Python中怎么利用pyecharts实现数据可视化

本篇文章给大家分享的是有关Python中怎么利用pyecharts实现数据可视化，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

地图

首先导入需要的包

from pyecharts.charts import Pie ,Grid,Bar,Linefrom pyecharts.faker import Faker #数据包from pyecharts.charts import Map,Geofrom pyecharts import options as optsfrom pyecharts.globals import ThemeType

OK，我现在有一个省份的一组数据，大概长这样

locate =['合肥市', '阜阳市', '亳州市', '安庆市', '马鞍山市', '铜陵市', '六安市', '滁州市', '池州市','蚌埠市','芜湖市','宿州市','宣城市','淮北市','淮南市','黄山市']`data =['115','105','72','66','30','22','41','11','11','88','27','27','5','22','14','9']

这也是接触到的需要绘制地图的数据格式，两个list，一个是地名，一个是每个城市对应的数据，现在执行以下代码就可以得到安徽省的疫情地图。

list1 = [[locate[i],data[i]] for i in range(len(locate))] #首先创建数据map_1 = Map(init_opts=opts.InitOpts(width="400px", height="460px")) #创建地图，其中括号内可以调整大小，也可以修改主题颜色。map_1.add("安徽疫情", list1, maptype="安徽") #添加安徽地图map_1.set_global_opts( #设置全局配置项#title_opts=opts.TitleOpts(title="安徽疫情"), 添加标题    visualmap_opts=opts.VisualMapOpts(max_=120, is_piecewise=True),#最大数据范围 并且使用分段    legend_opts=opts.LegendOpts(is_show=False), #是否显示图例    )map_1.render_notebook() #直接在notebook中显示# map_1.render('map1.html') 将地图以html形式保存在工作目录下

当然地图还有很多可以自定义的配置项，选择需要的配置项添加到对应的函数中即可。

# 数据项 (坐标点名称，坐标点值)    data_pair: Sequence,    # 地图类型，具体参考 pyecharts.datasets.map_filenames.json 文件    maptype: str = "china",    # 是否选中图例    is_selected: bool = True,    # 是否开启鼠标缩放和平移漫游。    is_roam: bool = True,    # 当前视角的中心点，用经纬度表示    center: Optional[Sequence] = None,    # 当前视角的缩放比例。    zoom: Optional[Numeric] = 1,    # 自定义地区的名称映射    name_map: Optional[dict] = None,    # 标记图形形状    symbol: Optional[str] = None,    # 是否显示标记图形    is_map_symbol_show: bool = True,    # 标签配置项，参考 `series_options.LabelOpts`    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),    # 提示框组件配置项，参考 `series_options.TooltipOpts`    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,    # 图元样式配置项，参考 `series_options.ItemStyleOpts`    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,    # 高亮标签配置项，参考 `series_options.LabelOpts`    emphasis_label_opts: Union[opts.LabelOpts, dict, None] = None,    # 高亮图元样式配置项，参考 `series_options.ItemStyleOpts`    emphasis_itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

饼图

继续使用地图里的数据绘制饼图，现在想看安徽各地区疫情分布比，就可以考虑使用饼图（玫瑰图）。详细代码

map_2 = (    Pie(init_opts=opts.InitOpts(width="600px", height="500px")) 创建一个饼图    .add(        "", #图名        [[locate[i],data[i]] for i in range(len(locate))], #添加数据        radius=["40%", "75%"], # 调整半径    )    .set_global_opts(        legend_opts=opts.LegendOpts(            orient="vertical", pos_top="10%", pos_left="88%"#图例设置        ),    )    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) #设置标签)map_2.render_notebook() #直接在notebook中显示#map_2.render('map2.html') #保存到本地柱状图

demo

c = (    Bar()    .add_xaxis(Faker.choose())    .add_yaxis("商家A", Faker.values()) #数据配置    .add_yaxis("商家B", Faker.values()) #数据配置    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题")) #全局配置标题)c.render_notebook()通过添加配置项可以调整标题、图例、粗细、位置、背景图等等

# 系列数据    yaxis_data: Sequence[Numeric, opts.BarItem, dict],    # 是否选中图例    is_selected: bool = True,    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。    xaxis_index: Optional[Numeric] = None,    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。    yaxis_index: Optional[Numeric] = None,    # 系列 label 颜色    color: Optional[str] = None,    # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。    stack: Optional[str] = None,    # 同一系列的柱间距离，默认为类目间距的 20%，可设固定值    category_gap: Union[Numeric, str] = "20%",    # 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。# 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。    gap: Optional[str] = None,    # 标签配置项，参考 `series_options.LabelOpts`    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),    # 标记点配置项，参考 `series_options.MarkPointOpts`    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,    # 标记线配置项，参考 `series_options.MarkLineOpts`    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,    # 提示框组件配置项，参考 `series_options.TooltipOpts`    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,    # 图元样式配置项，参考 `series_options.ItemStyleOpts`    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

同一图层绘制多图

如果想要同时叠加绘制图形可以采用参考以下方法

def two_pic() -> Bar:     x = Faker.choose() #选择数据    bar = (  #先绘制bar        Bar()        .add_xaxis(x)        .add_yaxis("商家A", Faker.values())        .add_yaxis("商家B", Faker.values())        .set_global_opts(title_opts=opts.TitleOpts(title="Overlap-line+scatter"))    )    line = ( #再添加line        Line()        .add_xaxis(x)        .add_yaxis("商家A", Faker.values())        .add_yaxis("商家B", Faker.values())    )    bar.overlap(line)    return bartwo_pic().render_notebook()总结

以上就是Python中怎么利用pyecharts实现数据可视化，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。