分享几个Pyecharts技巧，护你画出更直观/炫酷的图表

ts=opts.LabelOpts(is_show=False), markpoint_opts=opts.MarkPointOpts( data=[ opts.MarkPointItem(type_="max", ), opts.MarkPointItem(type_="min", ), opts.MarkPointItem(type_="average", ), ] ), ) .render("bar_markpoint_type.html") )

output

我们可以看不到平方和当之中的指明的数绝对值被标了出来，变得更为加的直观，准确性较低。

对X连杆和Y连杆标上名字

同时我们还可以对X连杆和Y连杆标上名字，告知软件X连杆以及Y连杆代表人的是什么数据集，具备更为强的准确性和直观性，编译器如下

c = ( Bar() .add_xaxis(Faker.choose()) .add_yaxis("摊贩A", Faker.values()) .add_yaxis("摊贩B", Faker.values()) .set_global_opts( title_opts=opts.TitleOpts(title="Bar-XY 连杆名称"), yaxis_opts=opts.AxisOpts(), xaxis_opts=opts.AxisOpts(), ) .render("bar_xyaxis_name.html") )

output

Pyecharts和JavaScript的联用

在Pyecharts编译器当之中加入JS编译器，无论如何极为罕有，例如我们可以在当之中去除JS编译器来改变数据集分析示意图解的颜色，编译器如下

color_function = """ function (params) { if (params.value> 0 && params.value < 30) { return 'red'; } else if (params.value> 30 && params.value < 80) { return 'blue'; } return 'purple'; } """ c = ( Bar() .add_xaxis(Faker.choose()) .add_yaxis( "摊贩A", Faker.values(), itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_function)), ) .add_yaxis( "摊贩B", Faker.values(), itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_function)), ) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-自定义柱状颜色")) .render("bar_custom_bar_color.html") )

output

我们在对于各有不同数绝对值进行了各有不同的；也，0-30这个范围的是橙色、30-80的是蓝色，而其余数绝对值的则是红色。以上都是通过JS编译器来实现然后再去除到Pyecharts编译器当之中

同形柱状示意图

同形柱状示意图是平常柱状示意图的一种衍生，平常的柱状示意图是由一根一根的立柱转变成的，而同形柱状示意图则是对这个立柱的轮廓又做了再进一步的优化，显得更为加的迷人

编译器如下

c = ( PictorialBar() .add_xaxis(location) .add_yaxis( "", values, label_opts=opts.LabelOpts(is_show=False), symbol_size=18, symbol_repeat="fixed", symbol_offset=[0, 0], is_symbol_clip=True, symbol=SymbolType.ROUND_RECT, ) .reversal_axis() .set_global_opts( title_opts=opts.TitleOpts(title="PictorialBar-各省份人口比例（欺骗数据集）"), xaxis_opts=opts.AxisOpts(is_show=False), yaxis_opts=opts.AxisOpts( axistick_opts=opts.AxisTickOpts(is_show=False), axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(opacity=0) ), ), ) .render("pictorialbar_base.html") )

output

当然我们还并不需要对外观上自定义，如下示意图简述，

整个编译器的实现和前面的完全一致，这些自定义外观上的数据集放置在json明文当之中，然后从该明文之中加载里面的以下内容

with open("symbol.json", "r", encoding="utf-8") as f: symbols = json.load(f) .add_yaxis( "2015", [ {"value": 157, "symbol": symbols["reindeer"]}, {"value": 21, "symbol": symbols["ship"]}, {"value": 66, "symbol": symbols["plane"]}, {"value": 78, "symbol": symbols["train"]}, {"value": 123, "symbol": symbols["car"]}, ], label_opts=opts.LabelOpts(is_show=False), symbol_size=22, symbol_repeat="fixed", symbol_offset=[0, 5], is_symbol_clip=True, ) [发表声明]本文版权归作者所有，以下内容为作者个人观点，刊出目的在于传递更为多个人信息，如包括剧作以下内容、版权等问题，可联系本站删除，对不起。。

武汉专业治疗白癜风医院
汕头治疗皮肤病专科医院哪家好
呼和浩特肛肠
骨关节炎
生殖整形
夏季咳嗽吃什么止咳化痰效果好
私处整形
神经内科