pyecharts画布大小_数据可视化|pyecharts折线图-程序员宅基地

技术标签: pyecharts画布大小  

97b1ae4223e46f5c3a85a8bcaacd385f.gif

70730bece05db73571ca43a7710337e1.gif

折线图经常用来观察数据随时间变化的趋势,折线图中的维度不宜过多,否则会非常混乱和复杂,折线图可以显示随时间而变化的连续数据,因此非常适用于显示在相等时间间隔下数据的趋势。在可视化中,也经常用到面积图,面积图是折线图的变种,面积图更注重数据类别之间随着时间趋势的变化关系,表示数值累积。在折线图中,类别数据沿水平轴均匀分布,所有值数据沿垂直轴均匀分布,本文借助Python中的pyecharts库,绘制常用的折线图、平滑曲线、面积图等, 生成折线图可以分为如下几步,导入pyecharts库,导入数据,基本属性设置,如下为常用的折线图示例,详细操作请看代码注释。 1折线图基本示例
import pyecharts.options as opts #导入pyecharts库from pyecharts.charts import Linenum=[114, 55, 27, 101, 125, 27, 105] #导入数据lab=["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"](            Line(init_opts=opts.InitOpts(width='720px', height='320px')) #设置画布大小          .add_xaxis(lab)         .add_yaxis('商家A',num)                   .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))    ).render_notebook()

3ba82bd539cc02b99859dcbd3c29ef98.png

2GDP总量变化
import pyecharts.options as opts #导入pyecharts库from pyecharts.charts import Linegdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10289.7, 14958.3] #导入数据year = ['1950年', '1960年', '1970年', '1980年', '1990年', '2000年', '2010年'](            Line(init_opts=opts.InitOpts(width='720px', height='320px'))  #设置画布大小         .add_xaxis(year)         .add_yaxis("GDP",gdp)                   .set_global_opts(title_opts=opts.TitleOpts(title="GDP总量变化"))    ).render_notebook()

2d6fa981c77542c95b76a50d011a7f2a.png

3双变量基本示例
import pyecharts.options as opts #导入pyecharts库from pyecharts.charts import Linenum = [114, 55, 27, 101, 125, 27, 105] #导入数据num2 = [57, 134, 137, 129, 145, 60, 49]lab = ["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"](            Line(init_opts=opts.InitOpts(width='720px', height='320px')) # 指定画布大小,括号内为空则默认大小          .add_xaxis(xaxis_data=lab)         .add_yaxis("商家A", num)           .add_yaxis("商家B", num2)            .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))    ).render_notebook()

9aac1288aba33b87aaaa14b8d63850ea.png

4平滑曲线
##平滑曲线import pyecharts.options as opts #导入pyecharts库from pyecharts.charts import Linenum = [114, 55, 27, 101, 125, 27, 105] #导入数据num2 = [57, 134, 137, 129, 145, 60, 49]lab = ["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"](            Line(init_opts=opts.InitOpts(width='720px', height='320px'))           .add_xaxis(lab)         .add_yaxis("商家A", num,is_smooth=True)           .add_yaxis("商家B",num2,is_smooth=True) #设置平滑曲线属性          .set_global_opts(title_opts=opts.TitleOpts(title="平滑曲线"))    ).render_notebook()

9dff4023af671109b38f3e32c9e3b901.png

5面积图
##面积图import pyecharts.options as opts #导入pyecharts库from pyecharts.charts import Linenum = [114, 55, 27, 101, 125, 27, 105] #导入数据num2 = [57, 134, 137, 129, 145, 60, 49]lab = ["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"](            Line(init_opts=opts.InitOpts(width='720px', height='320px'))#设置画布大小          .add_xaxis(lab)         .add_yaxis("商家A", num,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))#设置面积图属性          .add_yaxis("商家B",num2,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))            .set_global_opts(title_opts=opts.TitleOpts(title="面积图"))    ).render_notebook()

2fd6cf2fb18d039518cca0c539a52c7e.png

4a9214c576e619d22264f3699ba5384d.png
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/weixin_39743622/article/details/113312284

智能推荐

一个ngrok如何穿透多个端口?_ngrok多个端口-程序员宅基地

文章浏览阅读2.7k次,点赞2次,收藏4次。如何不充钱就可以穿透多个端口?./ngrok authtoken 授权码之前这个操作的生成的yml文件中修改 端口可添加多个addr:port端口可随意配置_ngrok多个端口

C语言 char转uint8_t-程序员宅基地

文章浏览阅读5.9k次。char转uint8_t:static int char2uint(char *input, uint8_t *output){ for(int i = 0; i < 24; i++) { output[i] &= 0x00; for (int j = 1; j >= 0; j--) { char hb = input[i*2 + 1 - j]; if (hb >= '0' &..._char转uint8_t

android 陀螺仪简单使用,判读手机是否静止状态_安卓陀螺仪多少才算静止-程序员宅基地

文章浏览阅读6.5k次,点赞5次,收藏13次。陀螺仪允许您在任何给定时刻确定Android设备的角速度。简单来说,它告诉您设备绕X,Y和Z轴旋转的速度有多快。最近,即使是预算手机正在制造,陀螺仪内置,增强现实和虚拟现实应用程序变得如此受欢迎。通过使用陀螺仪,您可以开发可以响应设备方向的微小更改的应用程序。创建陀螺仪对象和管理器manager// Register it, specifying the polling interv..._安卓陀螺仪多少才算静止

lib静态库逆向分析_libtersafe-程序员宅基地

文章浏览阅读4.7k次,点赞3次,收藏16次。当我们要分析一个lib库里的代码时,首先需要判断这是一个静态库还是一个导入库。库类型判断lib文件其实是一个压缩文件。我们可以直接使用7z打开lib文件,以查看里面的内容。如果里面的内容是obj文件,表明是静态库。如果里面的内容是dll文件,表明是导入库。导入库里面是不包含代码的,代码包含在对应的dll文件中。从lib中提取obj静态库是一个或者多个obj文件的打包,这里有两个方法从中提取obj:Microsoft 库管理器 7z解压Microsoft 库管理器(li_libtersafe

