Python pyecharts数据可视化

Python pyecharts数据可视化——绘制精美图表

  • 一、数据可视化
  • 1.pyecharts介绍
  • 2.初入了解
  • (1).快速上手
  • (2).简单的配置项介绍
  • 3.案例实战
  • (1).柱状图Bar
  • (2).地图Map
  • 省份
  • 城市
  • 地区
  • (3).饼图Pie
  • Pie1
  • Pie2
  • (4).折线图Line
  • (5).组合图表
  • 二、案例数据获取
  • 一、数据可视化

    1.pyecharts介绍

    官方网址:https://pyecharts.org/#/zh-cn/intro
    📣 概况:
    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,使用JavaScript实现的。
    而pyechart是由国内的大佬们用python调用Echarts库实现,可以帮助我们轻松搭配出精美的图表。
    ✨ 特性:
    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。

    安装: pip install pyecharts


    2.初入了解

    (1).快速上手

    这是官网上提供的两种写法,链式调用与单独调用写法,全凭自己的习惯。
    更多示例https://gallery.pyecharts.org/#/Bar/stack_bar_percent

    from pyecharts.charts import Bar
    from pyecharts import options as opts
    
    # V1 版本开始支持链式调用
    # 你所看到的格式其实是 `black` 格式化以后的效果
    # 可以执行 `pip install black` 下载使用
    bar = (
        Bar()
        .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
        .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
        .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
        # 或者直接使用字典参数
        # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
    )
    bar.render()
    
    # 不习惯链式调用的开发者依旧可以单独调用方法
    bar = Bar()
    bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
    bar.render()
    # bar.render_notebook()##在jupyter中好用
    # render 会生成本地 HTML 文件,默认会在当前目录生成 render.html 文件
    # 也可以传入路径参数,如 bar.render("mycharts.html")
    

    (2).简单的配置项介绍

    这里只是提供了感觉能用到的注释介绍,要了解更多的信息还请去官方文档查看,里面的注释、案例也非常地全面。
    使用 options 配置项,在 pyecharts 中,一切皆 Options。begin!!!

