AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Python pyecharts Bar图

2022-05-26 244
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 本篇博客主要是针对pyecharts的bar图的一些代码的实战与解释，都是一些对官网的bar图的理解。》》

一、简介


关于具体详情，请咨询：pyecharts官网


pyecharts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而Python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。Echarts是用JS来写的，而我们使用pyecharts则可以使用Python来调用里面的API。


优点：

  1. 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
  2. 囊括了 30+ 种常见图表，应有尽有
  3. 支持主流 Notebook环境，Jupyter Notebook 和 JupyterLab
  4. 可轻松集成至 Flask，Django 等主流 Web 框架
  5. 高度灵活的配置项，可轻松搭配出精美的图表
  6. 详细的文档和示例，帮助开发者更快的上手项目
  7. 多达 400+地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持。


二、整理数据


安装：

! pip install pyecharts


1、配置主题


更多相关主题》》直接在CSDN上面搜索即可。

Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) # 第一种
Bar({"theme": ThemeType.MACARONS}) # 第二种

51900faa72ba4a3ea34fe2e99f3368e4.png5c00bda45a294500b18acfb9cc0299bd.png


2、柱状图 Bar - Bar_base_dict_config


import os
from matplotlib import pyplot as plt 
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(list1)
    .add_yaxis("票价", list2, stack="stack1", category_gap="50%")
    .add_yaxis("人次", list3,   stack="stack1",category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        title_opts=opts.TitleOpts(title='中国电影票房',subtitle='按地区比较票价与人次')
    )
)
# c.render("cnbo1.html") # 生成html图片
# os.system("cnbo01.html")  # 执行完代码直接跳出来图片
c.render_notebook() # 直接在代码区域展示图片

588f8367e9f642dc95843990631ef77e.gif


3、样例数据 Faker.choose()


使用这段代码会随机调用系统的样例参数：

.add_xaxis(Faker.choose())

4a07d3ba3a7646e991c4d95c09b138af.png


from pyecharts.faker import Faker
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
    Bar({"theme": ThemeType.MACARONS})  ### 配置好看的图表主题！！！
    .add_xaxis(Faker.choose())    ### 这句话表示使用随机的后台样例数据
    .add_yaxis("票价", list2, stack="stack1", category_gap="50%")
    .add_yaxis("人次", list3,   stack="stack1",category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        title_opts={"text":"样例数据","subtext":"使用Faker.choose()"}
    )
)
c.render("cnbo1.html") # 生成html图片
# os.system("cnbo1.html")  # 执行完代码直接跳出来图片
c.render_notebook() # 直接在代码区域展示图片


4、滚动条 Bar - Bar_datazoom_slider


datazoom_opts=opts.DataZoomOpts()

表示可以滑动的滚动条：

list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(list1)
    .add_yaxis("票价", list2, stack="stack1", category_gap="50%")
    .add_yaxis("人次", list3,   stack="stack1",category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        title_opts=opts.TitleOpts(title='中国电影票房',subtitle='按地区比较票价与人次'),
         brush_opts=opts.BrushOpts() ,### 使用这个可以使图片的右上角多出来一些工具
        datazoom_opts=opts.DataZoomOpts(), ### 可以使最下面多出滚动条
    )
)
c.render("cnbo2.html") # 生成html图片
# os.system("cnbo01.html")  # 执行完代码直接跳出来图片
c.render_notebook() # 直接在代码区域展示图片

image.gif


5、鼠标移动效果 Bar - Bar_datazoom_inside


根据鼠标来放大与缩小的效果：

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
    Bar()
    .add_xaxis(Faker.days_attrs)
    .add_yaxis("商家A", Faker.days_values, color=Faker.rand_color())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Bar-DataZoom（inside）"),
        datazoom_opts=opts.DataZoomOpts(type_="inside"),
    )
    .render("bar_datazoom_inside.html")
)

bc65fa7f66fb4902858cadb83f9175ba.gif


6、显示最值 Bar - Bar_markpoint_type


list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.HALLOWEEN))
    .add_xaxis(list1)
    .add_yaxis("票价", list2, stack="stack1", category_gap="50%")
    .add_yaxis("人次", list3,   stack="stack1",category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        ),
        markpoint_opts=opts.MarkPointOpts( #########
            data=[
            opts.MarkPointItem(type_="max", name="最大值"),
            opts.MarkPointItem(type_="min", name="最小值"),
            opts.MarkPointItem(type_="average", name="平均值"),
        ]
           ),#########
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        title_opts=opts.TitleOpts(title='中国电影票房',subtitle='按地区比较票价与人次'),
         brush_opts=opts.BrushOpts() ,### 使用这个可以使图片的右上角多出来一些工具
        datazoom_opts=opts.DataZoomOpts(orient='vertical'), 
    )
)
c.render("cnbo2.html") # 生成html图片
# os.system("cnbo01.html")  # 执行完代码直接跳出来图片
c.render_notebook() # 直接在代码区域展示图片

