当前位置： 首页 > news >正文

Python | 第十七章 | pyecharts开发图表 | 折线图 | 地图 | 轮播图

news 来源：原创 2025/6/12 15:24:11

P169 pyecharts 基本介绍 2025/3/23

一、基本介绍

  • 参考文档1：https://pyecharts.org/#/zh-cn/
  • 参考文档2：https://gallery.pyecharts.org/#/README
  • 概况：
    • Echarts是一个由百度开源的数据可视化技术，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。
  • 特性：
    • 简洁的API设计，使用如丝滑般流畅，支持链式调用
    • 囊括了30+种常见图表，应有尽有
    • 支持主流Notebook 环境，Jupyter Notebook和JupyterLab可轻松集成至Flask，Django等主流Web 框架
    • 高度灵活的配置项，可轻松搭配出精美的图表详细的文档和示例，帮助开发者更快的上手项目
    • 多达400+地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

二、能做出怎样的图表效果

image-20250323170029769

image-20250323170037954

image-20250323170048774

P170 pyecharts 快速入门 2025/3/23

一、快速入门

  • 参考文档：https://pyecharts.org/#/zh-cn/quickstart

  • 安装pyecharts：

    pip install pyecharts

  • 查看版本：

    import pyecharts

print(pyecharts.__version__)

  • 案例代码：

from pyecharts.charts import Bar

bar = Bar()
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])
# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
# 也可以传入路径参数，如 bar.render("mycharts.html")
bar.render()
  • pyecharts所有方法均支持链式调用：
from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .render("myrender2.html")
)
  • 后续可以直接参考：https://pyecharts.org/#/zh-cn/quickstart
  • 使用标题：
.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
  • 更改主题：
Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))

P171 pyecharts开发图表 2025/3/24

  • 参考文档：https://gallery.pyecharts.org/#/Pie/pie_set_color
# @Author :zjc
# @File   :02_pie_sale.py
# @Time   :2025/3/24 16:06

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker

"""
    解读：
    1. Pie() 创建Pie对象
    2. .add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
        就是给饼状图添加数据
    3. .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
        设置全局配置项
    4. .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
        设置系列配置项
        formatter="{b}: {c}" 标签显示的形式为 名称:值
    5. .render("pie_sale.html") 生成对应的网页文件 pie_sale.html
"""

data = [['衬衫', 138], ['毛衣', 40], ['领带', 74], ['裤子', 112],
        ['风衣', 147], ['高跟鞋', 104], ['袜子', 65]];

c = (
    Pie()
    .add("", data)
    .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-商品销售情况"), toolbox_opts=opts.ToolboxOpts(is_show=True))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}",font_size=12))
    .render("pie_sale.html")
)

image-20250324163218968

P172 pyecharts开发折线图 2025/3/2

  • 参考文档：https://gallery.pyecharts.org/#/Line/basic_line_chart
  1. 对北京市，天津市，上海市,重庆市的近20年人口，做出折线图,效果

image-20250325165406201

  1. 要求从文件分省年度数据.csv读取数据,数据可从 https://data.stats.gov.cn/easyquery.htm获取
  1. 代码分析：
import pyecharts.options as opts
from pyecharts.charts import Line

# 1. 创建Line对象，折线图对象
line = Line()

# 准备数据
# 打开文件：UnicodeDecodeError: 'utf-8' codec can't decode
# 不能使用utf-8编码
f = open("分省年度数据.csv",mode="r",encoding="gbk")
# 先输出文件的内容
# for line in f:
#     print(line,end="")
# f.close()

# 2. 给x轴添加数据
"""
    分析：数据就是[2002,2003...2023]
"""

# 读取到所有行数据
line_datas = f.readlines()
# print(line_datas)
f.close() # 数据已经接收到可以关闭了

# 先删除前面三个行(元素)
for _ in range(3):
    line_datas.pop(0) # 下标从0开始，循环三次默认从0开始

print("line_datas",line_datas)