    import pyecharts.options as opts #使用 options 配置项,在 pyecharts 中,一切皆 Options。
    from pyecharts.charts import Pie #饼图
    from pyecharts.faker import Faker #导入自带的数据
    fc = Faker.choose()
    print('fc', fc)
    fv = Faker.values()
    print('fv',fv)
    ##链式调用写法
    c = (
        #初始化配置项
        Pie(
            init_opts=opts.InitOpts(
                # 图表画布宽度,css 长度单位。
                width="1200px",
                # 图表画布高度,css 长度单位。
                height="700px",
                # 网页标题
                page_title='我是网页标题',
                # 图表主题
                theme='dark',
                # 图表背景颜色
                bg_color="#2c343c",
                # 图表 ID,图表唯一标识,用于在多图表时区分。
                chart_id='',
                )
        )
        .add(
            "图例", #图例,请用鼠标指向图形区域时查看
            [list(z) for z in zip(fc, fv)], ##数据 列表嵌套列表,如:[['衬衫', 97], ['毛衣', 29], ['领带', 109], ['裤子', 117], ['风衣', 53], ['高跟鞋', 85], ['袜子', 143]]
            # center=["50%", "50%"],#图形居中,默认居中
        )
        #设置全局配置项
        .set_global_opts(
        # 标题配置项,更多请看官方文档https://pyecharts.org/#/zh-cn/global_options?id=titleopts%ef%bc%9a%e6%a0%87%e9%a2%98%e9%85%8d%e7%bd%ae%e9%a1%b9
        title_opts=opts.TitleOpts(title="主标题",
                                  title_textstyle_opts=opts.TextStyleOpts(font_size=25),#文本大小
                                  title_link='xxx.html', # 主标题跳转 URL 链接
                                  subtitle='副标题',
                                  subtitle_textstyle_opts=opts.TextStyleOpts(font_style='oblique',font_family='Microsoft YaHei', color='#eb1212')#字体风格,字体样式,字体颜色,
                                  ),
        # 图例配置项,更多请看官方文档https://pyecharts.org/#/zh-cn/global_options?id=legendopts%ef%bc%9a%e5%9b%be%e4%be%8b%e9%85%8d%e7%bd%ae%e9%a1%b9
        legend_opts=opts.LegendOpts(
            is_show=True, #  是否显示图例组件
            #图例组件离容器左侧的距离。
            # left 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比,
            # 也可以是 'left', 'center', 'right'。
            # 如果 left 的值为'left', 'center', 'right',组件会根据相应的位置自动对齐。
            pos_left = '900px',
            # 图例组件离容器右侧的距离。
            # right 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比。
            pos_right = None,
            # 图例组件离容器上侧的距离。
            # top 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比,
            # 也可以是 'top', 'middle', 'bottom'。
            # 如果 top 的值为'top', 'middle', 'bottom',组件会根据相应的位置自动对齐。
            pos_top = '30px',
            # 图例组件离容器下侧的距离。
            # bottom 的值可以是像 20 这样的具体像素值,可以是像 '20%' 这样相对于容器高宽的百分比。
            pos_bottom = None,
            # 图例列表的布局朝向。可选:'horizontal', 'vertical'
            orient = 'vertical',
            # 图例标记和文本的对齐。默认自动(auto)
            # 根据组件的位置和 orient 决定
            # 当组件的 left 值为 'right' 以及纵向布局(orient 为 'vertical')的时候为右对齐,即为 'right'。
            # 可选参数: `auto`, `left`, `right`
            align = 'auto',
            # 图例内边距,单位px,默认各方向内边距为5
            padding = 5,
            # 图例每项之间的间隔。横向布局时为水平间隔,纵向布局时为纵向间隔。
            # 默认间隔为 10
            item_gap = 10,
            # 图例标记的图形宽度。默认宽度为 25
            item_width = 25,
            # 图例标记的图形高度。默认高度为 14
            item_height = 14,
            # 图例关闭时的颜色。默认是 #ccc
            inactive_color = '#ffffff',
            ),
        # 视觉映射配置项https://pyecharts.org/#/zh-cn/global_options?id=visualmapopts%ef%bc%9a%e8%a7%86%e8%a7%89%e6%98%a0%e5%b0%84%e9%85%8d%e7%bd%ae%e9%a1%b9
        visualmap_opts = opts.VisualMapOpts(
                # 是否为分段型
                is_piecewise = True,
                # 是否反转 visualMap 组件
                is_inverse = False,
                # 自定义的每一段的范围,以及每一段的文字,以及每一段的特别的样式。例如:
                pieces = [
                  {"min": 1500}, #// 不指定 max,表示 max 为无限大(Infinity)。
                  # {"min": 900, "max": 1500},
                  {"min": 310, "max": 1000},
                  {"min": min(fv), "max": max(fv)},###这里由于数据范围的缘故,导致渲染出的图不好看
                  {"min": 10, "max": max(fv)/2, "label": f'10 到 {max(fv)/2}(自定义label)'},
                  {"value": fv[0], "label": '123(自定义特殊颜色)', "color": 'grey'}, #//表示 value 等于 123 的情况
                  {"value": fv, "label": 'SSS', "color": 'red'},
                  {"max": 5}     #// 不指定 min,表示 min 为无限大(-Infinity)。
                ]
            ),
        )
        #设置系列配置项,https://pyecharts.org/#/zh-cn/series_options?id=itemstyleopts%ef%bc%9a%e5%9b%be%e5%85%83%e6%a0%b7%e5%bc%8f%e9%85%8d%e7%bd%ae%e9%a1%b9
        # .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
        .render("pie_position.html")
    )
    
    

    3.案例实战

    本次要对薪资、工作地点、招聘要求里面的经验与学历进行数据处理并可视化。


    (1).柱状图Bar

    按住鼠标中间滑轮或鼠标左键可进行调控。

    import pandas as pd
    from pyecharts import options as opts
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
    city = python_data['工作地点'].value_counts()
    ###柱状图
    from pyecharts.charts import Bar
    c = (
        Bar()
        .add_xaxis(city.index.tolist()) #城市列表数据项
        .add_yaxis("Python", city.values.tolist())#城市对应的岗位数量列表数据项
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Python招聘岗位所在城市分布情况"),
            datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
            xaxis_opts=opts.AxisOpts(name='城市'),  # 设置x轴名字属性
            yaxis_opts=opts.AxisOpts(name='岗位数量'),  # 设置y轴名字属性
        )
        .render("bar_datazoom_both.html")
    )
    

