整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
據變化柱狀圖
大家看到這個圖有沒有熟悉感，頭條視頻有時候推薦這樣的視頻，有沒有想到這是怎么制作出來的了，對，這就是技術大神Jannchie的作品，使用的是D3.js,然后再加上錄屏工具就可以看到了（百度echarts版本明天出）。
一.技術點
1.需要準備好數據
類似這樣就行，數據庫也行
2.將數據放在visual.js中就可以了。（項目文件在下面下載哦）
二、解析
1.這其實是用D3畫的柱狀圖，有興趣的朋友可以了解一下。
2.作者在js中添加了眾多注釋，讓你只需要填寫數據就行，前端頁面不需要擔心。
3.原項目支持上傳數據，我直接寫好了可以需要使用。
三、地址
pyecharts 是一個用于生成 ECharts 圖表的類庫，可以方便地在 Python 中進行數據可視化。ECharts 是一種使用 JavaScript 實現的，功能豐富的圖表庫。通過 pyecharts，我們可以在 Python 中創建各種類型的圖表，包括折線圖、柱狀圖、餅圖、散點圖等。使用pyecharts進行可視化大屏的優點有很多，比如：
豐富的圖表類型：pyecharts支持多種類型的圖表，可以滿足不同的數據可視化需求。
高效的性能：pyecharts的性能非常好，可以快速生成大量的圖表。
易用性：pyecharts的API設計簡潔易用，可以快速上手。
可擴展性：pyecharts支持自定義主題和與其他Python庫的集成，方便用戶擴展功能。
Pyecharts的語法結構包括以下部分：
總之，Pyecharts的語法結構基于ECharts的語法結構，通過Python類庫的方式實現。使用Pyecharts可以方便地在Python中創建各種類型的圖表，并對其進行配置和定制。
pyecharts是一個基于Python語言的數據可視化庫，可以用來創建各種類型的圖形，如折線圖、柱狀圖、散點圖、餅圖、地圖等。它基于Echarts庫，通過Python語言提供了更簡單、更便捷的方式來創建圖形，無需編寫復雜的JavaScript代碼。使用pyecharts，用戶可以通過簡單的Python代碼來定義圖形的數據、樣式、布局等，然后生成HTML文件，從而實現圖形的展示和交互。通過pyecharts，用戶可以在Python環境下靈活、高效地進行數據可視化工作。
（1）.繪制pyecharts圖形需要導入庫的相關類和函數：在Python文件中導入pyecharts庫的相關類和函數：
import pandas as pd
from pyecharts.charts import Scatter
from pyecharts import options as opts（2）.安裝pyecharts庫：通過pip安裝pyecharts庫，可以使用以下命令進行安裝：
pip install pyecharts1.安裝pyecharts庫，導入必要的包：
# 繪制一個散點圖
import pandas as pd
from pyecharts.charts import Scatter
from pyecharts import options as opts2.導入使用的數據集并準備需要的數據并繪制散點圖
scatter=(
Scatter()
.add_xaxis(xaxis_data=x)
.add_yaxis(
'',
y_axis=y,
symbol_size=12,
label_opts=opts.LabelOpts(is_show=False)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_='value',
),
yaxis_opts=opts.AxisOpts(
type_='value',
)
)
)
scatter.render_notebook()
#scatter.render('散點圖.html')
以下是這段代碼的逐行解釋：
scatter=(：開始定義一個名為scatter的變量，該變量將存儲生成的散點圖。
Scatter()：創建一個新的Scatter對象，這是生成散點圖的基礎。
.add_xaxis(xaxis_data=x)：為散點圖添加x軸的數據。其中，x是一個包含x軸數據的列表或數組。
.add_yaxis('', y_axis=y, symbol_size=12, label_opts=opts.LabelOpts(is_show=False))：
''：y軸的名稱（這里為空字符串，表示不顯示名稱）。
y_axis=y：為散點圖添加y軸的數據。其中，y是一個包含y軸數據的列表或數組。
symbol_size=12：設置散點的大小為12。
label_opts=opts.LabelOpts(is_show=False)：設置標簽的選項，這里設置為不顯示標簽。
.set_global_opts(：設置全局的配置選項。
xaxis_opts=opts.AxisOpts(type_='value',)：設置x軸的類型為數值型。
yaxis_opts=opts.AxisOpts(type_='value',)：設置y軸的類型為數值型。
)：結束.set_global_opts()方法的調用。
): 結束Scatter()對象的創建。
scatter.render_notebook()：在Jupyter Notebook中渲染這個散點圖。如果在一個Jupyter環境中運行這段代碼，能看到一個在Notebook中顯示的散點圖。
scatter.render('散點圖.html')：這是一個注釋行，可以使用scatter.render('散點圖.html')將散點圖渲染到一個名為"散點圖.html"的HTML文件中。以下是在jupyter中運行上面的代碼所得到的散點圖：
根據以上繪制散點圖的具體描述，我們現在來繪制一個餅圖，繪制過程不明白的可以參考上面散點圖的詳細描述!
