小編寫這篇文章的主要目的,主要是給大家介紹一下關于Python中的一些案例情況,包括使用到一些可視化的工具pyecharts,那么,怎么使用這種工具去進行繪制折線圖呢?下面就給大家詳細解答下。
折線圖介紹
折線圖和柱狀圖一樣是我們日常可視化最多的一個圖例,當然它的優勢和適用場景相信大家肯定不陌生,要想快速的得出趨勢,抓住趨勢二字,就會很快的想到要用折線圖來表示了。折線圖是通過直線將這些點按照某種順序連接起來形成的圖,適用于數據在一個有序的因變量上的變化,它的特點是反應事物隨類別而變化的趨勢,可以清晰展現數據的增減趨勢、增減的速率、增減的規律、峰值等特征。
優點:
能很好的展現沿某個維度的變化趨勢
能比較多組數據在同一個維度上的趨勢
適合展現較大數據集
缺點:每張圖上不適合展示太多折線
折線圖模板系列
雙折線圖(氣溫最高最低溫度趨勢顯示)
雙折線圖在一張圖里面顯示,肯定有一個相同的維度,然后有兩個不同的數據集。比如一天的溫度有最高的和最低的溫度,我們就可以用這個來作為展示了。
import pyecharts.options as opts from pyecharts.charts import Line week_name_list=["周一","周二","周三","周四","周五","周六","周日"] high_temperature=[11,11,15,13,12,13,10] low_temperature=[1,-2,2,5,3,2,0] ( Line(init_opts=opts.InitOpts(width="1000px",height="600px")) .add_xaxis(xaxis_data=week_name_list) .add_yaxis( series_name="最高氣溫", y_axis=high_temperature, #顯示最大值和最小值 #markpoint_opts=opts.MarkPointOpts( #data=[ #opts.MarkPointItem(type_="max",name="最大值"), #opts.MarkPointItem(type_="min",name="最小值"), #] #), #顯示平均值 #markline_opts=opts.MarkLineOpts( #data=[opts.MarkLineItem(type_="average",name="平均值")] #), ) .add_yaxis( series_name="最低氣溫", y_axis=low_temperature, #設置刻度標簽 #markpoint_opts=opts.MarkPointOpts( #data=[opts.MarkPointItem(value=-2,name="周最低",x=1,y=-1.5)] #), #markline_opts=opts.MarkLineOpts( #data=[ #opts.MarkLineItem(type_="average",name="平均值"), #opts.MarkLineItem(symbol="none",x="90%",y="max"), #opts.MarkLineItem(symbol="circle",type_="max",name="最高點"), #] #), ) .set_global_opts( title_opts=opts.TitleOpts(title="未來一周氣溫變化",subtitle="副標題"), #tooltip_opts=opts.TooltipOpts(trigger="axis"), #toolbox_opts=opts.ToolboxOpts(is_show=True), xaxis_opts=opts.AxisOpts(type_="category",boundary_gap=False), ) .render("最低最高溫度折線圖.html") ) print("圖表已生成!請查收!")
面積折線圖(緊貼Y軸)
還記得二重積分嗎,面積代表什么?有時候我們就想要看誰圍出來的面積大,這個在物理的實際運用中比較常見,下面來看看效果吧。
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Faker from pyecharts.globals import ThemeType c=( Line({"theme":ThemeType.MACARONS}) .add_xaxis(Faker.choose()) .add_yaxis("商家A",Faker.values(),is_smooth=True) .add_yaxis("商家B",Faker.values(),is_smooth=True) .set_series_opts( areastyle_opts=opts.AreaStyleOpts(opacity=0.5), label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( title_opts=opts.TitleOpts(title="標題"), xaxis_opts=opts.AxisOpts( axistick_opts=opts.AxisTickOpts(is_align_with_label=True), is_scale=False, boundary_gap=False, name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), yaxis_opts=opts.AxisOpts( name='數量', name_location='middle', name_gap=30, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )), #toolbox_opts=opts.ToolboxOpts()#工具選項 ) .render("面積折線圖-緊貼Y軸.html") ) print("請查收!")
