软件测试|Python数据可视化神器——pyecharts教程(四)

简介: 软件测试|Python数据可视化神器——pyecharts教程(四)

前言

我们之前使用pyecharts绘制了柱状图,绘制了叠加柱状图,绘制了地理信息图,还绘制了饼状图,本篇文章我们主要讲解绘制双y轴的图形绘制。

柱状图&折线图

日常工作中,当我们分析一个具体数据的增长趋势时,仅仅看量的变化并不能很直观很真实的看到趋势,我们还需要看到百分比的变化,但是绘制两个图的化,又不能很好的结合来看,那我们可以把两个图合并到一起吗,当然可以。pyecharts支持我们绘制柱状图与折线图结合的图形。

我们以江西省近几年的GDP总量和GDP增速为例,绘制一个柱状图和折线图,代码如下:

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


x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data_1 = [18400, 20200, 22700, 24700, 25800, 29800, 32074]
y_data_2 = [9, 8.8, 8.7, 7.9, 3.8, 8.9, 4.7]



def bar_line_combine_with_two_axis():
    bar = Bar(init_opts=opts.InitOpts(theme='light',
                                      width='1000px',
                                      height='600px'))
    bar.add_xaxis(x_data)
    # 添加一个Y轴
    bar.extend_axis(yaxis=opts.AxisOpts())
    bar.add_yaxis('历年GDP(亿人民币)', y_data_1, yaxis_index=0)

    line = Line(init_opts=opts.InitOpts(theme='light',
                                        width='1000px',
                                        height='600px'))
    line.add_xaxis(x_data)
    # 将line数据通过yaxis_index指向后添加的Y轴
    line.add_yaxis('历年GDP增长率%', y_data_2, yaxis_index=1)

    bar.overlap(line)
    return bar


chart = bar_line_combine_with_two_axis()
chart.render_notebook()
chart.render()

生成的图像如下:
在这里插入图片描述
这样我们就完成了绘制柱状图与折线图双y轴图形的绘制。

双柱状图

很多时候我们除了看增长率,也会看增量,所以我们需要有总量和增量两个y轴,看增量的趋势。我们还是以江西省的GDP总量和增量数据来进行绘图。代码如下:

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


x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data_1 = [18400, 20200, 22700, 24700, 25800, 29800, 32074]
y_data_2 = [1600, 1800, 2500, 2000, 1100, 4000, 2274]

def bar_line_combine_with_two_axis():
    bar = Bar(init_opts=opts.InitOpts(theme='light',
                                      width='1000px',
                                      height='600px'))
    bar.add_xaxis(x_data)
    # 添加一个Y轴
    bar.extend_axis(yaxis=opts.AxisOpts())
    bar.add_yaxis('历年GDP(亿人民币)', y_data_1, yaxis_index=0)
    bar.add_yaxis('历年GDP增量(亿人民币)', y_data_2, yaxis_index=1)

    return bar


chart = bar_line_combine_with_two_axis()
chart.render_notebook()
chart.render()

绘制图表如下:

在这里插入图片描述

总结

本文主要介绍了使用pyecharts绘制双y轴图形的步骤,双y轴图形在我们工作中使用非常多,希望这篇文章能帮到大家!

相关文章
|
8天前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
17 1
|
9天前
|
Python
SciPy 教程 之 Scipy 显著性检验 6
显著性检验是统计学中用于判断样本与总体假设间是否存在显著差异的方法。SciPy的scipy.stats模块提供了执行显著性检验的工具,如T检验,用于比较两组数据的均值是否来自同一分布。通过ttest_ind()函数,可以获取两样本的t统计量和p值,进而判断差异是否显著。示例代码展示了如何使用该函数进行T检验并输出结果。
12 1
|
11天前
|
Python
SciPy 教程 之 Scipy 显著性检验 3
本教程介绍Scipy显著性检验,包括其基本概念、原理及应用。显著性检验用于判断样本与总体假设间的差异是否显著,是统计学中的重要工具。Scipy通过`scipy.stats`模块提供了相关功能,支持双边检验等方法。
19 1
|
10天前
|
Python
SciPy 教程 之 Scipy 显著性检验 5
显著性检验用于判断样本与总体假设间的差异是否由随机变异引起,或是假设与真实情况不符所致。SciPy通过scipy.stats模块提供显著性检验功能,P值用于衡量数据接近极端程度,与alpha值对比以决定统计显著性。
14 0
|
数据可视化 JavaScript 搜索推荐
Py之pyecharts:python包之数据可视化包pyecharts简介、安装、使用方法之详细攻略
Py之pyecharts:python包之数据可视化包pyecharts简介、安装、使用方法之详细攻略
Py之pyecharts:python包之数据可视化包pyecharts简介、安装、使用方法之详细攻略
|
5天前
|
存储 数据挖掘 开发者
Python编程入门:从零到英雄
在这篇文章中,我们将一起踏上Python编程的奇幻之旅。无论你是编程新手,还是希望拓展技能的开发者,本教程都将为你提供一条清晰的道路,引导你从基础语法走向实际应用。通过精心设计的代码示例和练习,你将学会如何用Python解决实际问题,并准备好迎接更复杂的编程挑战。让我们一起探索这个强大的语言,开启你的编程生涯吧!
|
11天前
|
机器学习/深度学习 人工智能 TensorFlow
人工智能浪潮下的自我修养:从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路,从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例,引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础,还将深入探讨深度学习的核心概念、工具和实战技巧,帮助读者在AI的浪潮中找到自己的位置。
|
11天前
|
机器学习/深度学习 数据挖掘 Python
Python编程入门——从零开始构建你的第一个程序
【10月更文挑战第39天】本文将带你走进Python的世界,通过简单易懂的语言和实际的代码示例,让你快速掌握Python的基础语法。无论你是编程新手还是想学习新语言的老手,这篇文章都能为你提供有价值的信息。我们将从变量、数据类型、控制结构等基本概念入手,逐步过渡到函数、模块等高级特性,最后通过一个综合示例来巩固所学知识。让我们一起开启Python编程之旅吧!
|
11天前
|
存储 Python
Python编程入门:打造你的第一个程序
【10月更文挑战第39天】在数字时代的浪潮中,掌握编程技能如同掌握了一门新时代的语言。本文将引导你步入Python编程的奇妙世界,从零基础出发,一步步构建你的第一个程序。我们将探索编程的基本概念,通过简单示例理解变量、数据类型和控制结构,最终实现一个简单的猜数字游戏。这不仅是一段代码的旅程,更是逻辑思维和问题解决能力的锻炼之旅。准备好了吗?让我们开始吧!
|
2天前
|
数据采集 存储 数据处理
Python中的多线程编程及其在数据处理中的应用
本文深入探讨了Python中多线程编程的概念、原理和实现方法,并详细介绍了其在数据处理领域的应用。通过对比单线程与多线程的性能差异,展示了多线程编程在提升程序运行效率方面的显著优势。文章还提供了实际案例,帮助读者更好地理解和掌握多线程编程技术。
下一篇
无影云桌面