运用pyecharts制作可视化大屏（代码展示及效果图-动图）

一、Matplotlib绘图

1. 折线图

import matplotlib.pyplot as plt # 调用画图库

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置成可以显示中文，字体为黑体

plt.figure(figsize=(12,8)) # 调整图片尺寸

x = ['周一','周二','周三','周四','周五','周六','周日'] # 设置x轴数据

y = [401,632,453,894,775,646,1207] # 设置对应的y轴数据

plt.tick_params(labelsize=21) # 设置坐标轴刻度的字体大小

plt.xlabel('日期', fontsize=24, labelpad=20) # 设置x轴标签

plt.ylabel('播放次数', fontsize=24) # 设置y轴标签

plt.title('视频周播放量数据—宣一名', fontsize=35, pad=45) # 设置标题

plt.plot(x,y, label = "播放次数",color='r',marker='s' ) # 绘制图形

plt.legend(fontsize=20)

plt.show() # 展示图形，在Jupyter中，可省略本行

2. 柱状图

import matplotlib.pyplot as plt # 调用画图库

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置成可以显示中文，字体为黑体

plt.figure(figsize=(12,8)) # 调整图片尺寸

x = ['周一','周二','周三','周四','周五','周六','周日'] # 设置x轴数据

y = [401,632,453,894,775,646,1207] # 设置对应的y轴数据

plt.tick_params(labelsize=21) # 设置坐标轴刻度的字体大小

plt.xlabel('日期', fontsize=24, labelpad=20) # 设置x轴标签

plt.ylabel('播放次数', fontsize=24) # 设置y轴标签

plt.title('视频周播放量数据—宣一名', fontsize=35, pad=45) # 设置标题

plt.plot(x,y, label = "播放次数",color='r',marker='s' ) # 绘制图形

plt.legend(fontsize=20)

plt.show() # 展示图形，在Jupyter中，可省略本行c

3. 环形图

import matplotlib.pyplot as plt # 调用画图库

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置成可以显示中文，字体为黑体

plt.figure(figsize=(12,8)) # 调整图片尺寸

x = ['周一','周二','周三','周四','周五','周六','周日'] # 设置x轴数据

y = [401,632,453,894,775,646,1207] # 设置对应的y轴数据

plt.tick_params(labelsize=21) # 设置坐标轴刻度的字体大小

plt.xlabel('日期', fontsize=24, labelpad=20) # 设置x轴标签

plt.ylabel('播放次数', fontsize=24) # 设置y轴标签

plt.title('视频周播放量数据—宣一名', fontsize=35, pad=45) # 设置标题

plt.plot(x,y, label = "播放次数",color='r',marker='s' ) # 绘制图形

plt.legend(fontsize=20)

plt.show() # 展示图形，在Jupyter中，可省略本行c

4. 散点图

import matplotlib.pyplot as plt # 调用画图库

plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置成可以显示中文，字体为黑体

plt.figure(figsize=(12, 8)) # 调整图片尺寸

x = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]

y = [401,632,453,894,775,646,1207]

y1 = [20,33,27,45,39,24,64]

plt.tick_params(labelsize=21) # 设置坐标轴刻度的字体大小为 21

plt.xlabel('日期', fontsize=21, labelpad=20) # 设置 x 轴名称

plt.ylabel('播放次数', fontsize=21,labelpad=20) # 设置 y 轴名称

plt.title('每日播放量与新增粉丝量-宣一名', fontsize=27, pad=45) # 设置标题

plt.grid( color = 'c', linewidth = 2, linestyle = ':', alpha = 0.3) # 设置网格，颜色、线宽、样式、透明度

plt.scatter(x,y, marker = '*', c = 'r', s = 200,label="播放次数") # 绘制散点图, 设置散点样式

plt.legend()

plt.twinx() #添加右侧 y 轴，实际上是又画了一个折线图，和柱状图共享 x 轴

plt.tick_params(labelsize=21) # 设置坐标轴刻度的字体大小

plt.ylim(0,40)

plt.ylabel('粉丝增长数', fontsize=24,labelpad=20) # 设置 y 轴标签

plt.scatter(x,y1, marker = 'H', c = 'b', s = 200,label="新增粉丝")

plt.legend()

plt.show()

二、Pyecharts绘图

1. 热力图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import HeatMap # 调用画图库

课程安排数据 =[[0, 3, 21], [1, 3, 30], [2, 3,10], [3, 3, 41], [4, 3, 28], [5, 3, 50], [6, 3, 254],

[0, 2, 82], [1, 2, 110], [2, 2, 105], [3, 2,235], [4, 2, 212], [5, 2, 223], [6, 2, 799],

[0, 1, 101], [1, 1, 230], [2, 1, 218 ], [3, 1, 407], [4, 1, 262], [5, 1, 225], [6, 1, 377],