簡單折線圖(無動態和數據標簽)
此模板和Excel里面的可視化差不多,沒有一點功能元素,雖然它是最簡潔的,但是我們可以通過這個進行改動,在上面創作的畫作。
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.globals import ThemeType x_data=["Mon","Tue","Wed","Thu","Fri","Sat","Sun"] y_data=[820,932,901,934,1290,1330,1320] ( Line({"theme":ThemeType.MACARONS}) .set_global_opts( tooltip_opts=opts.TooltipOpts(is_show=False), xaxis_opts=opts.AxisOpts( name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), yaxis_opts=opts.AxisOpts( type_="value", axistick_opts=opts.AxisTickOpts(is_show=True), splitline_opts=opts.SplitLineOpts(is_show=True), name='數量', name_location='middle', name_gap=30, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )), ) .add_xaxis(xaxis_data=x_data) .add_yaxis( series_name="", y_axis=y_data, symbol="emptyCircle", is_symbol_show=True, label_opts=opts.LabelOpts(is_show=False), ) .render("簡單折線圖.html") )
連接空白數據折線圖
有時候我們在處理數據的時候,發現有些類別的數據缺失了,這個時候我們想要它可以自動連接起來,那么這個模板就可以用到了。
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Faker from pyecharts.globals import ThemeType y=Faker.values() y[3],y[5]=None,None c=( Line({"theme":ThemeType.WONDERLAND}) .add_xaxis(Faker.choose()) .add_yaxis("商家A",y,is_connect_nones=True) .set_global_opts(title_opts=opts.TitleOpts(title="標題"), xaxis_opts=opts.AxisOpts( name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), yaxis_opts=opts.AxisOpts( name='數量', name_location='middle', name_gap=30, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )),) #toolbox_opts=opts.ToolboxOpts()#工具選項) .render("數據缺失折線圖.html") ) 對數軸折線圖示例 此圖例未必用的上,當然也可以作為一個模板分享于此。 import pyecharts.options as opts from pyecharts.charts import Line x_data=["一","二","三","四","五","六","七","八","九"] y_data_3=[1,3,9,27,81,247,741,2223,6669] y_data_2=[1,2,4,8,16,32,64,128,256] y_data_05=[1/2,1/4,1/8,1/16,1/32,1/64,1/128,1/256,1/512] ( Line(init_opts=opts.InitOpts(width="1200px",height="600px")) .add_xaxis(xaxis_data=x_data) .add_yaxis( series_name="1/2的指數", y_axis=y_data_05, linestyle_opts=opts.LineStyleOpts(width=2), ) .add_yaxis( series_name="2的指數",y_axis=y_data_2,linestyle_opts=opts.LineStyleOpts(width=2) ) .add_yaxis( series_name="3的指數",y_axis=y_data_3,linestyle_opts=opts.LineStyleOpts(width=2) ) .set_global_opts( title_opts=opts.TitleOpts(title="對數軸示例",pos_left="center"), tooltip_opts=opts.TooltipOpts(trigger="item",formatter="{a}<br/>{b}:{c}"), legend_opts=opts.LegendOpts(pos_left="left"), xaxis_opts=opts.AxisOpts(type_="category",name="x"), yaxis_opts=opts.AxisOpts( type_="log", name="y", splitline_opts=opts.SplitLineOpts(is_show=True), is_scale=True, ), ) .render("對數軸折線圖.html") )
折線圖堆疊(適合多個折線圖展示)
多個折線圖展示要注意的是,數據量不能過于的接近,不然密密麻麻的折線,反而讓人看起來不舒服。
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.globals import ThemeType x_data=["周一","周二","周三","周四","周五","周六","周日"] y_data=[820,932,901,934,1290,1330,1320] ( Line({"theme":ThemeType.MACARONS}) .add_xaxis(xaxis_data=x_data) .add_yaxis( series_name="郵件營銷", stack="總量", y_axis=[120,132,101,134,90,230,210], label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( series_name="聯盟廣告", stack="總量", y_axis=[220,182,191,234,290,330,310], label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( series_name="視頻廣告", stack="總量", y_axis=[150,232,201,154,190,330,410], label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( series_name