第16天|16天搞定Python数据分析,Pyecharts

liftword3个月前 (03-02)技术文章25

昨天被Pyecharts实现的世界转动的效果震撼到了,今天再来讲解它的故事。Pyecharts是基于Echarts的Python实现版本,其图表含义和作用是一样的。

代码实现是用Python封装了js,让程序员面向Python开发即可。在最新版本出现链式的编程方式,更让人觉得编程好简单,特别是复制粘贴的时候,哈哈哈~~~

数据分析的最后一天了,下一个阶段就要进入前端了。今天来学点不一样的,2D的图表分析说太多了,这次挑3D的来玩一下。当然,Pyecharts的强大之处还是在于实现2D图表。

16.1 3D地图

大多数可视化图表都是2D的。然而世界是立体的,必然有一些多维度的数据不方便用平面去表达。什么样的数据呢?当数据含有多维度信息,含有地理位置信息,或者数据分析一个3D模型的时候,3D的优势必然大于2D图形。官网例子太详细了,除了py,竟然还提供html,供你看效果。

from pyecharts import options as opts
from pyecharts.charts import Map3D
from pyecharts.globals import ChartType

c = (
    Map3D()
        .add_schema(
        itemstyle_opts=opts.ItemStyleOpts(
            color="rgb(5,101,123)",
            opacity=1,
            border_width=0.8,
            border_color="rgb(62,215,213)",
        ),
        map3d_label=opts.Map3DLabelOpts(
            is_show=True,
            text_style=opts.TextStyleOpts(
                color="#fff", font_size=16, background_color="rgba(0,0,0,0)"
            ),
        ),
        emphasis_label_opts=opts.LabelOpts(is_show=True),
        light_opts=opts.Map3DLightOpts(
            main_color="#fff",
            main_intensity=1.2,
            is_main_shadow=False,
            main_alpha=55,
            main_beta=10,
            ambient_intensity=0.3,
        ),
    )
        .add(series_name="", data_pair="", maptype=ChartType.MAP3D)
        .set_global_opts(
        title_opts=opts.TitleOpts(title="全国行政区划地图"),
        visualmap_opts=opts.VisualMapOpts(is_show=False),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
        .render("map3d.html")
)

输出结果(map3d.html文件)

16.2 3D柱状图

柱状图是用竖直的柱子来展现数据,一般用于展现横向的数据变化及对比。 通常用于A和B在同一时间的数据对比。我重申一遍,我用3D图表只是为了好玩,大多数情况下还是用2D的多一些。官官网例子太详细了,除了py,竟然还提供html,供你看效果。

import random
from pyecharts import options as opts
from pyecharts.charts import Bar3D
from pyecharts.faker import Faker


data = [(i, j, random.randint(0, 12)) for i in range(6) for j in range(24)]
c = (
    Bar3D()
    .add(
        "",
        [[d[1], d[0], d[2]] for d in data],
        xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_="category"),
        yaxis3d_opts=opts.Axis3DOpts(Faker.week_en, type_="category"),
        zaxis3d_opts=opts.Axis3DOpts(type_="value"),
    )
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(max_=20),
        title_opts=opts.TitleOpts(title="3D柱状图"),
    )
    .render("bar3d.html")
)

输出结果(bar3d.html文件)


有关Pyecharts的应用,在
https://github.com/pyecharts/pyecharts-gallery上,有大把例子,而且都配了html和py文件,详细到我都没什么好说的了。如果你决定用Pyecharts作为你制作统计图技术的话,建议你把那些例子全部下载下来并逐个看看。

好了,有关数据分析的内容,老陈全讲完了,如果你想学前端、后端、App等,希望老铁能转发点赞,让更多的人看到这篇文章。你的转发和点赞,就是对老陈继续创作和分享最大的鼓励。

一个当了10年技术总监的老家伙,分享多年的编程经验。想学编程的朋友,可关注今日头条:老陈说编程。分享Python,前端(小程序)、App和嵌入式方面的干货。关注我,没错的。

#Python##数据分析##大数据##图表##地图#

相关文章

数据分析却不懂 Python,这份快速入门秘籍不要错过

实名推荐Python学习利器——《Jupyter Notebook数据分析入门与实战》列位看官,你道此书何来,人邮君给你讲个发生在大观园的小故事,宝玉也要学python……是日傍晚,宝玉正在书房学习编...

用Python进行数据分析,就要掌握什么技术?

本文是针对数据分析写的Python教程,文章内容针对以下初学者遇到的问题:需要学多久的Python?需要学到什么程度的Python?学Python的最优课程和书籍有什么?为了处理数据集,我需要精通Py...

Python和Excel终于互通了!这个插件能自动生成代码实现数据分析

加载一个Jupyter插件后,无需写代码就能做数据分析,还帮你生成相应代码?没错,只需要加载这个名为Mito的小工具包,用Python做数据分析,变得和用Excel一样简单:介绍以 Excel 为代表...

用Python进行数据分析,让你一看就会

本书详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。虽然本书的标题是“数据分析”,重点却是Python编程、库,以及用于数据分析的工具。第1章 准备工作第2章 Pyt...

利用python进行数据分析,PDF文档给你答案

本书详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。虽然本书的标题是“数据分析”,重点却是Python编程、库,以及用于数据分析的工具。兄弟,毫无套路!PDF版无偿获...

盘点8个数据分析相关的Python库(实例+代码)

导读:Python中常会用到一些专门的库,如NumPy、SciPy、Pandas和Matplotlib。数据处理常用到NumPy、SciPy和Pandas,数据分析常用到Pandas和Scikit-L...