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
|
15天前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!
|
14天前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
2天前
|
Unix Linux 程序员
[oeasy]python053_学编程为什么从hello_world_开始
视频介绍了“Hello World”程序的由来及其在编程中的重要性。从贝尔实验室诞生的Unix系统和C语言说起,讲述了“Hello World”作为经典示例的起源和流传过程。文章还探讨了C语言对其他编程语言的影响,以及它在系统编程中的地位。最后总结了“Hello World”、print、小括号和双引号等编程概念的来源。
96 80
|
4天前
|
Python
Python Internet 模块
Python Internet 模块。
100 74
|
22天前
|
算法 数据安全/隐私保护 开发者
马特赛特旋转算法:Python的随机模块背后的力量
马特赛特旋转算法是Python `random`模块的核心,由松本真和西村拓士于1997年提出。它基于线性反馈移位寄存器,具有超长周期和高维均匀性,适用于模拟、密码学等领域。Python中通过设置种子值初始化状态数组,经状态更新和输出提取生成随机数,代码简单高效。
104 63
|
21天前
|
存储 索引 Python
Python编程数据结构的深入理解
深入理解 Python 中的数据结构是提高编程能力的重要途径。通过合理选择和使用数据结构,可以提高程序的效率和质量
133 59
|
1天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
12 2
|
14天前
|
小程序 开发者 Python
探索Python编程:从基础到实战
本文将引导你走进Python编程的世界,从基础语法开始,逐步深入到实战项目。我们将一起探讨如何在编程中发挥创意,解决问题,并分享一些实用的技巧和心得。无论你是编程新手还是有一定经验的开发者,这篇文章都将为你提供有价值的参考。让我们一起开启Python编程的探索之旅吧!
40 10
|
17天前
|
机器学习/深度学习 人工智能 Java
Python 语言:强大、灵活与高效的编程之选
本文全面介绍了 Python 编程语言,涵盖其历史、特点、应用领域及核心概念。从 1989 年由 Guido van Rossum 创立至今,Python 凭借简洁的语法和强大的功能,成为数据科学、AI、Web 开发等领域的首选语言。文章还详细探讨了 Python 的语法基础、数据结构、面向对象编程等内容,旨在帮助读者深入了解并有效利用 Python 进行编程。
|
16天前
|
机器学习/深度学习 人工智能 数据挖掘
探索Python编程的奥秘
在数字世界的海洋中,Python如同一艘灵活的帆船,引领着无数探险者穿梭于数据的波涛之中。本文将带你领略Python编程的魅力,从基础语法到实际应用,一步步揭开Python的神秘面纱。
37 12