# 得到x轴的数据
# 使用.pop(0)得到数据，然后使用.replace将最后一个换行截取掉,.split使用","进行先拆分
x_data_year = line_datas.pop(0).replace("\n","").split(",")
print(x_data_year)
# 将"地区"删除掉
x_data_year.pop(0)
# 此时得到年份数据
print(x_data_year)
# 将年份颠倒，从小到大
x_data_year.reverse()
print(x_data_year)


# 3. 给y轴添加数据
"""
    分析：这里头四组数据，分别是北京，上海，天津，重庆20年的的人口数据 
"""

print(line_datas) # '北京市,43760.7,41540.9,41045.6,35
# 创建四个列表，存放 北京，上海，天津，重庆20年的的人口数据
y_data_bj = []
y_data_sh = []
y_data_tj = []
y_data_cq = []

# 遍历line_datas得到 北京，上海，天津，重庆20年的的人口数据

for line_data in line_datas:
    line_data  = line_data.replace("\n","").split(",")
    # 不需要第一个元素”北京“，只要后面的数字数据
    # print(line_data)
    if line_data[0]=="北京市":
        line_data.pop(0)
        line_data.reverse() # 年份从小进行排序
        y_data_bj = line_data
    elif line_data[0]=="上海市":
        line_data.po

image-20250326164918234

P173 pyecharts开发地图 2025/3/30

  • 参考文档：

image-20250330220317800

  • 代码案例：
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

"""准备数据"""
with open("分省年度数据.csv", "r", encoding="gbk") as f:
    # 每行作为一个列表，读取完存在列表中
    data_lines = f.readlines()

# print(data_lines)

# 删除data_lines列表的前4个元素(行)
for _ in range(4):
    # 每次循环删除下标为0的元素(第一个)
    data_lines.pop(0)

# 创建一个空的列表，存放地图数
# 分析map_data_list格式 [[省市名,人口数量],[省市名,人口数量]...]
map_data_list = []

for data_line in data_lines:
    # 用","号进行分割,然后给到列表map中
    data_line_list = data_line.split(",")

    # 在某些情况下，数据添加不成功的情况，使用异常处理
    try:
        map_data_list.append([data_line_list[0], data_line_list[1]])
    except Exception as e:
        # 如果添加数据到map_data_list中数据异常，我们就continue不去处理出问题的这一行
        continue

print("map", map_data_list)

"""创建map对象"""
map = Map()

"""添加数据并配置"""
map.add("2023年各省市的人口分布情况", map_data_list, "china")

# 全局配置
map.set_global_opts(
    title_opts=opts.TitleOpts(title="2023年各省市的人口分布情况"),
    # VisualMapOpts：视觉映射配置项
    visualmap_opts=opts.VisualMapOpts(
        # 指定 visualMapPiecewise 组件的最小值。
        min_=2000,
        # 指定 visualMapPiecewise 组件的最大值。
        max_=150000,
        # 指定组件位置
        pos_left="10%",  # 距离左边10%
        pos_bottom="50%"
    )
)

# 系列配置(标签字体大配置)
map.set_series_opts(label_opts=opts.LabelOpts(font_size=8))

"""生成文件"""
map.render("map_data_list.html")
  • 结果图：

image-20250330221542983

P174 pyecharts开发轮播图[1] 2025/3/31

  • 对全国2003-2022年各省市的人口，做出动态柱状图/时间线轮播多图，即每隔一定时间间隔,自动的切换显示2003、2004、…、2022各省市的人口(即2003-2022年中国省市人口排名前12的情况)，具体如下图：

image-20250331220831475

  • 代码部分：已完成对数据添加到字典
# @Author :zjc
# @File   :05_timeline_bar_city_population.py
# @Time   :2025/3/31 22:12


"""
x = Faker.choose() # ["河马", "蟒蛇", "老虎", "大象", "兔子", "熊猫", "狮子"]
tl = Timeline() # 创建对象
for i in range(2015, 2020): # 循环5次，创建了5个bar柱状图
    bar = (
        Bar()
        .add_xaxis(x) # 添加x轴数据
        .add_yaxis("商家A", Faker.values()) # 添加y轴数据，[值1，值2]
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
    )
    tl.add(bar, "{}年".format(i))
tl.render("timeline_bar.html")
"""

from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline
from pyecharts.faker import Faker

