pyecharts介绍

文章目录

  • 介绍
  • 安装
  • pyecharts基本使用
    • 全局配置选项
  • 折线图相关配置
  • 地图模块使用
  • 柱状图使用

介绍

echarts虑是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Pyhon是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。

安装

1、可以使用如下命令安装
pip install pycharts

2、可以直接使用 PyCharm 安装。在文件内只用导入 pyecharts,这时候会出现错误提示没安装pyecharts,那么就可以点击安装。

对应的官网地址: pyecharts

pyecharts基本使用

``
// 导包
from pyecharts.charts import Line
// 得到折线图对象
line = Line()
// 添加X轴数据
line.add_xaxis([‘中国’,‘日本’,‘美国’])
// 添加Y轴数据
line.add_yaxis(‘GDP’,[30,50,90])
// 生成图表
line.render()

``
在这里插入图片描述
点击运行后会生成一份文件,可以使用浏览器打开

在这里插入图片描述

在这里插入图片描述

全局配置选项

``
// 导包
from pyecharts.charts import *
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, TooltipOpts

// 得到折线图对象
line = Line()
// 添加X轴数据
line.add_xaxis([‘中国’,‘日本’,‘美国’])
// 添加Y轴数据
line.add_yaxis(‘GDP’,[30,50,90])
// 设置标题、图例、工具栏、
line.set_global_opts(
title_opts=TitleOpts(‘GDP数据’,pos_left=‘center’,pos_bottom=‘1%’),
legend_opts=LegendOpts(is_show=True),
toolbox_opts=ToolboxOpts(is_show=True),
visualmap_opts=ZeroDivisionError(),
tooltip_opts=TooltipOpts(is_show=True)
)
// 生成图表
line.render()

``

在这里插入图片描述

在这里插入图片描述

折线图相关配置

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

地图模块使用

``

// 引入地图模块
from pyecharts.charts import Map
// 引入配置选项模块
from pyecharts import options as opts
// 创建地图
virus_map = Map()
dict_keys=[‘台湾’,‘云南’,‘江苏’]
dict_values=[1402,1860,8762,9654]
data_list = zip(dict_keys,dict_values)
// 向地图添加数据
data_list = list(data_list)
virus_map.add(“疫情地图”,data_list,‘china’)
virus_map.set_global_opts(
visualmap_opts=opts.VisualMapOpts()
)
// 生成地图
virus_map.render(‘疫情地图.html’)

``

在这里插入图片描述

在这里插入图片描述

柱状图使用

``

// 引入柱状图模块
from pyecharts.charts import Bar,Timeline
// 引入配置选项模块
from pyecharts import options as opts
from pyecharts.options import LabelOpts
// 构建柱状图对象
bar = Bar()
// 添加X轴对象
bar.add_xaxis([‘中国’,‘美国’,‘英国’])
// 添加Y轴对象
bar.add_yaxis(‘GDP’,[30,20,10],label_opts=LabelOpts(position=‘right’))
// 翻转
bar.reversal_axis()
bar2 = Bar()
bar2.add_xaxis([‘中国’,‘美国’,‘英国’])
bar2.add_yaxis(‘GDP’,[50,40,30],label_opts=LabelOpts(position=‘right’))
bar2.reversal_axis()
bar3 = Bar()
bar3.add_xaxis([‘中国’,‘美国’,‘英国’])
bar3.add_yaxis(‘GDP’,[70,60,50],label_opts=LabelOpts(position=‘right’))
bar3.reversal_axis()
// 创建时间线对象
timeline = Timeline()
timeline.add(bar,‘2020年GDP’)
timeline.add(bar2,‘2021年GDP’)
timeline.add(bar3,‘2022年GDP’)
// 设置自动播放
timeline.add_schema(
play_interval=1000,
is_timeline_show=True,
is_auto_play=True,
is_loop_play=True
)
// 绘图
timeline.render(‘GDP柱状图.html’)

``

在这里插入图片描述

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/70551.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Fisher信息矩阵与Hessian矩阵:区别与联系全解析