    (2).地图Map

    省份

    这里对所在省份进行可视化。

    import pandas as pd
    import copy
    from pyecharts import options as opts
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
    python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
    city = python_data['工作地点'].value_counts()
    city_list = [list(ct) for ct in city.items()]
    def province_city():
        '''这是从接口里爬取的数据(不太准,但是误差也可以忽略不计!)'''
        area_data = {}
        with open('./中国省份_城市.txt', mode='r', encoding='utf-8') as f:
            for line in f:
                line = line.strip().split('_')
                area_data[line[0]] = line[1].split(',')
        province_data = []
        for ct in city_list:
            for k, v in area_data.items():
                for i in v:
                    if ct[0] in i:
                        ct[0] = k
                        province_data.append(ct)
        area_data_deepcopy = copy.deepcopy(area_data)
        for k in area_data_deepcopy.keys():
            area_data_deepcopy[k] = 0
        for i in province_data:
            if i[0] in area_data_deepcopy.keys():
                area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] +i[1]
        province_data = [[k,v]for k,v in area_data_deepcopy.items()]
        best = max(area_data_deepcopy.values())
        return province_data,best
    province_data,best = province_city()
    #地图_中国地图(带省份)Map-VisualMap(连续型)
    c2 = (
        Map()
        .add( "Python",province_data, "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
            visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
        )
        .render("map_china.html")
    )
    

    这是 中国省份_城市.txt 里面的内容,通过[接口]抓取到的中国地区信息。

    源码:

    import requests
    import json
    header = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36",
    }
    response = requests.get('https://j.i8tq.com/weather2020/search/city.js',headers=header)
    result = json.loads(response.text[len('var city_data ='):])
    print(result)
    each_province_data = {}
    f = open('./中国省份_城市.txt',mode='w',encoding='utf-8')
    for k,v in result.items():
        province = k
        if k in ['上海', '北京', '天津', '重庆']:
            city = ','.join(list(v[k].keys()))
        else:
            city = ','.join(list(v.keys()))
        f.write(f'{province}_{city}\n')
        each_province_data[province] = city
    f.close()
    print(each_province_data)
    
    

    城市

    这里对所在城市进行可视化。

    import pandas as pd
    import copy
    from pyecharts import options as opts
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
    python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
    city = python_data['工作地点'].value_counts()
    city_list = [list(ct) for ct in city.items()]
    ###地图_中国地图(带城市)——Map-VisualMap(分段型)
    from pyecharts.charts import Map
    c1 = (
        Map(init_opts=opts.InitOpts(width="1244px", height="700px",page_title='Map-中国地图(带城市)', bg_color="#f4f4f4"))
        .add(
            "Python",
            city_list,
            "china-cities", #地图
            label_opts=opts.LabelOpts(is_show=False),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
            visualmap_opts=opts.VisualMapOpts(max_=city_list[0][1],is_piecewise=True),
        )
        .render("map_china_cities.html")
    )
    

    地区

    这里对上海地区可视化。

    import pandas as pd
    import copy
    from pyecharts import options as opts
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
    shanghai_data = []
    sh = shanghai_data.append
    for i in python_data_deepcopy['工作地点']:
        if '上海' in i:
            if len(i.split('-')) > 1:
                sh(i.split('-')[1])
    shanghai_data = pd.Series(shanghai_data).value_counts()
    shanghai_data_list = [list(sh) for sh in shanghai_data.items()]
    #上海地图
    c3 = (
        Map()
        .add("Python", shanghai_data_list, "上海") ###这个可以更改地区(如:成都)这里改了的话,上面的数据处理也要做相应的更改
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-上海地图"),
            visualmap_opts=opts.VisualMapOpts(max_=shanghai_data_list[0][1])
        )
        .render("map_shanghai.html")
    )
    
    

    (3).饼图Pie

    Pie1

    from pyecharts import options as opts
    from pyecharts.charts import Pie
    import pandas as pd
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    require_list = []
    rl = require_list.append
    for i in python_data['招聘要求']:
        if '经验' in i:
            rl(i.split(' ')[1])
        else:
            rl('未知')
    python_data['招聘要求'] = require_list
    require = python_data['招聘要求'].value_counts()
    require_list = [list(ct) for ct in require.items()]
    print(require_list)
    c = (
        Pie()
        .add(
            "",
            require_list,
            radius=["40%", "55%"],
            label_opts=opts.LabelOpts(
                position="outside",
                formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",
                background_color="#eee",
                border_color="#aaa",
                border_width=1,
                border_radius=4,
                rich={
                    "a": {"color": "#999", "lineHeight": 22, "align": "center"},
                    "abg": {
                        "backgroundColor": "#e3e3e3",
                        "width": "100%",
                        "align": "right",
                        "height": 22,
                        "borderRadius": [4, 4, 0, 0],
                    },
                    "hr": {
                        "borderColor": "#aaa",
                        "width": "100%",
                        "borderWidth": 0.5,
                        "height": 0,
                    },
                    "b": {"fontSize": 16, "lineHeight": 33},
                    "per": {
                        "color": "#eee",
                        "backgroundColor": "#334455",
                        "padding": [2, 4],
                        "borderRadius": 2,
                    },
                },
            ),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="工作经验要求"),
            legend_opts=opts.LegendOpts(padding=20, pos_left=500),
        )
        .render("pie_rich_label.html")
    )
    
