python可视化数据分析pyecharts初步尝试

目录
  • 整体说明
  • 例子
    • Boxplot
    • Bar
    • HeatMap

有一个web+flask项目需要可视化数据分析结果，检索后发现，pyecharts工具包非常对口。

Echarts 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。

pyecharts中文文档有详细的说明，这里记录了个人更感兴趣的部分和对应的使用结果。

整体说明

pyecharts绘图的步骤可以简化成：

新建合适的图表对象，常见的有：

Pie: 饼图

Bar: 柱状图/条状图

Boxplot: 箱形图

HeatMap: 热力图

Line: 折线图/面积图

Scatter: 散点图

特别的，可以把多个图合在一起的 Overlap: 层叠多图
更详细的可以参考官方文档-图表类型

bar = Bar()

后续的操作都是利用这个对象的方法进行。

为图表对象增加数据，比如 增加x轴(.add_xaxis)、y轴数(.add_yaxis)

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

全局配置项：所有的内容都是通过.set_global_opts方法添加.set_global_opts()

bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))

常用的有

TitleOpts：标题配置项

LegendOpts：图例配置项

VisualMapOpts：视觉映射配置项

AxisLineOpts: 坐标轴轴线配置项

AxisTickOpts: 坐标轴刻度配置项

AxisPointerOpts: 坐标轴指示器配置项

AxisOpts：坐标轴配置项

SingleAxisOpts：单轴配置项

详见官方文档配置项-全局配置项

例子

Boxplot

箱型图，一种比较简洁的统计值可视化方法

import random
from pyecharts import options as opts
from pyecharts.charts import Boxplot
import numpy as np
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 长度为1的str list
x_label = ['随机数']
data = np.random.randint(1000, size=100)
# 这里data应为2维数组，长度和x_label相同的 list list
data = [data.tolist()]
boxplot = Boxplot()
boxplot.add_xaxis(x)
# 调用自带的函数，计算箱型图需要的数据
y_value = boxplot.prepare_data(y_value)
boxplot.add_yaxis('', y_value)
boxplot.set_global_opts(title_opts=opts.TitleOpts(title='box plot demo'))
boxplot.render()

Bar

Bar比较简单，适合入门，设定一个x轴，一个y轴，就可以render了

# -*- coding: utf-8 -*-
from pyecharts.charts import Bar
from pyecharts import options as opts
import numpy as np
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 随机数组，0~255的数字，10000个
x = np.random.randint(255, size=1000)
# 统计直方图
sum = np.zeros(256, dtype=np.int32)
for cur_x in x:
    sum[cur_x] += 1
# 绘图
bar = Bar()
# x轴 0~255
x_label = [str(label) for label in list(range(256))]
bar.add_xaxis(x_label)
# y轴 频数, 这里的list一定要是标准int,不能为 np.int，所有 y_axis=list(sum)的话是不可以的
bar.add_yaxis(series_name='频数', y_axis=sum.tolist())
# 设置标题
bar.set_global_opts(title_opts=opts.TitleOpts(title='直方图统计'))
# 生成网页，会在当前目录下生成一个render.html
bar.render()

HeatMap

热力图
这篇已经叙述的很好了，以下为引用
注，引文中的代码是用链式写的，官方是这么推荐的。

import random
from pyecharts import options as opts
from pyecharts.charts import HeatMap
from pyecharts.faker import Faker
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heatmap = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        "",
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="基础热力图"),
        visualmap_opts=opts.VisualMapOpts(),
    )
)
heatmap.render()

以上就是python可视化数据分析pyecharts初步尝试的详细内容，更多关于python可视化数据分析pyecharts的资料请关注我们其它相关文章！

赞 (0)

相关推荐

  • python数据可视化Pyecharts库sankey修改桑葚图颜色

    python数据可视化Pyecharts库sankey修改桑葚图颜色

    目录 在上一篇关于绘画Sankey桑葚图的文章里,已经介绍过大致的过程,本文主要解决如何自定义/修改 所想要的颜色, 如下所示一个桑葚图: 想要修改Phenotype1, 使用itemStyle中的属性color,给每个结点添加一个字典属性,设置所需要的颜色即可. nodes = [{'name':'Phenotype 1','itemStyle':{'color':"#FA8072"}}, {'name':'Phenotype 2','itemStyle':{'color':&quo