(1)導入數據包與所使用的數據文件
（2）這一段代碼使用了數據分箱 (數據分桶）和分組統計
# 數據分箱
df['年齡段']=pd.cut(
df['年齡'],
bins=[0,20,40,60,100],
labels=['少年','青年','中年','老年']
)
# 分組統計
result=df.groupby('年齡段').size()
#數據準備
data=[[x,int(y)] for x,y in zip(result.index,result.values)]
pie=(
Pie()
.add(
'',#數據的系列名稱，如果只有一個系列的數據，填空字符
data,
radius=['30%','75%'], #橫向 左右
center=['25%','50%'], #上下
rosetype='radius'
)
)
pie.render_notebook()以下是圖形運行展示：
（1）繪制雷達圖步驟：1.導入數據-2.定義數據標簽-3.設置全局配置項-4.添加數據標簽-5.設置圖例和標題-6.最后打印圖表
（2）創建雷達圖并設置全局配置項：
（3） 添加數據和標簽：
# 雷達圖
from pyecharts import options as opts
from pyecharts.charts import Radar
# 定義數據和標簽
x=[[3, 6, 7, 8, 5, 9]]
y=[[6, 8, 2, 7, 3, 5]]
labels=['年齡', '群眾', '團員', '女生', '男生', '老師']
# 創建雷達圖并設置全局配置項
radar=Radar()
radar.add_schema(schema=[opts.RadarIndicatorItem(name=labels[i], max_=20) for i in range(len(labels))])
# 添加數據和標簽
for i in range(len(x)):
radar.add(labels[i], [x[i], y[i]], color="pink", linestyle_opts=opts.LineStyleOpts(width=2, opacity=0.9))
# 設置圖例和標題
radar.set_global_opts(legend_opts=opts.LegendOpts(pos_left="center", pos_top="top"), title_opts=opts.TitleOpts(title="Radar Chart"))
# 渲染圖表
#radar.render("雷達圖.html")
radar.render_notebook()圖片展示：
（1）導入數據包，從Excel文件中讀取數據，然后按照“工作地所在省份”進行分組并統計每個省份的會員卡號數量。最后，對結果進行降序排序并取前30名。
（2）進行數據準備：將result的索引轉化為列表并賦值給x，然后將索引和值都轉化為列表并分別賦值給y1和y2。
（3）.reversal_axis()是用來實現柱形圖的，即從大到小的順序顯示。最后，設置全局配置項，包括標題、標題鏈接和標題文本樣式。
#繪制柱形圖
from pyecharts.charts import Bar
df1=pd.read_excel('數據集/航空公司數據.xlsx')
result=df1.groupby('工作地所在省份')['會員卡號'].count().sort_values(ascending=False)[:30]
#數據準備
x=result.index.tolist()
y1=result.index.tolist()
y2=result.values.tolist()
#畫圖
y=(
Bar( ) #init_opts=opts.InitOpts(width='600px',height='400px')
.add_xaxis(x)
.add_yaxis('人數',y1,stack=100) #stack 表示堆積效果，兩個stack參數值要相等
.add_yaxis('省份',y2,stack=100)
.reversal_axis() #實現條形圖效果
.set_global_opts(
title_opts=opts.TitleOpts(
title="各省份用戶人數柱形圖（前30名）",
title_link='https://www.baidu.com', #標題鏈接
title_textstyle_opts=opts.TextStyleOpts( #文字樣本配置項
color='red',
font_size=20,
)
)
)
)
y.render_notebook()以下是展示結果圖片：
1.這段代碼是使用pyecharts庫來創建一個標題為“大屏標題”的餅圖，并設置了一些全局選項。
2.使用datetime.now()獲取當前時間，然后使用strftime('%Y-%m-%d')格式化為'年-月-日'的格式，并賦值給now_time變量。