="直接訪問", stack="總量", y_axis=[320,332,301,334,390,330,320], label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( series_name="搜索引擎", stack="總量", y_axis=[820,932,901,934,1290,1330,1320], label_opts=opts.LabelOpts(is_show=False), ) .set_global_opts( title_opts=opts.TitleOpts(title="折線圖堆疊"), tooltip_opts=opts.TooltipOpts(trigger="axis"), yaxis_opts=opts.AxisOpts( type_="value", axistick_opts=opts.AxisTickOpts(is_show=True), splitline_opts=opts.SplitLineOpts(is_show=True), name='數量', name_location='middle', name_gap=40, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )), xaxis_opts=opts.AxisOpts(type_="category",boundary_gap=False, name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), ) .render("折線圖堆疊.html") )
二維曲線折線圖(兩個數據)
有時候需要在一個圖里面進行對比,那么我們應該如何呈現一個絲滑般的曲線折線圖呢?看看這個
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Faker c=( Line() .add_xaxis(Faker.choose()) .add_yaxis("商家A",Faker.values(),is_smooth=True)#如果不想變成曲線就刪除即可 .add_yaxis("商家B",Faker.values(),is_smooth=True) .set_global_opts(title_opts=opts.TitleOpts(title="標題"), xaxis_opts=opts.AxisOpts( name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), yaxis_opts=opts.AxisOpts( name='數量', name_location='middle', name_gap=30, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )), #toolbox_opts=opts.ToolboxOpts()#工具選項 ) .render("二維折線圖.html") )
多維度折線圖(顏色對比)
次模板的最大的好處就是可以移動鼠標智能顯示數據
import pyecharts.options as opts from pyecharts.charts import Line #將在v1.1.0中更改 from pyecharts.commons.utils import JsCode js_formatter="""function(params){ console.log(params); return'降水量'+params.value+(params.seriesData.length?':'+params.seriesData[0].data:''); }""" ( Line(init_opts=opts.InitOpts(width="1200px",height="600px")) .add_xaxis( xaxis_data=[ "2016-1", "2016-2", "2016-3", "2016-4", "2016-5", "2016-6", "2016-7", "2016-8", "2016-9", "2016-10", "2016-11", "2016-12", ] ) .extend_axis( xaxis_data=[ "2015-1", "2015-2", "2015-3", "2015-4", "2015-5", "2015-6", "2015-7", "2015-8", "2015-9", "2015-10", "2015-11", "2015-12", ], xaxis=opts.AxisOpts( type_="category", axistick_opts=opts.AxisTickOpts(is_align_with_label=True), axisline_opts=opts.AxisLineOpts( is_on_zero=False,linestyle_opts=opts.LineStyleOpts(color="#6e9ef1") ), axispointer_opts=opts.AxisPointerOpts( is_show=True,label=opts.LabelOpts(formatter=JsCode(js_formatter)) ), ), ) .add_yaxis( series_name="2015降水量", is_smooth=True, symbol="emptyCircle", is_symbol_show=False, #xaxis_index=1, color="#d14a61", y_axis=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3], label_opts=opts.LabelOpts(is_show=False), linestyle_opts=opts.LineStyleOpts(width=2), ) .add_yaxis( series_name="2016降水量", is_smooth=True, symbol="emptyCircle", is_symbol_show=False, color="#6e9ef1", y_axis=[3.9,5.9,11.1,18.7,48.3,69.2,231.6,46.6,55.4,18.4,10.3,0.7], label_opts=opts.LabelOpts(is_show=False), linestyle_opts=opts.LineStyleOpts(width=2), ) .set_global_opts( legend_opts=opts.LegendOpts(), tooltip_opts=opts.TooltipOpts(trigger="none",axis_pointer_type="cross"), xaxis_opts=opts.AxisOpts( type_="category", axistick_opts=opts.AxisTickOpts(is_align_with_label=True), axisline_opts=opts.AxisLineOpts( is_on_zero=False,linestyle_opts=opts.LineStyleOpts(color="#d14a61") ), axispointer_opts=opts.AxisPointerOpts( is_show=True,label=opts.LabelOpts(formatter=JsCode(js_formatter)) ), ), yaxis_opts=opts.AxisOpts( type_="value", splitline_opts=opts.SplitLineOpts( is_show=True,linestyle_opts=opts.LineStyleOpts(opacity=1) ), ), ) .render("多維顏色多維折線圖.html") )