[0, 0, 245], [1, 0, 331], [2, 0, 103], [3, 0, 306], [4, 0, 499], [5, 0, 227], [6, 0, 99] ]# 设置数据

热力图横坐标 = ['周一', '周二', '周三', '周四', '周五', '周六', '周日'] # x轴坐标数据

热力图纵坐标 = ['深夜','晚上','下午','上午'] # y轴坐标数据

宽3='410px' # 设置图片宽度高度变量

高3='250px'

热力图 = (

HeatMap(init_opts=opts.InitOpts(width=宽3, height=高3, chart_id=3)) # 绘图，设置图片大小、图表id

.add_xaxis(热力图横坐标) # 设置x轴坐标名

.add_yaxis("", 热力图纵坐标, 课程安排数据, # 设置y轴坐标名，添加数据

label_opts=opts.LabelOpts(color="white", # 标签字体颜色

font_size=13, # 字体大小

position="inside"), # 位置

itemstyle_opts=opts.ItemStyleOpts(border_color='white', # 边界线颜色

border_width=3)) # 边界线宽度

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(max_=799,is_show=False), # 设置视觉映射配置项,最大值为600

xaxis_opts = opts.AxisOpts(

axislabel_opts = opts.LabelOpts(font_size = 13, # 坐标轴字体大小

color='black'), # 坐标轴字体颜色

axisline_opts = opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(

color='white', # 坐标轴线颜色

width=3))), # 坐标轴线宽度

yaxis_opts = opts.AxisOpts(

axislabel_opts = opts.LabelOpts(font_size = 13, # 坐标轴字体大小

color='black'), # 坐标轴字体颜色

axisline_opts = opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(

color='white', # 坐标轴线颜色

width=3))), # 坐标轴线宽度 width=3))), # 坐标轴线宽度

title_opts = opts.TitleOpts(

title='课 程 安 排 热 力 图-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 20, # 标题字体大小

color="black"), # 标题颜色

pos_left = 'center',pos_top='10%'))) # 设置居中

# 将图表作为函数返回值

热力图.render_notebook()

2. 散点图

from pyecharts.charts import Scatter # 调用画图库

import pyecharts.options as opts # 调用图表配置选项库

x = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]

y = [401,632,453,894,775,646,1207]

y1 = [20,33,27,45,39,24,64]

散点图 =(

Scatter(init_opts=opts.InitOpts(width="800px", height="600px")) # 定义散点图,设置图片大小

.add_xaxis(x) # 添加x轴数据

.add_yaxis('每日播放量', y, # 添加y轴数据

symbol_size = 20, # 设置散点大小

symbol = 'triangle', # 设置散点为三角形

color = 'blue', # 设置绿色

) # 取消自动注释

.add_yaxis("粉丝数",y1)

.set_global_opts(

title_opts = opts.TitleOpts(title='播放量与粉丝增长情况-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 15,color="black"), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts=(opts.LegendOpts(pos_left="75%")),

yaxis_opts=opts.AxisOpts(name="播放量",splitline_opts = opts.SplitLineOpts(is_show=True, # 显示y轴网格线

linestyle_opts= opts.LineStyleOpts(

width= 3, # 网格宽度为3

opacity=0.9, # 透明度90%

type_='dotted')),

name_textstyle_opts=opts.TextStyleOpts(color="black")),

xaxis_opts=opts.AxisOpts(name="日期",name_textstyle_opts=opts.TextStyleOpts(color="black")),

)

)

散点图.render_notebook()

3. 折线图

from pyecharts.charts import Line # 调用画折线图的库

import pyecharts.options as opts # 调用图表配置选项库

折线图 =(

Line(init_opts=opts.InitOpts(width="1200px", height="800px")) # 定义折线图,设置大小1200*800

.add_xaxis(xaxis_data=["周一", "周二", "周三", "周四", "周五", "周六", "周日"]) # 添加x轴数据

.add_yaxis(series_name= '出生率', y_axis=[401,632,453,894,775,646,1207], # 添加y轴数据

linestyle_opts = opts.LineStyleOpts(color='red', width =6), color = 'orange', # 设置折线颜色，宽度，图例颜色

markpoint_opts = opts.MarkPointOpts( data =[ opts.MarkPointItem(name='最大值', type_='max' ), # 设置折线图最高点注释

opts.MarkPointItem(name='最小值', coord=('2020',8.52), value=8.52)], # 最低点注释

symbol_size=70)) # 注释标记点大小

.set_global_opts(

yaxis_opts = opts.AxisOpts( name = '播放次数', # 设置 y 轴名称

min_ = 6, # 设置y轴的起始点

name_textstyle_opts = opts.TextStyleOpts(font_size = 21), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 27)), # 设置 y 轴字体大小

xaxis_opts = opts.AxisOpts( name = '日期', # 设置 x 轴名称

name_textstyle_opts = opts.TextStyleOpts(font_size = 21), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 27)) , # 设置 x 轴字体大小

title_opts = opts.TitleOpts(title='视频周播放量-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 30), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts = opts.LegendOpts(pos_right = '10%')) # 调整图例显示位置，距离右侧边缘10%整体宽度的距离

