数据可视化(pyecharts库的介绍)

举报
兰舟千帆 发表于 2022/07/15 01:01:19 2022/07/15
【摘要】 序言:学校里不学python的,没有开设这门课程,暑假买了三本书,都是入门的书籍,连带看b站大佬的视频,就感觉还好,毕竟自己学过c和java了,虽然也都是基础。再来看其它编程语言时,你会发现,语言其实是相...

序言:学校里不学python的,没有开设这门课程,暑假买了三本书,都是入门的书籍,连带看b站大佬的视频,就感觉还好,毕竟自己学过c和java了,虽然也都是基础。再来看其它编程语言时,你会发现,语言其实是相通的,许多地方很相似。
被python强大的库所吸引,库的强大带来许多的方便。有人说,只会在python里调用库的猿友们不是大佬,会看源码的猿友们可以称之为大佬。我有一个大佬梦,相信每个人都有,不管是否可以达到预期的目标。我们不管怎样,是否可以学到真正的东西,还是得靠持之以恒。
以上算是对我的一个鼓励吧,我总是在很多事情上说到做不到,我希望我在以后得经历中可以坚持做事。废话说的有点多,进入正题吧。
我们来介绍pyecharts库的基础入门。
1:pyecharts库简介:
pyecharts分为两个版本,v0.5.X 和 v1,这两个版本是互不兼容的,有我没你的样子,v0.5.X这个版本支持python2.7,3.4+,而新版的v1只支持我们的python3.6+。更加悲催的是v0.5.X已经被开发团队抛弃了,像个没人管的孤儿了,现在的真正的骄子就是v1了。我们下面主要对v1进行简单介绍。
2:pyecharts库的安装:
我们还是老办法,首先装上这个库。来win+R打开控制台。具体如下图:
由于我的已经装好了,所以再次执行
此安装命令时,就会告诉我already satisfied.之前如果没装的猿友们会出现collect这种。然后会有一个进度条。在这里插入图片描述
装好后我们直接在pycharm中导入即可,当然你可能用其他的编辑器,操作可能有所不同。
3:pyecharts的简单使用:
<1>柱状图的简单绘制:
我们直接上代码

from pyecharts.charts import Bar
bar = (
    Bar().add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"]) #添加横轴
    .add_yaxis("山阴鞋价",[250,260,240,150])添加纵轴相关
    .add_yaxis("长治鞋价",[300,360,320,180])
   #纵轴的前面是相于一个标签,这两个标签可以切换
)
bar.render("E:地区鞋价格.html") #这里我指定了我的存放路径和文件名

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8


我们来看运行效果,大家可以注意到这是在html文件中展示的
在这里插入图片描述
我们点击上面的标签是可以切换的,可以只展示一个,如下图
在这里插入图片描述
在这里插入图片描述
所以啊,这就很方便,很迷人。
其实还可以想想,若是将excel表格数据展示出来,岂不是更直观?
我们来试试。
先来看我的一个excel表格数据
在这里插入图片描述
是啊,这是某年统计的北京房价,太j8贵了。我们现在要讲这些数据展示,也就是数据可视化。我们这里还要就借用一个库,panada库,可以帮助我们读取excel数据,我们上代码再说话

import pandas
from pyecharts.charts import Bar

df = pandas.read_excel("E:\\北京地区房价.xlsx") # 读取excel表格数据
height,width = df.shape
print(height,width,type(df))
#打印出表格数据
print(df)
bar = Bar() # 实例化
bar .add_xaxis(df["北京城区"].tolist())
bar.add_yaxis("北京房价",df["价格每平"].tolist())
bar.render("E:中国北京房价.html")


  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

我们来看运行结果
我们先来看读取到的表格数据
在这里插入图片描述
十五行两列,还有展示一些原始的数据
我们来看图,这里,我们就更直观的显示了
在这里插入图片描述
这只是pycharts库的柱状图,也是基础操作,当然可以对其进行渲染什么的,可以设置主题。
我们小小的展示一下,东西实在太多了。
我们来看代码:
下面展示一些 内联代码片

from pyecharts.charts import Bar
from pyecharts.globals import ThemeType # 导入主题
from pyecharts import options as opts
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#这里我设置为亮色
bar.add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"])
bar.add_yaxis("山阴鞋价",[250,260,240,150])
bar.add_yaxis("长治鞋价",[300,360,320,180])

bar.render("E:地区鞋价格.html")

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

看下面的图,我们就改变了颜色
在这里插入图片描述
我们还可以设置标题
添加这一句就可以了 bar.set_global_opts(title_opts=opts.TitleOpts(title=“主标题”, subtitle=“副标题”))
当然除了这些还有其他的很多操作,包括相关的配置等等,在数据可视化图的方面,还可以设置散点图,折线图,雷达图等等。
这里,就不一一展示了
这个库强大的很,我们来看看它的地图方面
我们上代码:

from pyecharts import options  as  opts
from pyecharts.charts import Map
population=[["广东",11169],["山东",10005.63],
            ["河南",9559.13],["四川",8302],["江苏",8029.3],
            ["河北",7519.52],["湖南",6860.2],["安徽",6254.8],
            ["湖北",5902],["浙江",5657]]
map = (Map().add("省人口数量",population,"china") #这里可以指定国家
       .set_global_opts(title_opts=opts.TitleOpts(title="人口数量")
                        ,visualmap_opts=opts.VisualMapOpts(max_=12000))) 
map.render_notebook()
map.render("E:省人口数量部分.html")

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11


我们来看运行结果
这是我们中国的地图,我这里设置了一下相关地区的人口
在这里插入图片描述
这个图点上去指定地点可以1展示些相关的数据。图还可以放大
像这样
在这里插入图片描述
我们来做一个地区空气的图
上代码

from pyecharts.charts import  Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType
pro_dis ={'湖北':34, '浙江':33, '广东': 34,
                         '湖南':39,  '河南':39, '安徽': 38,
                         '重庆':57,  '山东':54, '江西': 54,
                         '四川':55,  '江苏':54,  '北京':25,
                         '福建':26,   '上海':14,  '广西':43,
                         '陕西':35,   '河北':38,  '云南':38,
                         '海南':41,   '黑龙江':46, '辽宁':46,
                         '山西':28,   '天津':144,   '甘肃':243,
                         '内蒙古':100,  '新疆':123,  '宁夏':52,
                         '贵州':42,    '吉林':34,    '台湾':50,
                         '香港':83,    '澳门':62,    '青海':26,
                         '西藏':17
          }
map = Map(init_opts=opts.InitOpts(bg_color="blue",theme=ThemeType.ROMANTIC))
map.set_global_opts(title_opts=opts.TitleOpts(title="全国地区空气质量",pos_right="right"),
                    )
map.add("地区空气质量",data_pair=pro_dis.items(),maptype="china")
map.render("E:地区空气质量.html")

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21

我们来看效果
在这里插入图片描述
在这里插入图片描述
我们的简单介绍就到这里,更多的与pycharts有关的使用,欢迎关注下期博文。
相关的请遵守csdn博客协议
  ——博主jgdabc
更多的文章请点击这里:jgdabc主页

文章来源: daodaozi.blog.csdn.net,作者:兰舟千帆,版权归原作者所有,如需转载,请联系作者。

原文链接:daodaozi.blog.csdn.net/article/details/108356235

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。