3.使用render_notebook()方法將圖表渲染到Jupyter Notebook中。這樣，當在Jupyter環境中運行這段代碼時，我們會看到一個顯示“大屏標題”和“截至：當前時間”的空白區域，這是構成大屏的標題部分。
from pyecharts.charts import Pie
from datetime import datetime
now_time=datetime.now().strftime('%Y-%m-%d') # 獲取當前時間
big_title=(
Pie() # 不畫圖，只顯示一個標題，用來構成大屏的標題
.set_global_opts(
title_opts=opts.TitleOpts(title="大屏標題",
title_textstyle_opts=opts.TextStyleOpts(font_size=40,
# color='#FFFFFF',
),
subtitle=f'截至：{now_time}',
pos_top=10
)
)
)
big_title.render_notebook()1.圖表結果展示
使用pyecharts庫來創建一個Page對象，該對象可以用來組合多個圖表并展示在一個頁面上。
（1）添加圖表到Page對象:使用add方法將多個圖表添加到Page對象中。這些圖表可以是上面已經創建好的，如big_title, scatter, pie, radar, 和 y 這樣，這些圖表將會被組合到一個頁面上展示啦。
from pyecharts.charts import Page
page=Page() # 創建Page對象
page.add( # 添加圖表到Page對象
big_title,
scatter,
pie,
radar,
y
)
# page.render_notebook()
page.render('tp.html') # 渲染Page對象到HTML文件
在html中可以調整各個圖形的位置和大小，按“Save Config”鍵保存配置chart_config.json（有的電腦不成功）。在運行這個代碼后可能會出現 no test named ' false ' 的報錯：
解決方法有兩種：在anac
從bs4模塊導入BeautifulSoup類，這是一個用于解析HTML和XML文檔的庫。
from bs4 import BeautifulSoupwith open語句打開名為"tp.html"的文件，并設置模式為"r+"（讀寫模式），同時指定編碼為'utf-8'，使用BeautifulSoup類解析HTML文件內容，并將解析后的對象賦值給html_bf。
with open("tp.html", "r+", encoding='utf-8') as html:
html_bf=BeautifulSoup(html, 'lxml') divs=html_bf.select('.chart-container') # 根據css定位標簽，選中圖像的父節點標簽
divs[0]["style"]="width:50%;height:99px;position:absolute;top:0px;left:10%;border-style:dashed;border-color:#000000;border-width:0px;"
divs[1]["style"]="width:350px;height:270px;position:absolute;top:50px;left:30px;border-style:solid;border-color:#88888;border-width:2px;"
divs[2]["style"]="width:350px;height:270px;position:absolute;top:50px;left:390px;border-style:solid;border-color:#66666;border-width:2px;"
divs[3]["style"]="width:350px;height:260px;position:absolute;top:350px;left:30px;border-style:solid;border-color:#444444;border-width:2px;"
divs[4]["style"]="width:350px;height:260px;position:absolute;top:350px;left:390px;border-style:solid;border-color:#444444;border-width:2px;"
body=html_bf.find("body") # 根據標簽名稱定位到body標簽
body["style"]="background-color:p;" # 修改背景顏色
html_new=str(html_bf) # 將BeautifulSoup對象轉換為字符