階梯折線圖
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Faker from pyecharts.globals import ThemeType c=( Line({"theme":ThemeType.MACARONS}) .add_xaxis(Faker.choose()) .add_yaxis("商家A",Faker.values(),is_step=True) .set_global_opts(title_opts=opts.TitleOpts(title="標題"), xaxis_opts=opts.AxisOpts( name='類別', name_location='middle', name_gap=30,#標簽與軸線之間的距離,默認為20,最好不要設置20 name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16#標簽字體大小 )), yaxis_opts=opts.AxisOpts( name='數量', name_location='middle', name_gap=30, name_textstyle_opts=opts.TextStyleOpts( font_family='Times New Roman', font_size=16 #font_weight='bolder', )), #toolbox_opts=opts.ToolboxOpts()#工具選項 ) .render("階梯折線圖.html") )
js高渲染折線圖
里面的渲染效果相當好看,可以適用于炫酷的展示,數據集可以展示也可以不展示,在相應的位置更改參數即可。
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.commons.utils import JsCode x_data=["14","15","16","17","18","19","20","21","22","23","24","25","26","27","28","29","30","31","32","33","34","35","36","37","38","39","40"] y_data=[393,438,485,631,689,824,987,1000,1100,1200,1500,1000,1700,1900,2000,500,1200,1300,1500,1800,1500,1900,1700,1000,1900,1800,2100,1600,2200,2300] background_color_js=( "new echarts.graphic.LinearGradient(0,0,0,1," "[{offset:0,color:'#c86589'},{offset:1,color:'#06a7ff'}],false)" ) area_color_js=( "new echarts.graphic.LinearGradient(0,0,0,1," "[{offset:0,color:'#eb64fb'},{offset:1,color:'#3fbbff0d'}],false)" ) c=( Line(init_opts=opts.InitOpts(bg_color=JsCode(background_color_js))) .add_xaxis(xaxis_data=x_data) .add_yaxis( series_name="注冊總量", y_axis=y_data, is_smooth=True, is_symbol_show=True, symbol="circle", symbol_size=6, linestyle_opts=opts.LineStyleOpts(color="#fff"), label_opts=opts.LabelOpts(is_show=True,position="top",color="white"), itemstyle_opts=opts.ItemStyleOpts( color="red",border_color="#fff",border_width=3 ), tooltip_opts=opts.TooltipOpts(is_show=False), areastyle_opts=opts.AreaStyleOpts(color=JsCode(area_color_js),opacity=1), ) .set_global_opts( title_opts=opts.TitleOpts( title="OCTOBER 2015", pos_bottom="5%", pos_left="center", title_textstyle_opts=opts.TextStyleOpts(color="#fff",font_size=16), ), xaxis_opts=opts.AxisOpts( type_="category", boundary_gap=False, axislabel_opts=opts.LabelOpts(margin=30,color="#ffffff63"), axisline_opts=opts.AxisLineOpts(is_show=False), axistick_opts=opts.AxisTickOpts( is_show=True, length=25, linestyle_opts=opts.LineStyleOpts(color="#ffffff1f"), ), splitline_opts=opts.SplitLineOpts( is_show=True,linestyle_opts=opts.LineStyleOpts(color="#ffffff1f") ), ), yaxis_opts=opts.AxisOpts( type_="value", position="right", axislabel_opts=opts.LabelOpts(margin=20,color="#ffffff63"), axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(width=2,color="#fff") ), axistick_opts=opts.AxisTickOpts( is_show=True, length=15, linestyle_opts=opts.LineStyleOpts(color="#ffffff1f"), ), splitline_opts=opts.SplitLineOpts( is_show=True,linestyle_opts=opts.LineStyleOpts(color="#ffffff1f") ), ), legend_opts=opts.LegendOpts(is_show=False), ) .render("高渲染.html") )
所有圖表均可配置,無論是字體的大小,還是顏色,還是背景都可以自己配置喲!下期文章我們繼續探索折線圖的魅力喲!