Fisher信息矩阵与Hessian矩阵:区别与联系全解析 在统计学和机器学习中,Fisher信息矩阵(FIM)和Hessian矩阵是两个经常出现的概念,它们都与“二阶信息”有关,常用来描述函数的曲率或参数的敏感性。你可能听说…

python与C系列语言的差异总结(1)

/ 表示浮点除法 // 表示整数除法 print(8/3)print(8//3)布尔型 False/True 首字母大写 整数的大小是没有限制的,会根据需要自动增长,仅受限于可用内存的大小。 m**n表示m的n次方 x 4.3 ** 2.4print(x)print(3.5e30 * 2.77e45)print(1000000001.0 *…

Python selenium 库

Selenium 是一个用于自动化 Web 浏览器操作的强大工具,广泛应用于 Web 应用程序测试、网页数据抓取和任务自动化等场景。 Selenium 为各种编程语言提供了 API,用作测试。 目前的官方 API 文档有 C#、JavaScript、Java、Python、Ruby。 安装 Selenium 和…

vllm部署LLM(qwen2.5,llama,deepseek)

目录 环境 qwen2.5-1.5b-instruct 模型下载 vllm 安装 验证安装 vllm 启动 查看当前模型列表 OpenAI Completions API(文本生成) OpenAI Chat Completions API(chat 对话) vllm 进程查看,kill llama3 deep…

Python NumPy库使用指南:从入门到精通

1. 引言 NumPy(Numerical Python)是 Python 中用于科学计算的核心库之一。它提供了强大的多维数组对象(ndarray),以及一系列高效的数学函数,能够轻松处理大规模的数值数据。NumPy 是许多其他科学计算库(如 Pandas、Matplotlib、Scikit-learn 等)的基础。 本文将详细介…

15.2 智能销售顾问系统技术架构解密:构建企业级知识驱动型对话引擎

智能销售顾问系统技术架构解密:构建企业级知识驱动型对话引擎 关键词:RAG 架构设计、销售知识库系统、LoRA 微调优化、多模态交互引擎、高并发服务部署 1. 系统技术架构全景解析 1.1 核心架构设计图 #mermaid-svg-UBkTgaR5lf5WfGMa {font-family:"trebuchet ms",…

用PyTorch从零构建 DeepSeek R1:模型架构和分步训练详解

DeepSeek R1 的完整训练流程核心在于,在其基础模型 DeepSeek V3 之上,运用了多种强化学习策略。 本文将从一个可本地运行的基础模型起步,并参照其技术报告,完全从零开始构建 DeepSeek R1,理论结合实践,逐步…

爬虫基础入门之爬取豆瓣电影Top250-Re正则的使用

网址:豆瓣电影 Top 250 本案例所需要的模块 requests (用于发送HTTP请求)re (用于字符串匹配和操作) 确定需要爬取的数据 : 电影的名称电影的年份电影的评分电影评论人数 一. 发送请求 模拟浏览器向服务器发送请求 准备工作 -分析页面: F12 or 右击点击检查 查看…

力扣hot100——岛屿数量 岛屿问题经典dfs总结

给你一个由 1(陆地)和 0(水)组成的的二维网格,请你计算网格中岛屿的数量。 岛屿总是被水包围,并且每座岛屿只能由水平方向和/或竖直方向上相邻的陆地连接形成。 此外,你可以假设该网格的四条边…

FPGA DSP:Vivado 中带有 DDS 的 FIR 滤波器

本文使用 DDS 生成三个信号,并在 Vivado 中实现低通滤波器。低通滤波器将滤除相关信号。 介绍 用DDS生成三个信号,并在Vivado中实现低通滤波器。低通滤波器将滤除较快的信号。 本文分为几个主要部分: 信号生成:展示如何使用DDS&am…

