Echarts 是一个由百度开源的数据可视化，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 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。首先先看一段官方视频来看看pyecharts的魅力
pyecharts数据可视化
pyecharts简直漂亮极了，这比python的其他数据可视化库帅多了，比如Matplotlib，Seaborn，Pandas和Bokeh，Plotly，Cufflinks，Folium，Altair + Vega，D3.js，当然每个大数据可视化库，都有自己独特的功能pyecharts主要功能：简洁的 API 设计，使用如丝滑般流畅，支持链式调用囊括了 30+ 种常见图表，应有尽有支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab可轻松集成至 Flask，Django 等主流 Web 框架高度灵活的配置项，可轻松搭配出精美的图表详细的文档和示例，帮助开发者更快的上手项目多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持pyecharts可视化数据
pyecharts 大数据分析可视化是的，pyecharts漂亮极了，以上数据库动态可视化图表都可以使用pyecharts来实现，如何使用pyecharts来进行图表的绘制，我们使用python代码具体举例
pyecharts实现柱状图与折线图柱状图与折线图
柱状图与折线图应该在pyecharts中属于最简单的图表了，其他类似的图表当然也可以使用pyecharts实现，首先若需要python使用pyecharts，那么需要我们安装pyecharts
pip install pyecharts 即可，现在的软件版本是1.8版本， 1.9版本会有一个大的变革，这在我们运行代码的时候，pyecharts官方会提前预警，这个不是代码错误安装完成后，我们来一起编写我们的python代码
from pyecharts.faker import Collector from pyecharts.charts import Page, Bar, Line from pyecharts import options as opts C = Collector() 34;92.6&34;227&34;333.33&34;446.4&34;530&34;535&34;630&34;641&34;757.6&34;833.33&34;926&34;134;, [101, 227, 325, 428,510, 520, 580,622, 734, 805, 895], ) .add_yaxis(&&34;334;, [73, 207, 311, 419,512, 519, 581,621, 739, 811, 910], ) .add_yaxis(&&34;534;, [81, 216, 319, 428, 512,527, 581,635, 746, 823, 921], ) .set_global_opts(title_opts=opts.TitleOpts(title=&34;), yaxis_opts=opts.AxisOpts(name=&34;), xaxis_opts=opts.AxisOpts(name=&34;),) ) return c首先，我们导入需要的第三方库，本实例使用链式表达式的方式进行编程
Bar()首先建立了一个柱状图，然后使用链式表达式的形式，首先加入了x轴的数据，然后加入了5条y轴的数据
使用set_global_opts函数来定义整个图表的一些信息，包括title_opts 图标标题，yaxis_opts Y轴展现信息，xaxis_opts X轴展现信息等
最后return返回我们建立的图表
代码截图
以上便是建立了一个柱状图，然后我们再建立一个折线图
@C.funcs def line_base() -> Line: c = ( Line() .add_xaxis([&34;, &34;, &34;, &34;,&34;, &34;,&34;, &34;, &34;,&34;,&34;]) .add_yaxis(&&34;234;, [27.65, 10.13, 6.4, 5.7,3.76, 1.68, 7.94,1.4, 1.13, 0.6, 0.76]) .add_yaxis(&&34;434;, [8, 0.44, 2.2, 3,3.75, 0.935, 7.93,2.02, 2.46, 2.32, 2.27]) .add_yaxis(&&34;OCP 误差%比&34;误差占比&34;设置值(mA)&C = Collector() 这句代码的意思，就是在一个page里面显示所有的收集到的图表，并通过render()函数，最终运行到一个 html文件中通过运行以上代码，我们会在python同目录下，看到一个render.html文件，用浏览器打开这个文件，依然看不到任何图表，不急，这里主要是pyecharts是一个JS代码演变过来的，一些python代码需要引用JS的代码，所以，需要到官方下载echarts.min.js文件，放到一个目录下，便可以看到我们新建的图表了
柱状图
折线图
pyecharts生成的图片是不是很漂亮，而且可以动态展示数据，简直不能太爱了
通过以上代码，我们只能每个图表展示一个数据，能不能把我们的数据同时展示在一张图表中？答案当然是肯定的
pyecharts如何实现双坐标Y轴pyecharts实现双坐标Y轴
类似以上的双Y轴，2个数据同时展示在同一个图表中如何实现？？
import time import matplotlib.pyplot as plt import pandas as pd from pyecharts.charts import Page, Bar, Line from pyecharts import options as opts path = &34; data = pd.DataFrame(pd.read_excel(format(path), sheet_name=0)) k = 0 x_h = [] y_1_current = [] y_2_voltage = [] while k < data.shape[0]: x_h.append(str(data.iloc[k, 0])) y_1_current.append(str(data.iloc[k, 1])[0:6]) y_2_voltage.append(str(data.iloc[k, 2])[0:5]) k = k + 1以上代码我们导入第三方库，并加载我们的数据，然后保存在三个list里面
x_h = [] X 轴 y_1_current = [] y轴数据1 y_2_voltage = [] y轴数据2代码截图
def line_base() -> Line: line1 = Line() line2 = Line() line1.add_xaxis(x_h) line1.add_yaxis(&34;, y_1_current, is_smooth=True, areastyle_opts=opts.AreaStyleOpts(opacity=0.3)) line1.extend_axis( yaxis=opts.AxisOpts( axislabel_opts=opts.LabelOpts(formatter=&34;), name=&34;, interval=3, ) ) line1.set_global_opts(title_opts=opts.TitleOpts(title=&34;), yaxis_opts=opts.AxisOpts(name=&34;), xaxis_opts=opts.AxisOpts(name=&34;), ) line2.add_xaxis(x_h) line2.add_yaxis(&34;, y_2_voltage, yaxis_index=1,is_smooth=True,) line2.set_global_opts(yaxis_opts=opts.AxisOpts(name=&34;),) line1.overlap(line2) return line1 line_base().render()这里我们使用2条折线图为例，当然其他图表类似，首先我们新建了2条折线图，然后按照折线图的定义，定义了2条数据，这里在折线1中，特意添加了另外一个坐标轴，这也是添加双Y轴的关键代码的第一步：
line1.extend_axis( yaxis=opts.AxisOpts( axislabel_opts=opts.LabelOpts(formatter=&34;), name=&34;, interval=3, ) )然后按照建立折线图的定义，定义好折线图的坐标意思，新建另外一个折线图，最后使用：
line1.overlap(line2) 返回line1即可 line_base().render() #最后使用render（）函数保存图表代码截图
以上便建立了一个双Y轴的数据可视化图表，此部分代码使用非链式代码，大家按照自己的代码喜欢格式来设计自己的代码即可
双Y轴数据可视化
pyecharts是python第三方数据可视化工具，使用pyecharts可以展示很漂亮的动态数据可视化大屏
pyecharts助力python大数据分析
pyecharts助力python大数据分析，实现数据动态可视化，最后，来看看pyecharts可视化数据图表全家桶
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决