"""准备数据"""
# 确定需要创建多少Bar对象，根据文件提供的年份 2015-2023
with open("分省年度数据.csv","r",encoding="gbk") as f:
    data_lines = f.readlines()

# 删除data_lines列表前三个元素,顺便替换掉\n
for _ in range(3):
    data_lines.pop(0)

# 删除data_lines最后一个元素
data_lines.pop(-1)

# 取出第一个元素(年份数据)
years = data_lines.pop(0).replace("\n","").split(",")

# 去掉地区这个元素"地区"
years.pop(0)
# 此时数据：['2023年', '2022年', '2021年', '2020年', '2019年', '2018年', '2017年', '2016年', '2015年']


# 遍历 data_lines 生成我们需要的数据
# 难度-需要我们设计一些
# 把数据放在一个字典对象中 data_dict = {年份:[[省市名,人口数]，[省市名,人口数]...]}
# 具体案例：{2003:[["北京市",2184],["天津市",2184]],2004:[["北京市",1184],["天津市",2884]]}

# 创建字典对象
data_dict = {}

for data_line in data_lines:
    data_line_list = data_line.replace("\n","").split(",")
    # 数据：['北京市', '43760.7', '41540.9', '41045.6
    # print(data_line_list)
    # 遍历years给各个城市的各个年份的人口数据添加到data_dict
    index = 0
    for year in years:
        index += 1
        try:
            # 将每个年份作为字典的键"key",
            data_dict[year].append([data_line_list[0],data_line_list[index]])
        except Exception as e:
            # 如果出现了异常，说明是第一次添加数据
            # 那就将第一个 key 创建起来，值为空；继续添加
            data_dict[year] = []
            data_dict[year].append([data_line_list[0], data_line_list[index]])

print(data_dict)

"""创建Timeline对象"""

"""创建Bar对象 并加入到Timeline 还有进行配置"""

"""生成对应的文件"""

P175 pyecharts开发轮播图[2] 2025/4/1

  • 结果展示：

image-20250401173115344

  • 最终代码：
# @Author :zjc
# @File   :05_timeline_bar_city_population.py
# @Time   :2025/3/31 22:12

"""
x = Faker.choose() # ["河马", "蟒蛇", "老虎", "大象", "兔子", "熊猫", "狮子"]
tl = Timeline() # 创建对象
for i in range(2015, 2020): # 循环5次，创建了5个bar柱状图
    bar = (
        Bar()
        .add_xaxis(x) # 添加x轴数据
        .add_yaxis("商家A", Faker.values()) # 添加y轴数据，[值1，值2]
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
    )
    tl.add(bar, "{}年".format(i))
tl.render("timeline_bar.html")
"""

from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

"""准备数据"""
# 确定需要创建多少Bar对象，根据文件提供的年份 2015-2023
with open("分省年度数据.csv", "r", encoding="gbk") as f:
    data_lines = f.readlines()

# 删除data_lines列表前三个元素,顺便替换掉\n
for _ in range(3):
    data_lines.pop(0)

# 删除data_lines最后一个元素
data_lines.pop(-1)

# 取出第一个元素(年份数据)
years = data_lines.pop(0).replace("\n", "").split(",")

# 去掉地区这个元素"地区"
years.pop(0)
# 此时数据：['2023年', '2022年', '2021年', '2020年', '2019年', '2018年', '2017年', '2016年', '2015年']


# 遍历 data_lines 生成我们需要的数据
# 难度-需要我们设计一些
# 把数据放在一个字典对象中 data_dict = {年份:[[省市名,人口数]，[省市名,人口数]...]}
# 具体案例：{2003:[["北京市",2184],["天津市",2184]],2004:[["北京市",1184],["天津市",2884]]}

