pyecharts

标记指定经纬度 读取数据 import pandas as pd stations = pd . read_csv ( '../Stationid_list.csv' , delimiter = ',' ) 画图 from pyecharts . charts import Geo from pyecharts import options from pyecharts . globals import GeoType g = Geo ( ) . add_schema ( maptype = "china" ) # 给所有点附上标签 'StationID' for i in stations . index : s = stations . iloc [ i ] g . add_coordinate ( s [ 'StationID' ] , s [ 'Longitude' ] , s [ 'Latitude' ] ) # 给每个点的值赋为 1 data_pair = [ ( stations . iloc [ i ] [ 'StationID' ] , 1 ) for i in stations . index ] # 画图 g . add ( '' , data_pair , type_ = GeoType . EFFECT_SCATTER , symbol_size = 2

from pyecharts . charts import Map from pyecharts import options as opts 省级地图 value_1 = [ 155 , 10 , 66 ] attr_1 = [ "成都市" , "绵阳市" , "泸州市" ] value_2 = [ 200 , 100 , 166 ] attr_2 = [ "宜宾市" , "凉山彝族自治州" , "攀枝花市" ] def map_visualmap ( ) : c = ( Map ( ) . add ( "品质类" , [ list ( z ) for z in zip ( attr_1 , value_1 ) ] , "四川" ) . add ( "合规类" , [ list ( z ) for z in zip ( attr_2 , value_2 ) ] , "四川" ) . set_global_opts ( title_opts = opts . TitleOpts ( title = "Map-VisualMap（连续型）" ) , visualmap_opts = opts . VisualMapOpts ( max_ = 200 , is_piecewise = True ) ) ) return c a = map_visualmap ( ) a .

接上篇： 安居客scrapy房产信息爬取到数据可视化(下)-可视化代码 ，可视化的实现~ 先看看保存的数据吧~ 本人之前都是习惯把爬到的数据保存到本地json文件， 这次保存到数据库后发现使用mongodb的聚合统计省去了好多自己用python写计算逻辑的步骤，好方便啊~~ 第一张图柱状图 第一张图代码解析： # encoding:utf-8 import random from pyecharts import Bar from pymongo import MongoClient conn = MongoClient( ' 127.0.0.1 ' ,27017) # 创建于MongoDB的连接 db = conn.anjuke # 选择数据库 collection=db.AnjukeItem # 选择数据库下的集合 all = [] res = collection.aggregate([ { ' $group ' :{ ' _id ' : ' $city ' , ' count ' :{ ' $sum ' :1 }}}, { ' $sort ' :{ ' count ' :-1 }},]) conn.close() # 上面是mongodb聚合统计的语句 # $group：按照给定表达式组合结果，这里的_id字段表示你要基于哪个字段来进行分组，这里的

小猪的Python学习之旅 —— 17.Python数据分析：我主良缘交友了解下 标签：Python 一句话概括本文 ： 爬取我主良缘交友所有的妹子信息，利用Jupyter Notebook对五个方面： 身高，学历，年龄，城市和交友宣言进行分析，并把分析结果通过pyecharts 进行数据可视化。 引言 ： 本节应该是Python数据分析入门的最后一节了，数据分析的水可是深的很： 大数据处理，机器学习，深度学习，NLP等，当前能够抓下数据，用好 pandas，numpy和matplotlib基础三件套，完成数据可视化就够了。 上节分析拉勾网的Android招聘数据，没什么特别的感觉，我觉得 可能是数据太少了，加起来也就700来条。还有 Jupyter Notebook 和 pyecharts 没有去试试，有点美中不足，于是乎我又想着抓点 什么分析分析。一天早上，日常出地铁，电视上依旧无脑放着这样 的广告： 我主良缘的公众号，可以在线找对象的公众号… 坐过深圳地铁的应该不会陌生…突然灵光一闪，要不抓一波 我主良缘 ，分析分析都是些怎么样的妹子在找对象？ 有idea了，接着就是看下抓数据的难度了，回公司直接打开 官网，点开交友页： http://www.lovewzly.com/jiaoyou.html F12打开抓包，大概看了抓取的难度不大，接着就开始爬数据环节啦～ 1.数据抓取

pyecharts 画图归纳 将本地文件导入到Pyecharts： test = open(filename, 'r') data = test.readlines() test.close() 如果遇到无法导入包的情况： sudo pip install pyecharts == 0.1.9.4 再不行： sudo apt - get install python3 - tk pip3 install pyecharts mysql文件导入Pycharm的代码 import pymysql 一页多图 from pyecharts import Page 导入柱状图Bar from pyecharts import Bar 导入饼图Pie from pyecharts import Pie 导入折线图Line from pyecharts import Line 导入雷达图Radar from pyecharts import Radar 导入散点图Scatter from pyecharts import Scatter 导入词云图WordCloud from pyecharts import WordCloud 将mysql的数据导入pycharm db = pymysql.connect("要连接的主机地址localhost", "用于登录的数据库用户root",

