pyecharts第五节、关系图

简介: pyecharts第五节、关系图

需要安装pyecharts


pip install pyecharts -U


image.png

创建【demo5.py】测试类


image.png

image.png



输入以下编码:


from pyecharts import options
from pyecharts.charts import Graph
nodes = [
    {"name": "星光点1", "symbolSize": 30},
    {"name": "暗影星2", "symbolSize": 30},
    {"name": "光芒星3", "symbolSize": 30},
    {"name": "闪耀星4", "symbolSize": 30},
    {"name": "纵横星5", "symbolSize": 30},
    {"name": "智慧星6", "symbolSize": 30}
]
links = []
for i in nodes:
    for j in nodes:
        links.append({"source": i.get("name"), "target": j.get("name")})
g = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=options.TitleOpts(title="六星光芒阵演示"))
    .render("guangmang.html")
)


执行:


image.png


打开生成文件:

image.png

image.png



效果图如下:


image.png


希望能对大家有所帮助。


相关文章
|
2月前
|
JSON JavaScript Linux
绘图框架 plotly 知识点补充(绘制子图,图表保存)
绘图框架 plotly 知识点补充(绘制子图,图表保存)
60 13
|
6月前
|
数据可视化 数据挖掘
Seaborn中的分类图:直观展示分类数据的差异
【4月更文挑战第17天】Seaborn是数据分析中的利器,尤其在展示分类数据差异方面。本文介绍了5种主要图表类型:1) 使用`barplot`创建条形图,便于比较不同分类的数值差异;2) `boxplot`生成箱线图,展示数据分布和离散程度;3) `stripplot`和`swarmplot`显示单个观测值分布,理解分类内变异性和差异;4) `scatterplot`结合`hue`参数,呈现分类在连续变量关系中的差异;5) 自定义分类图,调整样式以满足特定需求。通过这些图表,可以更深入地分析和传达分类数据的特性。
|
6月前
|
数据可视化 数据挖掘
Seaborn中的关系图:探索变量之间的关联
【4月更文挑战第17天】Seaborn库助力探索变量间关联,提供散点图、箱形图、条形图、计数图、热力图和相关图等工具。散点图用于连续变量关系,箱形图展示数值变量分布,条形图对比类别与数值变量,计数图显示类别频率,热力图揭示两类变量交叉表,相关图则呈现多变量两两相关性。选择合适图表能提升数据分析效果。
|
6月前
|
数据可视化
Tableau可视化设计案例-03基本表、树形图、气泡图、词云
Tableau可视化设计案例-03基本表、树形图、气泡图、词云
|
数据可视化 算法 Python
Python如何使用Networkx实现复杂的人物关系图?
Python如何使用Networkx实现复杂的人物关系图?
180 0
pyecharts第六节、水球图
pyecharts第六节、水球图
97 0
pyecharts第六节、水球图
pyecharts第四节、漏斗图
pyecharts第四节、漏斗图
164 0
pyecharts第四节、漏斗图
pyecharts第七节、词云图
pyecharts第七节、词云图
126 0
pyecharts第七节、词云图
pyecharts第八节、雷达图
pyecharts第八节、雷达图
167 0
pyecharts第八节、雷达图
pyecharts第九节、旭日图(现代饼图)
pyecharts第九节、旭日图(现代饼图)
405 0
pyecharts第九节、旭日图(现代饼图)