原生百度地图,为地理数据可视化提供强有力的支持

下面就来讲一下Pyecharts的使用方式。

安装

pip安装:

# 安装 v1 以上版本
$ pip install pyecharts -U
# 如果需要安装 0.5.11 版本的开发者,可以使用
$ pip install pyecharts==0.5.11

使用

下面以一个示例来解释一下Pyecharts的使用。

from pyecharts.charts import Bar
from pyecharts import options as opts
bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
bar.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
bar.render()

上述示例中就是Pyecharts的使用流程,

导入图表类,例如,柱状图等。添加数据调用render生成html文件

执行上述程序,会在项目路径下生成一个html文件,用浏览器打开这个html文件就可以看到对应的图表,


16.gif


除此之外,还可以用于绘制如下图表,

地图

17.gif

仪表盘

18.png

盒形图

19.gif

漏斗图

20.gif

30+ 种常见图表。

此外,还可以将多个图表通过布局的方式整合在同一个html中,方便查看和对比。


相关文章
|
2天前
|
JavaScript 前端开发 Android开发
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
34 13
【03】仿站技术之python技术,看完学会再也不用去购买收费工具了-修改整体页面做好安卓下载发给客户-并且开始提交网站公安备案-作为APP下载落地页文娱产品一定要备案-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
|
4天前
|
数据采集 JavaScript Android开发
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
29 7
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
|
4天前
|
JavaScript 搜索推荐 Android开发
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
23 8
【01】仿站技术之python技术,看完学会再也不用去购买收费工具了-用python扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-客户的麻将软件需要下载落地页并且要做搜索引擎推广-本文用python语言快速开发爬取落地页下载-优雅草卓伊凡
|
1月前
|
测试技术 数据库 Python
Python装饰器实战:打造高效性能计时工具
在数据分析中,处理大规模数据时,分析代码性能至关重要。本文介绍如何使用Python装饰器实现性能计时工具,在不改变现有代码的基础上,方便快速地测试函数执行时间。该方法具有侵入性小、复用性强、灵活度高等优点,有助于快速发现性能瓶颈并优化代码。通过设置循环次数参数,可以更准确地评估函数的平均执行时间,提升开发效率。
106 61
Python装饰器实战:打造高效性能计时工具
|
1月前
|
数据可视化 算法 数据挖掘
Python时间序列分析工具Aeon使用指南
**Aeon** 是一个遵循 scikit-learn API 风格的开源 Python 库,专注于时间序列处理。它提供了分类、回归、聚类、预测建模和数据预处理等功能模块,支持多种算法和自定义距离度量。Aeon 活跃开发并持续更新至2024年,与 pandas 1.4.0 版本兼容,内置可视化工具,适合数据探索和基础分析任务。尽管在高级功能和性能优化方面有提升空间,但其简洁的 API 和完整的基础功能使其成为时间序列分析的有效工具。
80 37
Python时间序列分析工具Aeon使用指南
|
1月前
|
存储 算法 Serverless
剖析文件共享工具背后的Python哈希表算法奥秘
在数字化时代,文件共享工具不可或缺。哈希表算法通过将文件名或哈希值映射到存储位置,实现快速检索与高效管理。Python中的哈希表可用于创建简易文件索引,支持快速插入和查找文件路径。哈希表不仅提升了文件定位速度,还优化了存储管理和多节点数据一致性,确保文件共享工具高效运行,满足多用户并发需求,推动文件共享领域向更高效、便捷的方向发展。
|
2月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
87 8
|
2月前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
565 7
|
23天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
58 5
Python高性能编程:五种核心优化技术的原理与Python代码
|
2月前
|
Python
[oeasy]python055_python编程_容易出现的问题_函数名的重新赋值_print_int
本文介绍了Python编程中容易出现的问题,特别是函数名、类名和模块名的重新赋值。通过具体示例展示了将内建函数(如`print`、`int`、`max`)或模块名(如`os`)重新赋值为其他类型后,会导致原有功能失效。例如,将`print`赋值为整数后,无法再用其输出内容;将`int`赋值为整数后,无法再进行类型转换。重新赋值后,这些名称失去了原有的功能,可能导致程序错误。总结指出,已有的函数名、类名和模块名不适合覆盖赋新值,否则会失去原有功能。如果需要使用类似的变量名,建议采用其他命名方式以避免冲突。
52 14

热门文章

最新文章

推荐镜像

更多