锐客网

  1. 首页 > 睿知 > it技术 > >

python可视化函数库的简单介绍( 五 )

IT技术数据


如果想直接将图片保存为 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot 。使用该插件请确保你的系统上已经安装了 Nodejs 环境 。
安装 phantomjs $ npm install -g phantomjs-prebuilt
安装 pyecharts-snapshot $ pip install pyecharts-snapshot
调用 render 方法 bar.render(path='snapshot.png') 文件结尾可以为 svg/jpeg/png/pdf/gif 。请注意，svg 文件需要你在初始化 bar 的时候设置 renderer='svg' 。
图形绘制过程
基本上所有的图表类型都是这样绘制的：
chart_name = Type() 初始化具体类型图表 。
add() 添加数据及配置项 。
render() 生成本地文件（html/svg/jpeg/png/pdf/gif） 。
add() 数据一般为两个列表（长度一致） 。如果你的数据是字典或者是带元组的字典 。可利用 cast() 方法转换 。
多次显示图表
从 v0.4.0+ 开始 ， pyecharts 重构了渲染的内部逻辑，改善效率 。推荐使用以下方式显示多个图表 。如果使是 Numpy 或者 Pandas，可以参考这个示例
当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的
Note： 从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加pythonic的做法 。直接调用本身实例就可以了 。
比如这样
还有这样
如果使用的是自定义类，直接调用自定义类示例即可
图表配置
图形初始化
通用配置项
xyAxis：平面直角坐标系中的 x、y 轴 。(Line、Bar、Scatter、EffectScatter、Kline)
dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响 。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)
legend：图例组件 。图例组件展现了不同系列的标记(symbol)，颜色和名字 。可以通过点击图例控制哪些系列不显示 。
label：图形上的文本标签，可用于说明图形的一些数据信息，比如值，名称等 。
lineStyle：带线图形的线的风格选项(Line、Polar、Radar、Graph、Parallel)
grid3D：3D笛卡尔坐标系组配置项，适用于 3D 图形 。（Bar3D, Line3D, Scatter3D)
axis3D：3D 笛卡尔坐标系 X ， Y，Z 轴配置项，适用于 3D 图形 。（Bar3D, Line3D, Scatter3D)
visualMap：是视觉映射组件 ， 用于进行『视觉编码』，也就是将数据映射到视觉元素（视觉通道）
markLinemarkPoint：图形标记组件，用于标记指定的特殊数据，有标记线和标记点两种 。（Bar、Line、Kline）
tooltip：提示框组件，用于移动或点击鼠标时弹出数据内容
toolbox：右侧实用工具箱
图表详细
Bar（柱状图/条形图）
Bar3D（3D 柱状图）
Boxplot（箱形图）
EffectScatter（带有涟漪特效动画的散点图）
Funnel（漏斗图）
Gauge（仪表盘）
Geo（地理坐标系）
GeoLines（地理坐标系线图）
Graph（关系图）
HeatMap（热力图）
Kline/Candlestick（K线图）
Line（折线/面积图）
Line3D（3D 折线图）
Liquid（水球图）
Map（地图）
Parallel（平行坐标系）
Pie（饼图）
Polar（极坐标系）
Radar（雷达图）
Sankey（桑基图）
Scatter（散点图）
Scatter3D（3D 散点图）
ThemeRiver（主题河流图）
TreeMap（矩形树图）
WordCloud（词云图）
用户自定义
Grid 类：并行显示多张图
Overlap 类：结合不同类型图表叠加画在同张图上
Page 类：同一网页按顺序展示多图
Timeline 类：提供时间线轮播多张图
统一风格

推荐阅读


上一篇：固态硬盘怎么连接蓝牙耳机，固态硬盘怎么连接蓝牙耳机教程

下一篇：为什么恋爱游戏里的女主，为什么恋爱游戏里的女主那么丑