資訊專欄INFORMATION COLUMN
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