    

    Pie2

    from pyecharts import options as opts
    from pyecharts.charts import Pie
    import pandas as pd
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    xueli_list = []
    xl = xueli_list.append
    for i in python_data['招聘要求']:
        if len(i.split(' ')) == 3:
            xl(i.split(' ')[2])
        else:
            xl('未知')
    python_data['招聘要求'] = xueli_list
    xueli_require = python_data['招聘要求'].value_counts()
    xueli_require_list = [list(ct) for ct in xueli_require.items()]
    c = (
        Pie()
        .add(
            "",
            xueli_require_list,
            radius=["30%", "55%"],
            rosetype="area",
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="学历要求"))
        .render("pie_rosetype.html")
    )
    

    (4).折线图Line

    这里对薪资情况进行可视化。

    import pandas as pd
    import re
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    sal = python_data['薪资']
    xin_zi1 = []
    xin_zi2 = []
    xin_zi3 = []
    xin_zi4 = []
    xin_zi5 = []
    xin_zi6 = []
    for s in sal:
        s = str(s)
        if '千' in s:
            xin_zi1.append(s)
        else:
            if re.findall('-(.*?)万',s):
                s = float(re.findall('-(.*?)万',s)[0])
                if 1.0<s<=1.5:
                    xin_zi2.append(s)
                elif 1.5<s<=2.5:
                    xin_zi3.append(s)
                elif 2.5<s<=3.2:
                    xin_zi4.append(s)
                elif 3.2<s<=4.0:
                    xin_zi5.append(s)
                else:
                    xin_zi6.append(s)
    xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
              ['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
    import pyecharts.options as opts
    from pyecharts.charts import Line
    x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
    c2 = (
        Line()
        .add_xaxis(x)
        .add_yaxis(
            "Python",
            y,
            markpoint_opts=opts.MarkPointOpts(
                data=[opts.MarkPointItem(name="max", coord=[x[2], y[2]], value=y[2])] #name='自定义标记点'
            ),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="薪资情况"),
                         xaxis_opts=opts.AxisOpts(name='薪资范围'),  # 设置x轴名字属性
                         yaxis_opts=opts.AxisOpts(name='数量'),  # 设置y轴名字属性
                         )
        .render("line_markpoint_custom.html")
    )
    

    (5).组合图表

    最后,将多个html上的图表进行合并成一个html图表。


    首先,我们执行下面这串格式的代码(只写了四个图表,自己做相应添加即可)

    import pandas as pd
    from pyecharts.charts import Bar,Map,Pie,Line,Page
    from pyecharts import options as opts
    
    python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
    python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
    city = python_data['工作地点'].value_counts()
    city_list = [list(ct) for ct in city.items()]
    