  • Python pyecharts实现绘制中国地图的实例详解

    Python pyecharts实现绘制中国地图的实例详解

    目录 实例演示 1.pyecharts 1.9.1 版本安装与数据准备 2.添加数据项,默认中国地图显示 常用配置项及参数解析 1.设置是否默认选中 2.设置地图颜色类型是否分段显示 3.缩放平移配置 4.启用和关闭图形标记 5.关闭标签名称显示 6.颜色设置:标签颜色.区域颜色.边框颜色 实例演示 先给大家看下效果图哈. 1.pyecharts 1.9.1 版本安装与数据准备 首先需要安装 pyecharts 库,直接 pip install pyecharts 就好了. 新版本的话不需要单独

  • Python pyecharts绘制词云图代码

    Python pyecharts绘制词云图代码

    目录 一.pyecharts绘制词云图WordCloud.add()方法简介 二.绘制词云图对应轮廓按diamond显示 三.对应完整代码如下所示 一.pyecharts绘制词云图WordCloud.add()方法简介 WordCloud.add()方法简介: add(name,attr,value, shape="circle", word_gap=20, word_size_range=None, rotate_step=45) name str 图例名称 attr list 属性

  • Python机器学习之使用Pyecharts制作可视化大屏

    Python机器学习之使用Pyecharts制作可视化大屏

    目录 前言 Pyecharts可视化 Map世界地图 柱状图.饼图 Pyecharts组合图表 总结 前言 ECharts是由百度开源的基于JS的商业级数据图表库,有很多现成的图表类型和实例,而Pyecharts则是为了方便我们使用Python实现ECharts的绘图.使用Pyecharts制作可视化大屏,可以分为两步: 1.使用分别Pyecharts分别制作各类图形: 2.使用Pyecharts中的组合图表功能,将所有图片拼接在一张html文件中进行展示. 小五认为影响大屏美观最重要的两个因素

  • 基于python利用Pyecharts使高清图片导出并在PPT中动态展示

    基于python利用Pyecharts使高清图片导出并在PPT中动态展示

    目录 1.前言 2.导出png格式图片 3.如何在PPT中展示pyecharts图片 1.前言 pyecharts 是一个用于生成 Echarts 图表的类库.Echarts 是百度开源的一个数据可视化 JS 库.用 Echarts 生成的图可视化效果非常棒,为了与 Python 进行对接,方便在 Python 中直接使用数据生成图”.pyecharts可以展示动态图,在线报告使用比较美观,并且展示数据方便,鼠标悬停在图上,即可显示数值.标签等.pyecharts画出的图很好看,但是怎么展示是个

  • python可视化数据分析pyecharts初步尝试

    目录 整体说明 例子 Boxplot Bar HeatMap 有一个web+flask项目需要可视化数据分析结果,检索后发现,pyecharts工具包非常对口. Echarts 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. pyecharts中文文档有详细的说明,这里记录了个人更感兴趣的部分和对应的使用结果. 整体说明 pyechar

  • Python可视化神器pyecharts绘制雷达图

    Python可视化神器pyecharts绘制雷达图

    目录 雷达图 雷达图模板系列 基础雷达图 单例雷达图 空气质量模板 颜色雷达图 雷达图 雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法.轴的相对位置和角度通常是无信息的. 雷达图也称为网络图,蜘蛛图,星图,蜘蛛网图,不规则多边形,极坐标图或Kiviat图.它相当于​ ​平行坐标图​​,轴径向排列. 平行坐标图: 平行坐标图是一种通常的可视化方法, 用于对 高维几何 和 多元数据 的可视化. 为了表示在高维空间的一个点集,在N条平行的线的背景下,(一

  • Python可视化神器pyecharts之绘制箱形图

    Python可视化神器pyecharts之绘制箱形图

    目录 箱形图 概念 用处 箱形图系列模板 第一个箱形图 复杂一点的图例 箱形图 概念 后面的图形都是一些专业的统计图形,当然也会是我们可视化的对象. 箱形图(Box-plot)又称为盒须图.盒式图或箱线图,是一种用作显示一组数据分散情况资料的统计图.因形状如箱子而得名.在各种领域也经常被使用,常见于​​品质管理​​.它主要用于反映原始数据分布的特征,还可以进行多组数据分布特征的比 较.箱线图的绘制方法是:先找出一组数据的上边缘.下边缘.中位数和两个四分位数:然后, 连接两个四分位数画出箱体:再将

  • Python可视化神器pyecharts绘制饼状图

    Python可视化神器pyecharts绘制饼状图

    目录 饼图 概念 用法 优势 饼状图系列模板 简单多色饼状图(类别可配色) 象形饼状图 环形饼状图 不调色饼状图(大小位置可控制) 数据类别大量显示柱状图 多饼状图同时显示 玫瑰饼状图双图显示 环形饼状图(数据标签左放) 饼图 概念 饼图(pie chart)是用圆形及圆内扇形的角度来表示数值大小的图形,它主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例.仅排列在工作表的一列或一行中的数据可以绘制到饼图中.饼图显示一个数据系列 (数据系列:在图表中绘制的相关数据点,这些数据源自数

