数据可视化 |
您所在的位置：网站首页 › axie配置 › 数据可视化 |
数据可视化
|
一、pyecharts模块 安装 pip install pyecharts==1.8.1导入并创建一个对象 #从pyecharts.charts中导入Bar模块 from pyecharts.charts import Bar #创建一个柱状图Bar对象并赋值给变量bar bar=Bar()补充知识：浮点数取近似值 round(x,n)：对浮点数x进行近似取值，并保留n位小数的函数（n可选，默认保留到整数）。 添加x/y轴数据 ①添加x轴数据--bar.add_xaxis() #参数xaxis_data：命名参数，类型为列表，列表中的元素顺序表示柱状图x轴从左到右的刻度 bar.add_xaxis(xaxis_data=name)②添加y轴数据--bar.add_yaxis() #参数y_axis：命名参数，类型为列表 #参数series_name：设置图例名称参数，必选添加。图例名称用于区分柱状图，在图表中呈现不同的颜色，并且默认显示在图表上方 bar.add_yaxis(series_name="赞粉比", y_axis=ratioList) #平滑折线图，添加参数is_smooth=True line.add_yaxis(series_name=name,y_axis=likes,is_smooth=True)保存图表--render() 使用render()函数可以将图表以HTML格式存储在代码所在的文件夹内。 #bar.render("路径") bar.render("/Users/Yoyo/Desktop/fans_likes.html")二、全局配置项 导入 from pyecharts import options as opts标题设置 bar.set_global_opts(title_opts=opts.TitleOpts(title="候选博主粉丝与点赞的对比"))在TitleOpts中添加不同的参数，可以对坐标轴的样式进行相应的配置，例如： title：设置标题文本 subtitle：副标题文本 pos_left：距离容器的左边距 pos_right：距离容器的右边距 坐标轴配置项--旋转x轴标签 # 初始化一个AxisOpts对象，设置标签旋转45度 bar.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":45}))在AxisOpts中添加不同的参数，可以对坐标轴的样式进行相应的配置，例如： axislabel_opts：设置坐标轴标签，参数类型为字典 position：设置坐标轴位置 max_：设置坐标轴最大值 三、绘制折线图 #从pyecharts.charts中导入Line from pyecharts.charts import Line #创建一个折线图Line对象，并赋值给变量line line = Line() # 近10篇笔记的点赞量数据存入列表likes中 likes = [71,429,150,2214,626,1597,773,10000,1947,2275] # 将博主姓名赋值给变量name name = "菠萝冰和夏天" # 将最近10篇笔记的名字存入列表并赋值给变量page page = ["近10篇","近9篇","近8篇","近7篇","近6篇","近5篇","近4篇","近3篇","近2篇","近1篇"] #给折线图添加x轴数据，数据内容是笔记名字：page line.add_xaxis(xaxis_data=page) #给折线图添加y轴数据，数据内容是点赞量列表：likes，图例名称为博主姓名：name line.add_yaxis(y_axis=likes,series_name=name) #绘制出这条折线图，并保存到/Users/Yoyo/中，文件名称为line.html line.render("/Users/Yoyo/line.html")四、绘制看板组合 # 从pyecharts.charts中导入Line,Tab from pyecharts.charts import Line,Tab # 创建一个组件Tab对象，赋值给变量tab tab = Tab() #使用tab.add(图表，标签名)添加图表 tab.add(line,"点赞折线图")五、y轴配置项--设置y轴最大值 # 用set_global_opts进行y轴配置，初始化一个AxisOpts对象，设置最大值为13000: line.set_global_opts(yaxis_opts= opts.AxisOpts(max_ = 13000))六、初始化配置项--主题配置 line=Line(init_opts = opts.InitOpts(theme="dark"))
七、帕累托图 本质是一个柱状图和一个折线图的叠加。 帕累托图，是基于“帕累托法则”而建立的一种专业图表形式，专门用于识别最有影响的因子类别。 帕累托图是如何描述和识别最有影响的因子类别？ ①柱状图部分，将各个原因，按照数量（也就是频次）从大到小排列。最左边，就是最重要的原因；最右边是最不重要的原因。 ②折线图部分是各个问题的频率累计的结果。按重要性排序，如果从最重要的问题开始解决，能一共解决多大程度的影响。一般来说，80%是一个分界线。 字典排序 # 根据字典value的大小，对knowledge的元素进行降序排序，然后结果赋值给result #使用sorted()函数，传入字典使用items()函数的返回值、key、reverse这3个参数，对字典knowledge排序。 #key = lambda item:item[1]，就是将每一个元组中第二个元素，作为排序依据。 result = sorted(knowledge.items(),key = lambda item:item[1],reverse=True)sorted()函数：对传入的列表进行排序。 字典.items()：将字典中的键值，转化为一个元组的形式。 key参数：需要传入一个函数，函数用于指定进行比较的依据，可以传入一个函数，或者在此定义一个匿名函数 reverse参数：reverse=True，降序排序 reverse=False，升序排序 绘制柱状图 绘制折线图 绘制叠加图 两张图表如果要进行叠加，就需要对其中一个图表使用overlap()函数，然后将另一个图表的对象作为参数传入。 # 对bar使用overlap()函数，传入line，就是在柱状图的基础上叠加折线图 bar.overlap(line)新增y轴 对bar，需要使用extend_axis函数，拓展一条坐标轴的位置 对line，需要在add_yaxis函数中，注明yaxis_index=1，表示使用第2条y轴（轴的索引从0开始）。 # 使用extend_axis函数，参数yaxis传入坐标轴配置项opts.AxisOpts() bar.extend_axis(yaxis=opts.AxisOpts()) # 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1 line.add_yaxis( series_name="扣分占比", y_axis=percentlist, yaxis_index=1 )设置图表层级 参数z_level从0开始，数值越大的图表，会在越上层显示。 # 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1，设置z_level为1 line.add_yaxis( series_name="扣分占比", y_axis=percentlist, yaxis_index=1, z_level=1 )总结 # 定义知识点和平均扣分的字典 knowledge = {"圆锥曲线":7.5,"直线与圆":5.0,"立体几何":10.1,"空间向量":3.2,"数列":14.5,"解三角":1.9,"导数":28.5,"函数模型":3.3,"二项式定理":3.0,"线性规划":4.0,"平面向量":3.5,"复数":1.3,"集合":1.9} # 根据字典value的大小，对knowledge的元素进行降序排序，然后结果赋值给result result = sorted(knowledge.items(),key = lambda item:item[1],reverse=True) # 定义一个pointList和scoreList的空列表 pointList = [] scoreList = [] # for循环遍历列表result for item in result: # 其中元组中第一个元素就是x轴的数据，添加到列表pointList中 pointList.append(item[0]) # 其中元组的第二个元素就是y轴的数据，添加到列表scoreList中 scoreList.append(item[1]) # 定义一个累计频率的空列表percentlist percentlist = [] # 定义一个计算累计频率的变量accu_percent，赋值为0 accu_percent = 0 # 遍历列表scoreList中的每个元素 for score in scoreList: # 计算单个扣分分数，占所有扣分分数的比例，乘100，赋值给percent percent = score/sum(scoreList)*100 # 累计频率accu_percent，加上当前扣分分数的频率，得到当前的累计频率accu_percent accu_percent = accu_percent + percent # 使用round()函数保留两位小数，append到列表percentlist中 percentlist.append(round(accu_percent,2)) # 绘制柱状图 # 从pyecharts.charts中 导入 Bar模块 from pyecharts.charts import Bar # 创建一个柱状图Bar对象并赋值给变量bar bar = Bar() # 使用add_xaxis函数，传入pointList作为x轴数据 bar.add_xaxis(xaxis_data=pointList) # 使用add_yaxis函数，设置图例名称参数series_name为"扣分"，传入scoreList作为y轴数据 bar.add_yaxis( series_name="扣分", y_axis=scoreList ) # 从pyecharts中导入options模块，简写为opts from pyecharts import options as opts # 使用全局配置项，设置x轴旋转45度，设置标题为"数学模块最薄弱的失分点" bar.set_global_opts( xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":45}), title_opts=opts.TitleOpts(title="数学模块最薄弱的失分点") ) # 使用extend_axis函数，参数yaxis传入坐标轴配置项opts.AxisOpts() bar.extend_axis(yaxis=opts.AxisOpts()) # 绘制折线图 # 从pyecharts.charts中导入Line模块 from pyecharts.charts import Line # 创建一个折线图Line对象并赋值给变量line line = Line() # 使用add_xaxis函数，传入pointList作为x轴数据 line.add_xaxis(xaxis_data=pointList) # 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1，设置z_level为1 line.add_yaxis( series_name="扣分占比", y_axis=percentlist, yaxis_index=1, z_level=1 ) # 对bar使用overlap()函数，传入line，就是在柱状图的基础上叠加折线图 bar.overlap(line) # 绘制出图表 bar.render("/Users/Desktop/pareto_overlap.html")注：overlap()还可以组合不同的图表形式，例如：柱状图叠加饼图 直接组合可能会使图标重合到一起，这时可以通过设置参数center来调整图位置。 #center = [0,0]表示设置饼图的中心坐标为(0,0)。 #设置坐标位置时，也可将参数设置成百分比。设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度 pie.add( series_name="", data_pair=data, radius=["40%","50%"], center =[0, 0] #center =["75%", "30%"] )overlap()可以组合直角坐标系的图表，如图所示。 
|
【本文地址】
今日新闻 |
推荐新闻 |