Linux的网络适配器_linux 查询网络适配器-程序员宅基地

文章浏览阅读5.3k次,点赞3次,收藏3次。了解一下,省的脑壳痛 桥接模式对应的虚拟网络名称“VMnet0” 桥接模式下,虚拟机通过主机的网卡进行通信,若物理主机有多块网卡(有线的和无线网卡),应选择桥结哪块物理网卡桥接模式下,虚拟机和物理主机同等地位,可以通过物理主机的网卡访问外网(局域网),一个局域网的其他计算机可以访问虚拟机。为虚拟机设置一个与物理网卡在同个网段的IP,则虚拟机就可以与物理主机以及局域..._linux 查询网络适配器

【1+X Web前端等级考证 】 | Web前端开发中级理论 (附答案)_1+xweb前端开发中级-程序员宅基地

文章浏览阅读3.4w次,点赞77次,收藏438次。# 前言2020 12月 1+X Web 前端开发中级 模拟题大致就更这么多,我的重心不在这里,就不花太多时间在这里面了。但是,说说1+X Web前端开发等级考证这个证书,总有人跑到网上问:这个证书有没有用? 这个证书含金量高不高?# 关于考不考因为这个是工信部从2019年才开始实施试点的,目前还在各大院校试点中,就目前情况来看,知名度并不是很高,有没有用现在无法一锤定音,看它以后办的怎么样把,软考以前也是慢慢地才知名起来。能考就考吧,据所知,大部分学校报考,基本不用交什么报考费(小部分学校,个别除._1+xweb前端开发中级

随便推点

项目组织战略管理及组织结构_项目组织的具体形态的是战略管理层-程序员宅基地

文章浏览阅读1.7k次。组织战略是组织实施各级项目管理,包括项目组合管理、项目集管理和项目管理的基础。只有从组织战略的高度来思考,思考各个层次项目管理在组织中的位置,才能够理解各级项目管理在组织战略实施中的作用。同时战略管理也为项目管理提供了具体的目标和依据,各级项目管理都需要与组织的战略保持一致。..._项目组织的具体形态的是战略管理层

图像质量评价及色彩处理_图像颜色质量评价-程序员宅基地

文章浏览阅读1k次。目录基本统计量色彩空间变换亮度变换函数白平衡图像过曝的评价指标多视影像因曝光条件不一而导致色彩差异,人眼可以快速区分影像质量,如何利用图像信息辅助算法判断影像优劣。基本统计量灰度均值方差梯度均值方差梯度幅值直方图图像熵p·log(p)色彩空间变换RGB转单通道灰度图像 mean = 225.7 stddev = 47.5mean = 158.5 stddev = 33.2转灰度梯度域gradMean = -0.0008297 / -0.000157461gr_图像颜色质量评价

MATLAB运用规则,利用辛普森规则进行数值积分-程序员宅基地

文章浏览阅读1.4k次。Simpson's rule for numerical integrationZ = SIMPS(Y) computes an approximation of the integral of Y via the Simpson's method (with unit spacing). To compute the integral for spacing different from one..._matlab利用幸普生计算积分

【AI之路】使用huggingface_hub优雅解决huggingface大模型下载问题-程序员宅基地

文章浏览阅读1.2w次,点赞28次,收藏61次。Hugging face 资源很不错,可是国内下载速度很慢,动则GB的大模型,下载很容易超时,经常下载不成功。很是影响玩AI的信心。经过多次测试,终于搞定了下载,即使超时也可以继续下载。真正实现下载无忧!究竟如何实现?且看本文分解。_huggingface_hub

mysql数据库查看编码,mysql数据库修改编码_查看数据库编码-程序员宅基地

文章浏览阅读3.5k次,点赞2次,收藏7次。其中 `DEFAULT CHARSET` 和 `COLLATE` 分别指定了表的默认编码和排序规则。其中 `DEFAULT CHARACTER SET` 指定了数据库的默认编码。其中 `Collation` 列指定了字段的排序规则,这也是字段的默认编码。此命令将更改表的默认编码和排序规则。此命令将更改字段的编码和排序规则。此命令将更改数据库的默认编码。_查看数据库编码

机器学习(十八):Bagging和随机森林_bagging数据集-程序员宅基地

文章浏览阅读1.3k次,点赞7次,收藏24次。本文深入探讨了集成学习及其在随机森林中的应用。对集成学习的基本概念、优势以及为何它有效做了阐述。随机森林,作为一个集成学习方法,与Bagging有紧密联系,其核心思想和实现过程均在文中进行了说明。还详细展示了如何在Sklearn中利用随机森林进行建模,并对其关键参数进行了解读,希望能帮助大家更有效地运用随机森林进行数据建模。_bagging数据集