MessageAuthenticator

MessageAuthenticator https://coova.github.io/JRadius/ https://coova.github.io/JRadius/ import org.tinyradius.packet.RadiusPacket; import org.tinyradius.util.RadiusUtil; import java.nio.charset.StandardCharsets;public class RadiusAuthUtils {/*** 生成 RADI…

Spring Boot嵌入式服务器深度解析:从配置到调优的全方位指南

文章目录 引言一、嵌入式服务器核心原理1.1 架构设计特点1.2 主流服务器对比 二、嵌入式服务器配置实战2.1 基础配置模板2.2 HTTPS安全配置 三、高级调优策略3.1 线程池优化(Tomcat示例)3.2 响应压缩配置3.3 访问日志配置 四、服务器切换实战4.1 切换至U…

基于CentOS7安装kubesphere和Kubernetes并接入外部ES收集日志

一、修改所有节点主机名 主节点就修改成master hostnamectl set-hostname master 然后输入bash刷新当前主机名 工作节点1就修改成node1 hostnamectl set-hostname node1 然后输入bash刷新当前主机名 二、全部节点安装依赖并同步时间 yum -y install socat conntrack ebta…

探索与Cursor协作创建一个完整的前后端分离的项目的最佳实践

探索与Cursor协作创建一个完整的前后端分离的项目的最佳实践 Cursor简介 Cursor在目前代表了AI编程技术的顶峰。在一定程度上可以说是当今AI时代的最强生产力代表。为此,不惜重金开了年费会员来紧跟时代步伐。当然cline、roo code、trae等开源或者免费产品也在紧追不舍。 C…

支持向量机(SVM)在 NLP 中的使用场景

支持向量机(Support Vector Machine, SVM)是一种强大的监督学习算法,广泛应用于分类任务中。由于其出色的分类性能和高效的计算特点,SVM 已经成为自然语言处理(NLP)领域中的一种经典模型。SVM 在 NLP 中的应用非常广泛,尤其在文本分类任务中,表现出色。 本文将探讨 SV…

nodejs:vue 3 + vite 作为前端,将 html 填入<iframe>,在线查询英汉词典

向 doubao.com/chat/ 提问: node.js js-mdict 作为后端,vue 3 vite 作为前端,编写在线查询英汉词典 后端部分(express js-mdict ) 详见上一篇:nodejs:express js-mdict 作为后端&#xff…

Jenkins 部署在 Mac 并在局域网内通过 ip 访问

Jenkins 部署在 Mac 并在局域网内通过 ip 访问 一、修改配置文件 打开文件 ~/Library/LaunchAgents/homebrew.mxcl.jenkins.plist 打开文件 /usr/local/opt/jenkins/homebrew.mxcl.jenkins.plist 两个文件目录不同&#xff0c;内容一样 <?xml version"1.0" e…

2通道12bit 10G USB高速示波器采集卡

概述 USB高速示波器采集卡 2通道&#xff0c;12位&#xff0c;10GSa/s 采样率 DC~2.5GHz 带宽 USB高速示波器采集卡是一款高速12bit多通道USB数字化仪它具有2通道10GSa/s采样率&#xff0c;模拟前端带宽从DC到2.5GHz&#xff0c;板载32GB DDR4存储&#xff0c;使其能够满足长…

Python|OpenCV-实现人物眨眼检测(21)

前言 本文是该专栏的第23篇,后面将持续分享OpenCV计算机视觉的干货知识,记得关注。 通过OpenCV库来实现人物的眨眼检测,首先是需要了解眨眼检测的基本原理。一般来说,是需要通过检测眼睛的状态,比如眼睛是否闭合来判断是否眨眼。对此,如果基于OpenCV,通过Python如何去实…

Qt | Excel创建、打开、读写、另存和关闭

01 如何在Qt中使用QXlsx库进行Excel文件的读写操作,包括创建新Excel、写入数据、读取数据以及文件保存和释放资源。通过实例展示了如何加载库、编写.h和.cpp文件,并演示了使用单元格引用和行列号进行数据操作的方法。 QXlsx是一个可以读写Excel文件的库。不依赖office以及…