今天更一篇用pyecharts的基礎圖形篇，折線圖、柱狀圖、散點圖、餅狀圖，本次使用的是pyecharts0.5.3版

Pyecharts 0.5.x版的官網

環境：

pyecharts 0.5.11

下載命令：pip install pyecharts=0.5.11

折線圖：

基本使用

數據：

時間：['2019-03-01星期五', '2019-03-02星期六', '2019-03-03星期日', '2019-03-04星期一', '2019-03-05星期二', '2019-03-06星期三', '2019-03-07星期四', '2019-03-08星期五', '2019-03-09星期六', '2019-03-10星期日', '2019-03-11星期一', '2019-03-12星期二']

溫度：[23, 25, 21, 23, 24, 19, 16, 15, 18, 17, 22, 24]

代碼實現：

def line_(x, y, title='折線圖'):

line = Line('折線圖',

width=800,

height=350,)

line.add(title, x, y)

line.render('{}.html'.format(title))

line_(x, y, '氣溫')

運行結果：

可以在這基礎上添加平均值、最大/小值，在Line.add()中添加mark_point=["average", "max", "min"]，mark_line=["average", "max", "min"]，mark_point可以標出目標點，mark_line可以做出于y軸的連線

line.add(title, x, y,

mark_point=["average", "max", "min"],

mark_line=["average", "max", "min"])

運行結果：

既然是顯示溫度，那y軸的蘇戶籍加上個℃是不是會更好，添加參數yaxis_formatter="°C"即可

運行結果：

還有很多參數如平滑度、折線圖轉階梯圖、折線面積圖等，可以參考官網進行詳細查看。

柱狀圖

基本使用：

數據：

時間：['2019-03-01星期五', '2019-03-02星期六', '2019-03-03星期日', '2019-03-04星期一', '2019-03-05星期二', '2019-03-06星期三', '2019-03-07星期四', '2019-03-08星期五', '2019-03-09星期六', '2019-03-10星期日', '2019-03-11星期一', '2019-03-12星期二']

溫度：[58, 48, 33, 41, 34, 23, 19, 22, 23, 25, 48, 82]

代碼實現：

def bar_(x, y, title):

fig = Bar('柱狀圖',

width=800,

height=350,)

fig.add(title, x, y)

fig.render('{}.html'.format(title))

bar_(x, y, '廣州天氣2')

運行結果：

查看一下add()方法

add(name, x_axis, y_axis,

is_stack=False,

bar_category_gap='20%', **kwargs)

name-> str 圖例名稱

x_axis-> list x坐標軸數據

y_axis-> list y坐標軸數據

is_stack-> bool 數據堆棧，同個類目軸上系列配置相同的stack值可以堆疊放置

bar_category_gap-> int / str 類目軸的柱狀距離，當設置為0時柱狀是緊挨著(直方圖類型)，最小為'20％'

參數is_convert交換XY軸

fig.add(title, x, y,

is_convert=True)

圖例：

散點圖

基本使用

add(name, x_axis, y_axis,

extra_data=None,

symbol_size=10, **kwargs)

名稱-> str 圖例名稱

x_axis-> list：x坐標軸數據

y_axis->list： y坐標軸數據

extra_data->list[int]： 第三維度數據，x軸為第一個維度，y軸為第二個維度。(可在visualmap中將視圖元素映射到第三維度)

extra_name->list[str]：的數據項的名稱，可以為每個數據點指定一個名稱。

symbol_size-> int：標記圖形大小，交替為10

數據：

v1 = [10, 20, 30, 40, 50, 60]

v2 = [10, 20, 30, 40, 50, 60]

代碼實現：

scatter = Scatter("散點圖示例")

scatter.add("A", v1, v2)

scatter.render('散點圖.html')

運行結果：

參數is_visualmap=True可以像熱力圖那樣對數據進行漸變色

圖例：

餅圖

基本使用

add(name, attr, value,

radius=None,

center=None,

rosetype=None, **kwargs)

名稱-> str：圖例名稱

attr-> list：屬性名稱

value-> list：屬性所對應的值

radius-> list：餅圖的尺寸，層疊的第一項是內部尺寸，第二項是外部薄片，尺寸為[

0，75 ]模式設置成比例，相對于容器高寬中較小的一個的一半

center- > list：餅圖的中心(圓心)坐標，數組的第一項是橫坐標，第二項是縱坐標，替換為[50，50]

設置設置成比例，設置成比例時第一項是相對于容器寬度，第二項是相對于容器高度

rosetype-> str：是否展示成南丁格爾圖，通過尺寸區分數據大小，有'radius'和'area'兩種模式。而是為'radius'

radius：半徑圓心角展現數據的百分比，局部展現數據的大小

數據：

['第一產業(億元)', '第二產業(億元)', '第三產業(億元)']

[64734, 366001, 469575]

實現代碼：

def pie_(x, y, title='折線圖'):

pie = Pie(title)

pie.add(title, x, y)

pie.render('{}.html'.format(title))

pie_(x, y, '產業')

運行結果：

總結：

每種類型的add()方法都有很多參數，我的建議是沒必要死記硬背下來，沒必要，大概知道能實現什么功能，用的時候再具體查就好了。

總結

以上是生活随笔為你收集整理的pyecharts a python_python 可视化 | pyecharts基本使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。