29ffa426fd8845e09507fd2ef19fd9a8.png3498d73a3aad489eb8c932ebb892c23d.png


7、改变滚动条在侧面 Bar - Bar_datazoom_slider_vertical


list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
    .add_xaxis(list1)
    .add_yaxis("票价", list2, stack="stack1", category_gap="50%")
    .add_yaxis("人次", list3,   stack="stack1",category_gap="50%")
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        title_opts=opts.TitleOpts(title='中国电影票房',subtitle='按地区比较票价与人次'),
         brush_opts=opts.BrushOpts() ,### 使用这个可以使图片的右上角多出来一些工具
        datazoom_opts=opts.DataZoomOpts(orient='vertical'), 
    )
)
c.render("cnbo2.html") # 生成html图片
# os.system("cnbo01.html")  # 执行完代码直接跳出来图片
c.render_notebook() # 直接在代码区域展示图片

image.gif


8、多个Y轴


colors=['#5793f3','#d14a61','#675bba']
legend_list=['票房','人次','价格','评价']
list1=cnbodfsort['REGION'].tolist()
list2=cnbodfsort['PRICE'].tolist()
list3=cnbodfsort['PERSONS'].tolist()
list4=cnbodfsort['BO'].tolist()
list5=cnbodfsort['points'].tolist()
c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK,width="1600px",height="600px"))
    .add_xaxis(list1)
    .add_yaxis("评分", list5,yaxis_index=0,category_gap="50%",color=colors[2])
    .add_yaxis("票价", list2,yaxis_index=0,category_gap="50%",color=colors[0])
    .add_yaxis("人次", list3,yaxis_index=0,category_gap="50%",color=colors[1])
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="top",
            formatter=JsCode(
                "function(x){return Number(x.data).toFixed(2);}"
            ),
        ),
        markpoint_opts=opts.MarkPointOpts(
            data=[
            opts.MarkPointItem(type_="max", name="最大值"),
            opts.MarkPointItem(type_="min", name="最小值"),
            opts.MarkPointItem(type_="average", name="平均值"),
               ]
           ),
    )    
    .extend_axis(
    yaxis=opts.AxisOpts(
        name="票房",
        type_="value",
        min_=1000,
        max_=150000,
        interval=10000,
        position="right",
        axislabel_opts=opts.LabelOpts(formatter="{value} 万")
    )
    )
    .extend_axis(
    yaxis=opts.AxisOpts(
        name="评价",
        type_="value",
        min_=0,
        max_=11,
        interval=1,
        position="left",
        axislabel_opts=opts.LabelOpts(formatter="{value} 点"),
        axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(color=colors[2])
        ),
        splitline_opts=opts.SplitLineOpts(
            is_show=True,linestyle_opts=opts.LineStyleOpts(opacity=1)
        ),
        )
    )
        .set_global_opts(
            yaxis_opts=opts.AxisOpts(
                type_="value",
                name="票价",
                min_=10,
                max_=70,
                position="right",
                offset=80,
                axisline_opts=opts.AxisLineOpts(
                    linestyle_opts=opts.LineStyleOpts(color=colors[0])
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} 元"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        datazoom_opts=opts.DataZoomOpts(orient='vertical'),
        toolbox_opts=opts.ToolboxOpts(pos_left='120%'),
        legend_opts=opts.LegendOpts(is_show=False),
    )
 )
line = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="票房",
        yaxis_index=1,
        y_axis=list4,
        label_opts=opts.LabelOpts(is_show=False),
    )
)
c.render_notebook() # 直接在代码区域展示图片

双Y轴：f22a5e0ed6434802b8deeb105ee12638.gif


9、直方图 Bar - Bar_histogram


# Bar - Bar_histogram
from pyecharts.options.global_options import ThemeType
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
    Bar({"theme":ThemeType.DARK})
    .add_xaxis(cnboregiongb.index.tolist())
    .add_yaxis("数量", cnboregiongb.values.tolist(), category_gap=0, color=Faker.rand_color())
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方图"))
)
c.render_notebook()