# 创建字典对象
data_dict = {}

for data_line in data_lines:
    data_line_list = data_line.replace("\n", "").split(",")
    # 数据：['北京市', '43760.7', '41540.9', '41045.6
    # print(data_line_list)
    # 遍历years给各个城市的各个年份的人口数据添加到data_dict
    index = 0
    for year in years:
        index += 1
        try:
            # 将每个年份作为字典的键"key",
            data_dict[year].append([data_line_list[0], float(data_line_list[index])])
        except Exception as e:
            # 如果出现了异常，说明是第一次添加数据
            # 那就将第一个 key 创建起来，值为空；继续添加
            data_dict[year] = []
            data_dict[year].append([data_line_list[0], float(data_line_list[index])])

"""创建Timeline对象"""
timeline = Timeline({"theme":ThemeType.ESSOS})
years.reverse()

"""创建Bar对象 并加入到Timeline对象 还有进行配置"""
for year in years:
    # 下面我们需要取出每一年按照人口数量排序的前12省市
    # 1. 先排序 2.在切片
    # 采用人口数量进行排序，所以索引对应的为1,(适用于列表中的元素还是列表的情况)
    data_dict[year].sort(key=lambda ele: ele[1], reverse=True)
    rank_12_city_data = data_dict[year][0:12]  # 只切片12个省市
    # print(year,rank_12_city_data)
    # rank_12_city_data：[['广东省', 74732.4], ['江苏省', 71255.9], ['山东省', 55288.8]

    # 定义Bar的x轴数据
    x_data = []
    # 定义Bar的x轴数据
    y_data = []

    for city in rank_12_city_data:
        x_data.append(city[0])  # 对应各省市名称
        y_data.append(city[1])  # 对应的人口数量

    # 创建Bar对象
    bar = Bar()
    # 对x_data和y_data数据进行翻转
    x_data.reverse()
    y_data.reverse()

    bar.add_xaxis(x_data)
    bar.add_yaxis("人口(万)", y_data)

    # 转换x轴和y轴
    bar.reversal_axis()
    # 全局设置
    bar.set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年中国前12省市情况"))
    # 将创建好的bar添加到Timeline对象
    timeline.add(bar, str(year))

# 对时间线进行配置
timeline.add_schema(
    play_interval=500, # 毫秒单位，半秒
    is_auto_play=True
)

"""生成对应的文件"""

timeline.render("2015-2023排名前十二省市情况.html")

相关文章：

  • ESP32S3 TCP直接通信实战指南
  • Linux网络编程——详解网络层IP协议、网段划分、路由
  • 事务隔离级别和MVCC
  • Python生成exe
  • 记录一次因ASM磁盘组空间不足，导致MAP进程无法启动
  • 通过课程学习大幅提高LLM强化学习效率
  • 《实战AI智能体》——AI自动化如何赋能Outbound Email
  • 关于读完《毛泽东选集》的一些思考迭代
  • Linux基础7
  • 第十二章：FreeRTOS多任务创建与删除
  • SEO长尾词深度优化策略
  • 体验智能体构建过程：从零开始构建Agent
  • 实信号的傅里叶变换为何属于埃尔米特函数？从数学原理到 MATLAB 动态演示
  • 1 程序的本质，计算机语言简史，TIOBE 指数，C 语言的独特魅力、发展历程、发行版本和应用场景
  • 第二篇：Python函数与模块化编程深度教程
  • bitsandbytes 报错心得
  • 解析 WebSocket 协议的基本原理
  • PostgreSQL全平台安装指南：从入门到生产环境部署
  • Redis常用数据结构和应用场景
  • spring 服务调用中 RestTemplate vs OpenFeign 对比详解
  • 承德做网站boyun/正规的代运营公司
  • 科技类网站风格/电脑编程培训学校哪家好
  • 私人信息调查/seo页面优化公司
  • 外国做挂的网站是多少/微信crm
  • %2enet网站开发/搜狗站长管理平台
  • 市政府网站建设标准/今日头条网页版入口