pyecharts模块的几个经典案例(python经典编程案例)

简介: 文章提供了多个使用pyecharts模块创建数据可视化的Python编程案例,展示如何生成各种类型的图表并进行定制化设置。

一. pyecharts概述

pyecharts是基于ECharts图表库开发的python第三方模块。
ECharts是一个纯JavaScript的商业级图表库,兼容当前绝大部分浏览器,能够创建类型丰富,精美生动,可交互,可高度个性化定制的数据可视化效果。
安装:pip3 install pyecharts

二. 案例

2.1 图表配置项

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

x = ['连衣裙', '短裤', '运动套装', '牛仔裤', '针织衫', '半身裙', '衬衫', '阔腿裤', '打底裤']
y1 = [36, 56, 60, 78, 90, 20, 50, 70, 10]
y2 = [16, 30, 50, 90, 45, 10, 60, 54, 40]
chart = Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))
chart.add_xaxis(x)
chart.add_yaxis('分店A', y1)
chart.add_yaxis('分店B', y2)
chart.set_global_opts(title_opts=opts.TitleOpts(title='产品销售额对比图', pos_left='left'),
                      yaxis_opts=opts.AxisOpts(name='销售业绩(元)', name_location='end'),
                      xaxis_opts=opts.AxisOpts(name='产品', name_location='end'),
                      tooltip_opts=opts.TooltipOpts(is_show=True, formatter='{a}<br/>{b}:{c}', background_color='black', border_width=15),
                      legend_opts=opts.LegendOpts(is_show=False),
                      toolbox_opts=opts.ToolboxOpts(is_show=True, orient='horizontal'),
                      visualmap_opts=opts.VisualMapOpts(is_show=True, type_='color', min_=0, max_=100, orient='vertical'),
                      datazoom_opts=opts.DataZoomOpts(is_show=True, type_='slider'))
chart.render('图表配置项.html')

2.2 绘制漏斗图

import pyecharts.options as opts
from pyecharts.charts import Funnel
x = ['浏览商品', '放入购物车', '生成订单', '支付订单', '完成交易']
y = [1000, 900, 400, 360, 320]
data = [i for i in zip(x, y)]
chart = Funnel()
chart.add(series_name='人数', data_pair=data, label_opts=opts.LabelOpts(is_show=True, position='inside'), tooltip_opts=opts.TooltipOpts(trigger='item', formatter='{a}:{c}'))
chart.set_global_opts(title_opts=opts.TitleOpts(title='电商网站流量转化漏斗图', pos_left='center'), legend_opts=opts.LegendOpts(is_show=False))
chart.render('漏斗图.html')

import pyecharts.options as opts
from pyecharts.charts import Funnel
x = ['浏览商品', '放入购物车', '生成订单', '支付订单', '完成交易']
y = [1000, 900, 400, 360, 320]
data = [i for i in zip(x, y)]
chart = Funnel()
chart.add(series_name='人数', data_pair=data, sort_='ascending', gap=15, label_opts=opts.LabelOpts(is_show=True, position='inside'), tooltip_opts=opts.TooltipOpts(trigger='item', formatter='{a}:{c}'))
chart.set_global_opts(title_opts=opts.TitleOpts(title='电商网站流量转化漏斗图', pos_left='center'), legend_opts=opts.LegendOpts(is_show=False))
chart.render('漏斗图.html')

2.3 绘制涟漪特效散点图

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import EffectScatter
data = pd.read_excel('客户购买力统计表.xlsx')
x = data['年龄'].tolist()
y = data['消费金额(元)'].tolist()
chart = EffectScatter()
chart.add_xaxis(x)
chart.add_yaxis(series_name='年龄,消费金额(元)', y_axis=y,
                label_opts=opts.LabelOpts(is_show=False),
                symbol_size=15)
chart.set_global_opts(title_opts=opts.TitleOpts(title='客户购买力散点图'),
                      yaxis_opts=opts.AxisOpts(type_='value', name='消费金额(元)', name_location='middle', name_gap=40),
                      xaxis_opts=opts.AxisOpts(type_='value', name='年龄', name_location='middle', name_gap=40),
                      tooltip_opts=opts.TooltipOpts(trigger='item', formatter='{a}:{c}'))
chart.render('涟漪特效散点图.html')

2.4 绘制水球图


import pyecharts.options as opts
from pyecharts.charts import Liquid
a = 68
t = 100
chart = Liquid()
chart.add(series_name = '商品A', data = [a / t])
chart.set_global_opts(title_opts = opts.TitleOpts(title = '产品销售业绩达成率', pos_left = 'center'))
chart.render('水球图.html')

import pyecharts.options as opts
from pyecharts.charts import Liquid
a = 68
t = 100
chart = Liquid()
chart.add(series_name = '商品A', data = [a / t], shape = 'rect')
chart.set_global_opts(title_opts = opts.TitleOpts(title = '产品销售业绩达成率', pos_left = 'center'))
chart.render('水球图.html')

import pyecharts.options as opts
from pyecharts.charts import Liquid
a1 = 68
a2 = 120
a3 = 37
t = 100
chart = Liquid()
chart.set_global_opts(title_opts=opts.TitleOpts(title='产品销售业绩达成率', pos_left='center'))
chart.add(series_name='商品A', data=[a1 / t], center=['20%', '50%'])
chart.add(series_name='商品B', data=[a2 / t], center=['50%', '50%'])
chart.add(series_name='商品C', data=[a3 / t], center=['80%', '50%'])
chart.render('水球图.html')