1a06b207e8aa4227839d4fef5db568e1.png


文章标签：
JavaScript
Python
数据挖掘
数据处理
数据可视化
定位技术
API
开发者
关键词：
Python pyecharts
Python图
Python bar图
Python pyecharts图
渴望成为寂寞胜者
目录
相关文章
gudanhero2018
|
3月前
|
Python
pyecharts：一款python画图神器
pyecharts：一款python画图神器
gudanhero2018
48 0
数据知道
|
3月前
|
数据可视化 搜索推荐 JavaScript
pyecharts模块的几个经典案例（python经典编程案例）
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。
数据知道
117 0
程序员晚枫
|
5月前
|
存储 程序员 Python
小白也能用的代码！1行Python，把PPT转成1张长图
大家好，我是程序员晚枫。今天介绍`python-office`库的新功能：仅用1行Python代码将PPT转为单张长图。
程序员晚枫
87 11
小白也能用的代码！1行Python，把PPT转成1张长图
米码收割机
|
4月前
|
数据采集 数据可视化 数据挖掘
【python】python葡萄酒国家分布情况数据分析pyecharts可视化（源码+数据集+论文）【独一无二】
【python】python葡萄酒国家分布情况数据分析pyecharts可视化（源码+数据集+论文）【独一无二】
米码收割机
70 1
python编程狮
|
4月前
|
数据可视化 算法 前端开发
基于python flask+pyecharts实现的中药数据可视化大屏，实现基于Apriori算法的药品功效关系的关联规则
本文介绍了一个基于Python Flask和Pyecharts实现的中药数据可视化大屏，该系统应用Apriori算法挖掘中药药材与功效之间的关联规则，为中医药学研究提供了数据支持和可视化分析工具。
python编程狮
145 2
土木林森
|
4月前
|
前端开发 数据可视化 JavaScript
【揭秘神器】如何用Pyecharts轻松召唤出Echarts？只需几行Python代码，让你的数据瞬间生动起来！
【8月更文挑战第21天】Pyecharts是一款基于Python的图表生成库，利用Echarts强大的JavaScript可视化能力，让开发者无需编写前端代码即可在Python环境中创建美观图表。本文通过实例演示如何安装Pyecharts并生成一个展示城市气温分布的柱状图，包括基本图表生成及自定义样式设置，如颜色调整、图例显示等，最终将图表嵌入HTML文件展示，适合各水平开发者快速掌握数据可视化技能。
土木林森
62 0
东方睿赢
|
5月前
|
算法 Python
Python 大神修炼手册：图的深度优先&广度优先遍历，深入骨髓的解析
【7月更文挑战第12天】Python进阶必学：DFS和BFS图遍历算法。理解图概念，用邻接表建无向图，实现DFS和BFS。DFS适用于查找路径，BFS解决最短路径。通过实例代码加深理解，提升编程技能。
东方睿赢
47 4
龙大吉
|
5月前
|
算法 Python
逆袭之路！用 Python 玩转图的 DFS 与 BFS，让数据结构难题无处遁形
【7月更文挑战第12天】图的遍历利器：DFS 和 BFS。Python 中，图可表示为邻接表或矩阵。DFS 沿路径深入，回溯时遍历所有可达顶点，适合找路径和环。BFS 层次遍历，先近后远，解决最短路径问题。两者在迷宫、网络路由等场景各显神通。通过练习，掌握这些算法，图处理将游刃有余。
龙大吉
67 3
众所周知
|
5月前
|
存储 算法 Python
“解锁Python高级数据结构新姿势：图的表示与遍历，让你的算法思维跃升新高度
【7月更文挑战第13天】Python中的图数据结构用于表示复杂关系，通过节点和边连接。常见的表示方法是邻接矩阵（适合稠密图）和邻接表（适合稀疏图）。图遍历包括DFS（深度优先搜索）和BFS（广度优先搜索）：DFS深入探索分支，BFS逐层访问邻居。掌握这些技巧对优化算法和解决实际问题至关重要。**
众所周知
51 1
python编程狮
|
4月前
|
数据可视化 前端开发 JavaScript
基于python flask +pyecharts实现的气象数据可视化分析大屏
本文介绍了一个基于Python Flask和Pyecharts技术实现的气象数据可视化分析大屏，该系统通过图表展示气象数据，提供实时监测和数据分析功能，帮助用户和决策者进行有效应对措施的制定。
python编程狮
120 0

热门文章

最新文章

  • 1
    使用cProfile等工具来提高python的执行速度
  • 2
    3、Python与设计模式--建造者模式
  • 3
    Python天天美味(21) - httplib，smtplib
  • 4
    初学者必知的Python中优雅的用法
  • 5
    python学习笔记
  • 6
    推荐一些Python的内存分析工具。
  • 7
    Python爬虫系列9-非诚勿扰等婚恋网数据批量抓取！
  • 8
    Python爬虫之阳光电影爬虫
  • 9
    Python读取指定目录下的指定后缀文件名列表（批量读取）
  • 10
    LLDB中的Python脚本
  • 1
    Python 密码学实用指南（全）（2）
    38
  • 2
    【python】习题 6-10周（下）
    58
  • 3
    【python】习题 6-10周（中）
    66
  • 4
    Python 入门指南（七）（4）
    48
  • 5
    【python】习题 1-5周（中）
    88
  • 6
    【python】习题 1-5周（上）
    51
  • 7
    Python 入门指南（七）（2）
    57
  • 8
    Python 入门指南（七）（1）
    42
  • 9
    Python 入门指南（六）（4）
    28
  • 10
    Python 入门指南（六）（3）
    41

    • 相关课程

    更多
  • Python Web开发基础
  • Python开发基础入门
  • Python常用数据科学库
  • Python网络爬虫实战
  • Python完全自学手册图文教程
  • Python基础快速入门实战教程

    • 相关电子书

    更多
  • From Python Scikit-Learn to Sc
  • Data Pre-Processing in Python:
  • 双剑合璧-Python和大数据计算平台的结合

    • 相关实验场景

    更多
  • 用Python画圣诞树
  • Python选择及循环结构
  • 云端Python及基本操作
  • Python网络通信程序典型应用
  • Python新手入门（Anolis OS）
  • Python新手入门

    • 推荐镜像

    更多
  • python-release
  • nodejs-release
  • debian-cd
    • 下一篇
    阿里云oss存储简介和如何使用