接上文： https://www.cnblogs.com/yjh1995/p/11836864.html 需要第三方库： 　　pyecharts 先贴上代码 import requests from bs4 import BeautifulSoup from pyecharts.charts import Bar from pyecharts import options #1.发送请求，获取即将上映电影 response=requests.get('https://movie.douban.com/cinema/later/hangzhou/') html_content=response.content.decode('utf-8') response.close() #2.解析html格式的响应内容 soup=BeautifulSoup(html_content,'lxml') all_movies=soup.find('div',id='showing-soon') #新建一个列表接收所有电影信息 all_movies_list=[] for each_movie in all_movies.find_all('div',class_='item'): tag_a=each_movie.find_all('a') tag_li=each_movie.find_all('li

pyEcharts安装及使用指南 ECharts是一个纯Javascript的图表库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的Canvas类库ZRender，提供直观、生动、可交互、可高度个性化定制的数据可视化图表。ECharts提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap，多维数据可视化的平行坐标，还有用于BI的漏斗图、仪表盘，并且支持图与图之间的混搭。 pyEcharts 目前有 0.5 及以下版本和 1.0 以上版本，新版的 pyecharts发生了许多变化。最为明显的是以前调整变量的命令现在都发生了改变。width是旧版本中对图表调整的参数，在新版本这一功能被调整到了option里面。网上大部分教程都是0.5及以下版本。 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts==0.5.10 自从 v0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。下面介绍如何安装。 全球国家地图: echarts-countries

经过了前面的努力，我们成功获取到了数据，并且学会了保存，但是只是用网页展示出来，是不是有一些不够美观呢？ 所以本节的内容是：数据的可视化。拿到了数据却不能使其简单易懂并且足够突出，那就是不是好的数据工程师。 效果图： 部分效果图 本节需要做的准备： 安装pyecharts这个Python的图表库，在之前我们安装了requests、lxml、bs4。所以只需要再在cmd里面 pip3 install pyecharts 就OK啦，如果失败，请仔细阅读教程： 爬虫入门教程⑥—安装爬虫常用工具包 pyecharts简介 这是百度echarts图表库，使用Python接口进行生成图表的一个库，非常炫酷。在之前绘图基本上是用的【Matplotlib】这个库，这个库功能非常强大，但是缺点也比较明显，api调用比较复杂，新手上手很慢也很难。于是在去年， 陈键冬 大佬推出了一个简单易用的绘图库 pyecharts 。 我当时怀着试一试的心情使用了一下，哇，超好用的，对新手超友好的，代码和图都写出来了，非常详细，同时配置项也非常清晰。 一口气画5个图都超快超简单的~！ 确定可视化的目标 这是很重要的一步，先确认哪些数据值得拿来可视化，然后再去编写代码。一部电影的信息有：名字、上映日期、地区、类型、关注者数量。最明显的当然是 关注者数量排行榜(柱状图) ，除此之外我还想了几个： 上映电影类型占比(饼图

中文官方文档： 点击打开链接 1.基本语法学习 from pyecharts import Bar bar = Bar("我的第一个图表", "这里是副标题") bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90]) # bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用 bar.render() # 生成本地 HTML 文件 add() : 主要方法，用于添加图表的数据和设置各种配置项 print_echarts_options() :打印输出图表的所有配置项 render(): 默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 render(r"e:\my_first_chart.html")，文件用浏览器打开。 Note ： 可以按右边的下载按钮将图片下载到本地，如果想要提供更多实用工具按钮， 请在 add() 中设置 is_more_utils 为 True 2.使用主题 from pyecharts import Bar bar = Bar("我的第一个图表", "这里是副标题") bar.use_theme('dark') bar.add("服装", ["衬衫",

pyecharts修改legend icon样式 截止到当前时间，pyecharts的最新版本为1.5.0，LegendOpts类中的成员如下，并没有icon属性，但是Echarts中是已经有该属性设置的。 所以我们可以在该类中添加icon成员属性。 1.按住ctrl+鼠标左键点击LegendOpts跳转到该类中 2.添加两行如下代码 3.然后可以在opts.LegendOpts中使用 icon 默认循环选择类型有：‘circle’ | ‘rectangle’ | ‘triangle’ | ‘diamond’ |‘emptyCircle’ | ‘emptyRectangle’ | ‘emptyTriangle’ | ‘emptyDiamond’另外，还支持五种更特别的标志图形’heart’（心形）、‘droplet’（水滴）、‘pin’（标注）、‘arrow’（箭头）和’star’（五角星），这并不出现在常规的8类图形中，但无论是在系列级还是数据级上你都可以指定使用，同时，‘star’ + n（n>=3)可变化出N角星，如指定为’star6’则可以显示6角星 效果展示 修改前 修改后 来源：51CTO 作者： Jerelli 链接：https://blog.csdn.net/jerurry/article/details/100693269