2.5 绘制仪表盘

import pyecharts.options as opts
from pyecharts.charts import Gauge
chart = Gauge()
chart.add(series_name = '业务指标', data_pair = [('完成率', '62.25')], split_number = 10, radius = '80%', title_label_opts = opts.LabelOpts(font_size = 30, color = 'red', font_family = 'Microsoft YaHei'))
chart.set_global_opts(legend_opts = opts.LegendOpts(is_show = False), tooltip_opts = opts.TooltipOpts(is_show = True, formatter = '{a}<br/>{b}:{c}%'))
chart.render('仪表盘.html')

2.6 绘制词云图

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import WordCloud
data = pd.read_excel('电影票房统计.xlsx')
name = data['电影名称']
value = data['总票房(亿元)']
data1 = [z for z in zip(name, value)]
chart = WordCloud()
chart.add('总票房(亿元)', data_pair = data1, word_size_range = [6, 66])
chart.set_global_opts(title_opts=opts.TitleOpts(title = '电影票房分析', title_textstyle_opts = opts.TextStyleOpts(font_size = 30)), tooltip_opts = opts.TooltipOpts(is_show = True))
chart.render('词云图.html')

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import WordCloud
data = pd.read_excel('电影票房统计.xlsx')
name = data['电影名称']
value = data['总票房(亿元)']
data1 = [z for z in zip(name, value)]
chart = WordCloud()
chart.add('总票房(亿元)', data_pair = data1, shape = 'star', word_size_range = [6, 66])
chart.set_global_opts(title_opts=opts.TitleOpts(title = '电影票房分析', title_textstyle_opts = opts.TextStyleOpts(font_size = 30)), tooltip_opts = opts.TooltipOpts(is_show = True))
chart.render('词云图.html')

2.7 绘制K线图

import tushare as ts
data = ts.get_k_data('000005', start = '2010-01-01', end = '2020-01-01')
print(data.head())
data.to_excel('股价数据.xlsx', index = False)
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Kline
data = pd.read_excel('股价数据.xlsx')
x = list(data['date'])
open = data['open']
close = data['close']
lowest = data['low']
highest = data['high']
y = [list(z) for z in zip(open, close, lowest, highest)]
chart = Kline()
chart.add_xaxis(x)
chart.add_yaxis('股价', y)
chart.set_global_opts(xaxis_opts = opts.AxisOpts(is_scale = True),
                      yaxis_opts = opts.AxisOpts(is_scale = True,
                                                 splitarea_opts = opts.SplitAreaOpts(is_show = True,
                                                                                     areastyle_opts = opts.AreaStyleOpts(opacity = 1))),
                      datazoom_opts = [opts.DataZoomOpts(type_ = 'inside')],
                      title_opts = opts.TitleOpts(title = '股价走势图'))
chart.render('K线图.html')
相关文章
|
1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!
|
1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。
|
3天前
|
设计模式 算法 搜索推荐
Python编程中的设计模式:优雅解决复杂问题的钥匙####
本文将探讨Python编程中几种核心设计模式的应用实例与优势,不涉及具体代码示例,而是聚焦于每种模式背后的设计理念、适用场景及其如何促进代码的可维护性和扩展性。通过理解这些设计模式,开发者可以更加高效地构建软件系统,实现代码复用,提升项目质量。 ####
|
3天前
|
Python
在Python中,可以使用内置的`re`模块来处理正则表达式
在Python中,可以使用内置的`re`模块来处理正则表达式
12 5
|
2天前
|
机器学习/深度学习 存储 算法
探索Python编程:从基础到高级应用
【10月更文挑战第38天】本文旨在引导读者从Python的基础知识出发,逐渐深入到高级编程概念。通过简明的语言和实际代码示例,我们将一起探索这门语言的魅力和潜力,理解它如何帮助解决现实问题,并启发我们思考编程在现代社会中的作用和意义。
|
1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!
|
3天前
|
机器学习/深度学习 数据挖掘 开发者
Python编程入门:理解基础语法与编写第一个程序
【10月更文挑战第37天】本文旨在为初学者提供Python编程的初步了解,通过简明的语言和直观的例子,引导读者掌握Python的基础语法,并完成一个简单的程序。我们将从变量、数据类型到控制结构,逐步展开讲解,确保即使是编程新手也能轻松跟上。文章末尾附有完整代码示例,供读者参考和实践。
|
3天前
|
人工智能 数据挖掘 程序员
Python编程入门:从零到英雄
【10月更文挑战第37天】本文将引导你走进Python编程的世界,无论你是初学者还是有一定基础的开发者,都能从中受益。我们将从最基础的语法开始讲解,逐步深入到更复杂的主题,如数据结构、面向对象编程和网络编程等。通过本文的学习,你将能够编写出自己的Python程序,实现各种功能。让我们一起踏上Python编程之旅吧!
|
4天前
|
数据采集 机器学习/深度学习 人工智能
Python编程入门:从基础到实战
【10月更文挑战第36天】本文将带你走进Python的世界,从基础语法出发,逐步深入到实际项目应用。我们将一起探索Python的简洁与强大,通过实例学习如何运用Python解决问题。无论你是编程新手还是希望扩展技能的老手,这篇文章都将为你提供有价值的指导和灵感。让我们一起开启Python编程之旅,用代码书写想法,创造可能。
|
6天前
|
Python
不容错过!Python中图的精妙表示与高效遍历策略,提升你的编程艺术感
本文介绍了Python中图的表示方法及遍历策略。图可通过邻接表或邻接矩阵表示,前者节省空间适合稀疏图,后者便于检查连接但占用更多空间。文章详细展示了邻接表和邻接矩阵的实现,并讲解了深度优先搜索(DFS)和广度优先搜索(BFS)的遍历方法,帮助读者掌握图的基本操作和应用技巧。
22 4