    ###柱状图
    def bar_datazoom_slider() -> Bar:
        c = (
            Bar()
            .add_xaxis(city.index.tolist()) #城市列表数据项
            .add_yaxis("Python", city.values.tolist())#城市对应的岗位数量列表数据项
            .set_global_opts(
                title_opts=opts.TitleOpts(title="Python招聘岗位所在城市分布情况"),
                datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
                xaxis_opts=opts.AxisOpts(name='城市'),  # 设置x轴名字属性
                yaxis_opts=opts.AxisOpts(name='岗位数量'),  # 设置y轴名字属性
            )
        )
        return c
    # 地图_中国地图(带省份)Map-VisualMap(连续型)
    def map_china() -> Map:
        import copy
        area_data = {}
        with open('./中国省份_城市.txt', mode='r', encoding='utf-8') as f:
            for line in f:
                line = line.strip().split('_')
                area_data[line[0]] = line[1].split(',')
        province_data = []
        for ct in city_list:
            for k, v in area_data.items():
                for i in v:
                    if ct[0] in i:
                        ct[0] = k
                        province_data.append(ct)
        area_data_deepcopy = copy.deepcopy(area_data)
        for k in area_data_deepcopy.keys():
            area_data_deepcopy[k] = 0
        for i in province_data:
            if i[0] in area_data_deepcopy.keys():
                area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] + i[1]
        province_data = [[k, v] for k, v in area_data_deepcopy.items()]
        best = max(area_data_deepcopy.values())
        c = (
            Map()
                .add("Python", province_data, "china")
                .set_global_opts(
                title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
                visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
            )
        )
        return c
    #饼图
    def pie_rich_label() -> Pie:
        require_list = []
        rl = require_list.append
        for i in python_data['招聘要求']:
            if '经验' in i:
                rl(i.split(' ')[1])
            else:
                rl('未知')
        python_data['招聘要求'] = require_list
        require = python_data['招聘要求'].value_counts()
        require_list = [list(ct) for ct in require.items()]
        c = (
            Pie()
                .add(
                "",
                require_list,
                radius=["40%", "55%"],
                label_opts=opts.LabelOpts(
                    position="outside",
                    formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",
                    background_color="#eee",
                    border_color="#aaa",
                    border_width=1,
                    border_radius=4,
                    rich={
                        "a": {"color": "#999", "lineHeight": 22, "align": "center"},
                        "abg": {
                            "backgroundColor": "#e3e3e3",
                            "width": "100%",
                            "align": "right",
                            "height": 22,
                            "borderRadius": [4, 4, 0, 0],
                        },
                        "hr": {
                            "borderColor": "#aaa",
                            "width": "100%",
                            "borderWidth": 0.5,
                            "height": 0,
                        },
                        "b": {"fontSize": 16, "lineHeight": 33},
                        "per": {
                            "color": "#eee",
                            "backgroundColor": "#334455",
                            "padding": [2, 4],
                            "borderRadius": 2,
                        },
                    },
                ),
            )
                .set_global_opts(
                title_opts=opts.TitleOpts(title="工作经验要求"),
                legend_opts=opts.LegendOpts(padding=20, pos_left=500),
            )
        )
        return c
    #折线图
    def line_markpoint_custom() -> Line:
        import re
        sal = python_data['薪资']
        xin_zi1 = []
        xin_zi2 = []
        xin_zi3 = []
        xin_zi4 = []
        xin_zi5 = []
        xin_zi6 = []
        for s in sal:
            s = str(s)
            if '千' in s:
                xin_zi1.append(s)
            else:
                if re.findall('-(.*?)万',s):
                    s = float(re.findall('-(.*?)万',s)[0])
                    if 1.0<s<=1.5:
                        xin_zi2.append(s)
                    elif 1.5<s<=2.5:
                        xin_zi3.append(s)
                    elif 2.5<s<=3.2:
                        xin_zi4.append(s)
                    elif 3.2<s<=4.0:
                        xin_zi5.append(s)
                    else:
                        xin_zi6.append(s)
        xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
                  ['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
        x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
        c = (
            Line()
            .add_xaxis(x)
            .add_yaxis(
                "Python",
                y,
                markpoint_opts=opts.MarkPointOpts(
                    data=[opts.MarkPointItem(name="MAX", coord=[x[2], y[2]], value=y[2])]
                ),
            )
            .set_global_opts(title_opts=opts.TitleOpts(title="薪资情况"),
                             xaxis_opts=opts.AxisOpts(name='薪资范围'),  # 设置x轴名字属性
                             yaxis_opts=opts.AxisOpts(name='数量'),  # 设置y轴名字属性
                             )
        )
        return c
    #合并
    def page_draggable_layout():
        page = Page(layout=Page.DraggablePageLayout)
        page.add(
            bar_datazoom_slider(),
            map_china(),
            pie_rich_label(),
            line_markpoint_custom(),
        )
        page.render("page_draggable_layout.html")
    
    if __name__ == "__main__":
        page_draggable_layout()
    
    

    执行完后,会在当前目录下生成一个page_draggable_layout.html。
    然后我们用浏览器打开,就会看到下面这样,我们可以随便拖动虚线框来进行组合,组合好后点击Save Config就会下载一个chart_config.json,然后在文件中找到它,剪切到py当前目录。

    文件放置好后,可以新建一个py文件来执行以下代码,这样就会生成一个resize_render.html,也就完成了。

    from pyecharts.charts import Page
    Page.save_resize_html('./page_draggable_layout.html',cfg_file='chart_config.json')
    

    最后,点击打开resize_render.html,我们合并成功的图表就是这样啦!


    对大家有帮助的话,记得点赞收藏一下!!!

    二、案例数据获取

    这篇博文中有提及:
    https://blog.csdn.net/qq_59142194/article/details/124532659?spm=1001.2014.3001.5501

    来源:清&轻

    物联沃分享整理
    物联沃-IOTWORD物联网 » Python pyecharts数据可视化

    发表评论