pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

您所在的位置：网站首页 › pyechart饼图 › pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

2023-09-20 03:19| 来源: 网络整理| 查看: 265

Echarts 是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，而 Python 就不用多说了。当 Python 遇到了 Echarts，就变成了 PyEcharts。 PyEcharts和Matplotlib功能相似，但有很大的区别，其最大的优势在于其交互性，pyecharts可以生成html格式，随着鼠标移动而动态的展示信息，这一点是Matplotlib做不到的，炫酷。本篇讨论分类型变量的三种基础可视化方法的pyecharts实现。

分类变量可视化——直方图 # 数据预处理 import pandas as pd data = pd.read_excel(r'.\pythonwd\blogortest\occupationcensus.xlsx') data.head(10) Out: id 就业方向 0 0.0 读研 1 1.0 银行 2 2.0 证券 3 3.0 私企 4 4.0 未就业 5 5.0 证券 6 6.0 证券 7 7.0 证券 8 8.0 证券 9 9.0 未就业 count = data['就业方向'].value_counts() # pd.Series job = list(count.index) job_count = count.values.tolist() print(job) ['私企', '读研', '银行', '证券', '事业单位', '自由职业', '出国', '未就业'] print(job_count) [40, 29, 22, 20, 11, 10, 8, 7] # 调用 Bar from pyecharts.charts import Bar ##链式调用 bar = ( Bar() .add_xaxis(job) .add_yaxis('经济学院就业情况', job_count) ) bar.render('bar.html')

在这里插入图片描述

分类变量可视化——饼图 from pyecharts.charts import Pie pie = ( Pie() .add("", [list(i) for i in zip(job,job_count)]) #.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"]) #.set_global_opts(title_opts=opts.TitleOpts(title="Pie-设置颜色")) # .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) .render("pie.html") )

在这里插入图片描述

分类变量可视化——漏斗图 # 漏斗图 from pyecharts import options as opts from pyecharts.charts import Funnel funel = ( Funnel() .add("", [list(i) for i in zip(job,job_count)]) .set_global_opts( title_opts=opts.TitleOpts(title="经济学院就业情况漏斗图")) .render("funnel.html") )

在这里插入图片描述

可以看到，使用pyecharts可视化非常简单明了，是必须掌握的工具。（这里只是基础的用法，后续再学习图的优化)。

【本文地址】

pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

今日新闻

推荐新闻