  • Python可视化神器pyecharts绘制柱状图

    Python可视化神器pyecharts绘制柱状图

    目录 主题介绍 图表参数 主题详解 柱状图模板系列 海量数据柱状图动画展示 收入支出柱状图(适用于记账) 三维数据叠加 柱状图与折线图多维展示(同屏展示) 单列多维数据展示 3D柱状图 主题介绍 pyecharts里面有很多的主题可以供我们选择,我们可以根据自己的需要完成主题的配置,这样就告别了软件的限制,可以随意的发挥自己的艺术细胞了. 图表参数 ''' def add_yaxis( # 系列名称,用于 tooltip 的显示,legend 的图例筛选. series_name: str, #

  • Python可视化神器pyecharts绘制漏斗图

    Python可视化神器pyecharts绘制漏斗图

    目录 漏斗图 漏斗图系列模板 尖顶型漏斗图 锥子型漏斗 三角形漏斗 连接型漏斗 漏斗图 漏斗图是由Light等在1984年提出,一般以单个研究的效应量为横坐标,样本含量为纵坐标做的散点图.效应量可以为RR.OR和死亡比或者其对数值等.理论上讲,被纳入Meta分析的各独立研究效应的点估计,在平面坐标系中的集合应为一个倒置的漏斗形,因此称为漏斗图. 样本量小,研究精度低,分布在漏斗图的底部,向周围分散: 样本量大,研究精度高,分布在漏斗图的顶部,向中间集中. 漏斗图法的优点是: 简单易行,只需要被纳

  • Python可视化神器pyecharts绘制桑基图

    Python可视化神器pyecharts绘制桑基图

    目录 桑基图 桑基图系列模板 第一个桑基图 复杂桑基图 桑基图 桑基图(Sankey diagram),即桑基能量分流图,也叫桑基能量平衡图.它是一种特定类型的流程图,图中延伸的分支的宽度对应数据流量的大小,通常应用于​​能源​​​.材料成分.​​金融​​​等数据的可视化分析.因1898年Matthew Henry Phineas Riall Sankey绘制的“​​蒸汽机​​的能源效率图”而闻名,此后便以其名字命名为“桑基图”. 桑基图最明显的特征就是,始末端的分支宽度总和相等,即所有主支宽度

  • Python可视化神器pyecharts之绘制地理图表练习

    Python可视化神器pyecharts之绘制地理图表练习

    目录 炫酷地图 3D炫酷地图模板系列 重庆市3D地图展示 中国3D地图 中国3D数据地图(适合做数据可视化) 全国行政区地图(带城市名字) 地球展示 炫酷地图 前期我们介绍了很多的地图模板,不管是全球的还是中国的,其实我感觉都十分的炫酷,哈哈哈,可是还有更加神奇的,更加炫酷的地图模板,下面让我们一起一饱眼福吧! 3D炫酷地图模板系列 重庆市3D地图展示 from pyecharts import options as opts from pyecharts.charts import Map3D

  • Python可视化神器pyecharts绘制地理图表

    Python可视化神器pyecharts绘制地理图表

    目录 地理图表 地理图表之热力图系列模板 人口流动趋势图(中国) 中国城市分段热力图 重庆省份微塑料分布热力图 中国城市连续热力图 中国城市热力动态图 中国城市散点热力图 地理图表 什么是地理图表?地理图表有什么作用?地理图表主要应用在那些领域? 其实这些问题看看下面的实例图形就已不攻自破了,地理图表一看首先就是地图,然后在地理图表里面展示数据,比如说热力图,趋势流动图,人口密集分布图,反正地理坐标相关的就可以运用在这个里面,其次图形支持全球地图,全球国家,中国,中国的所有的省份的地图,反正应有

  • Python可视化神器pyecharts绘制水球图

    Python可视化神器pyecharts绘制水球图

    目录 水球图 双水球图显示 正方形水球图 圆球水球图 数据精度水球图 炫酷水球超级好看 水球图 水球图首先是动态的效果,像水流一样波动,所以看起来比较的舒服,一般用于业务里面的完成率,其实和之前的仪表盘有点类似,但是我个人绝对水球图更加的好,因为看起来比较的炫酷. from pyecharts import options as opts from pyecharts.charts import Liquid from pyecharts.globals import SymbolType c

随机推荐