到此為止,小編這篇文章就給大家介紹到這里了,希望可以給大家帶來更多的幫助。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/128182.html
小編寫這篇文章的主要目的,主要是用來進行繪制折線圖,在繪制的時候,用到的是Python這門語言,主要應用到的技能是Python pyecharts,利用它去進行繪制折線圖,下面小編就以案例的形式,去給大家詳細的做個介紹。 前言 相信有很多的小伙伴看了如此多個案例之后肯定有所發現,每一個案例都對應著每一個配置,如果是官方配置文檔,說實話看起來真的很難,這樣通過案例實現來解決各種參數的配置,我...
小編寫這篇文章的主要目的,主要是給大家做一個詳細的介紹,介紹的內容是Python可視化神器,這個神器指的是pyecharts,那么,怎么樣利用這種語言去進行繪制箱型圖呢?下面小編就給大家詳細解答下。 概念 后面的圖形都是一些專業的統計圖形,當然也會是我們可視化的對象。 箱形圖(Box-plot)又稱為盒須圖、盒式圖或箱線圖,是一種用作顯示一組數據分散情況資料的統計圖。因形狀如箱子而得名。...
小編寫這篇文章的主要目的,主要還是去進行講解一些關于Python pyecharts繪制儀表盤的一些講解,具體怎么去進行操作呢?下面就給大家詳細解答下。 儀表盤 儀表盤的效果我只能說炫酷而已,如果想要運用在實際的場景中,我其實也不清楚那個場景比較適合,但是pyecharts畢竟是炫酷可視化的利器,炫酷自然也就有它了。 小汽車儀表盤是長這樣的,下面我們來看看pyecharts的儀表盤是怎么...
這篇文章介紹的主要內容是,利用Python pyecharts去繪制柱狀圖,涉及到內容知識點還是比較的多的,那么,具體需要怎么操作呢?下面就給大家以案例的形式,去做一個介紹,大家仔細的閱讀下。 主題介紹 pyecharts里面有很多的主題可以供我們選擇,我們可以根據自己的需要完成主題的配置,這樣就告別了軟件的限制,可以隨意的發揮自己的藝術細胞了。 圖表參數 '''...
本文主要是詳細介紹了pyecharts制作時長滾動圖片柱狀圖+餅狀圖+玫瑰圖+折線統計圖,文章內容把握重點把握重點詳盡的基本介紹,具有很強的實用價值,感興趣的朋友可以了解一下。 1、pyecharts繪制時間輪播柱形圖 fromrandomimportrandint frompyechartsimportoptionsasopts frompyecharts.chartsimpor...
閱讀 911·2023-01-14 11:38
閱讀 878·2023-01-14 11:04
閱讀 740·2023-01-14 10:48
閱讀 1983·2023-01-14 10:34
閱讀 942·2023-01-14 10:24
閱讀 819·2023-01-14 10:18
閱讀 499·2023-01-14 10:09
閱讀 572·2023-01-14 10:02