html.seek(0, 0) # 光標移動至
html.truncate() # 刪除光標后的所有字符內容
html.write(html_new) # 將由BeautifulSoup對象轉換得到的字符重新寫入html文件
html.close()以上代碼的運行結果展示如圖：
總結：這段代碼的主要目的是讀取一個HTML文件，并使用BeautifulSoup庫修改其中特定元素的樣式，然后重新寫入修改后的內容
使用pyecharts進行數據可視化是一種非常有效的方式，它能夠將復雜的數據轉化為直觀的圖表，幫助我們更好地理解和分析數據。這是我對pyecharts進行數據可視化的一些心得體會和總結：簡潔易用：pyecharts的API設計非常簡潔，使用起來非常方便。交互性強：pyecharts支持圖表之間的交互，比如可以通過鼠標懸停在某個數據點上，顯示更多的信息。可擴展性強：pyecharts支持自定義主題，我們可以根據需要調整圖表的樣式。同時，它也支持與其他Python庫的集成，比如使用pandas進行數據處理，使用matplotlib進行數據預處理等。
在使用pyecharts進行數據可視化的過程中，我也遇到了一些問題。比如，對于一些復雜的圖表類型，可能需要花費更多的時間來學習和理解。另外，雖然pyecharts的性能很好，但是如果需要生成大量的圖表或者需要實時渲染的場景，可能需要考慮其他的解決方案。
總的來說，使用pyecharts進行數據可視化是一種非常有效的方式。它簡潔易用，交互性強，可擴展性強，性能良好，社區活躍。在未來的工作中，我會繼續使用pyecharts進行數據可視化，也會向社區貢獻自己的力量。
到此這篇關于在Python中使用pyecharts圖形畫可視化大屏的文章就介紹到這了。
#IT#
Pyecharts是一個將Echarts與Python結合的數據可視化庫。而Echarts本身是由百度開源的一個基于JavaScript的數據可視化庫，它以良好的交互性和精巧的圖表設計而受到開發者的認可。Python是一門非常適合數據處理的編程語言，具有強大的表達力和豐富的數據處理工具。
Pyecharts就是這兩者的結合，它允許Python開發者利用Echarts的強大功能來創建各種數據可視化圖表。使用pyecharts可以生成獨立的網頁文件，也可以集成到Web框架如Flask或Django中使用。
在pyecharts中，一切的配置都是通過Options來實現的。這意味著用戶可以通過配置不同的選項來定制化自己的圖表，從而創造出更加豐富和符合需求的可視化效果。
首先，簡潔的API設計是Pyecharts的一個顯著特點。它提供了簡單直觀的接口，使得用戶能夠輕松地創建復雜的圖表。這種設計哲學不僅降低了學習成本，還提高了開發效率，支持鏈式調用，讓代碼更加流暢易讀。
其次，豐富的圖表類型也是Pyecharts的一大特色。它包含了30多種常見的圖表類型，如折線圖、柱狀圖、餅圖等，幾乎涵蓋了所有主流的數據可視化需求。
再者，對Web框架的良好集成是Pyecharts的另一個優勢。它可以無縫集成到Flask、Django等主流的Web框架中，這使得在Web應用中集成數據可視化變得非常方便。
此外，原生百度地圖的支持為地理數據可視化提供了極大的便利。用戶可以輕松地在地圖上繪制各種地理信息，這對于需要展示地理位置數據的應用場景非常有用。
最后，Pyecharts支持主流的Notebook環境，包括Jupyter Notebook和JupyterLab，這使得數據分析和可視化可以在同一個環境中進行，極大地提高了工作效率。
安裝命令
pip install pandas
pip install pyecharts查看已安裝版本：
import pyecharts
print(pyecharts.__version__)import pandas as pd
from pyecharts.charts import Bar, Pie
from pyecharts import options as opts
# 讀取Excel文件
file_path='企業員工信息表.xlsx'
df=pd.read_excel(file_path)
# 統計各部門人數
department_count=df['部門'].value_counts()
# 繪制柱狀圖
bar=(
Bar()
.add_xaxis(department_count.index.tolist())
.add_yaxis("人數", department_count.values.tolist())
.set_global_opts(title_opts=opts.TitleOpts(title="各部門人數統計"))
)
# 生成HTML文件
bar.render('A06-各部門人數統計.html')結果展示：
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