)

折线图.render_notebook() # 展示图片

4. 地图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Map # 调用画图

from pyecharts.globals import ThemeType # 调用设置主题样式

地图数据 = [ ['山西',81] , # 设置数据

['辽宁',280] ,

['江苏',203 ] ,['浙江',126 ] ,

['福建',65 ],['山东',135 ] ,['上海',182] ,

['湖北',150 ] ,['广东',218] ,

['四川',173] ,

['云南',24 ],['北京',242],['安徽',99]]

宽7='510px'

高7='430px'

def 地图(地图数据):

地图 = (

Map(init_opts=opts.InitOpts(width=宽7, height=高7,theme=ThemeType.WONDERLAND,chart_id=7)) # 设置大小

.add("",data_pair=地图数据,

is_roam=False,

maptype="china",

label_opts=opts.LabelOpts(

color="black",

font_size=10,

font_weight='bold'),

itemstyle_opts=opts.ItemStyleOpts(

color='#008B8B',

area_color='#836FFF',

opacity=1,

border_width=1,

border_type='dotted', # 省份边界为虚

))

.set_global_opts(

title_opts=opts.TitleOpts(

title="籍贯分布统计",

pos_left='center',

title_textstyle_opts=opts.TextStyleOpts(

font_style='italic',

font_size=20,

color="black"

)

),

visualmap_opts=opts.VisualMapOpts(

is_piecewise=True,

type_='color',

min_=0,

max_=100,

range_text=["最高","最低"],

textstyle_opts = opts.TextStyleOpts(color="#FF4500")

),

tooltip_opts = opts.TooltipOpts( # 设置提示框

formatter='{b}: {c}人', # 设置内容格式

textstyle_opts = opts.TextStyleOpts(font_size=13)), # 设置字体大小

)

)

return 地图

地图(地图数据).render_notebook() # 展示图

5. 环形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Pie # 调用画饼图库

数据 = [ ('游客', 75), ('粉丝', 25)]

饼图 = (Pie(init_opts=opts.InitOpts(width="460px", height="360px")) # 画饼图

.add('', data_pair=数据,radius=['50%','70%'],center=["50%","60%"],)

.set_colors([ "#FF6A6A", "orange"])

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))

.set_global_opts(

title_opts=opts.TitleOpts(title="访客结构-宣一名 ",pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(font_size=25,color='black')),

legend_opts=opts.LegendOpts(pos_right='0%',orient='vertical',pos_top='45%'))

)

饼图.render_notebook() # 展示图片

6. 水球图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Liquid # 调用画图库

数据 = [0.85] # 设置数据

水球图 = (

Liquid()

.add("", 数据,

shape = 'triangle',

center = ['50%','60%'], # 设置水球位置

is_outline_show = False, # 删除外边框

color = ['orange'], # 白色波浪

background_color = 'white') # 黄色圆球

.set_global_opts(

title_opts = opts.TitleOpts(

title='粉丝活跃度—宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size =35), # 设置字体大小

pos_left = 'center')) # 设置居中

)

水球图.render_notebook() # 展示图片

7. 条形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Bar # 调用柱状图库

x = ['0-16','16-25','25-40','40以上']

y = [12.4,41.6,24.3,21.7]

# x.reverse() # 因观看习惯,调整排列顺序

# y.reverse() # 因观看习惯,调整排列顺序

条形图 = (Bar(init_opts=opts.InitOpts(width="740px", height="450px"))#画条形图设置尺寸

.add_xaxis(x) # 设置 x 轴坐标

.add_yaxis('', y,label_opts = opts.LabelOpts( # 设置 y 轴数据

font_size = 24, # 设置注释字体

position='right', # 设置注释位置

color = 'black',

formatter='{c}%'),

color={ 'type': 'linear',

# 变化类型为线型渐变，变化方向为起始点至终点

'x': 0, # （x，y） 为（0,0），是起始点

'y': 0,'x2': 1, # （x2，y2）为（1,0）为终点

'y2': 0,

'colorStops': [{'offset': 0, 'color': 'yellow' },

# 0 代表 0%，起始位置蓝色

{'offset': 1, 'color': ' #FF6A6A'}]})

# 1 代表 100%，终点位置为) # 设置注释内容为对应的数据+%

.reversal_axis() # 将柱状图转换成条形图

.set_global_opts(

xaxis_opts = opts.AxisOpts( name = '年龄',is_show=False, # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 21)), # 设置 x 轴坐标字体大小

yaxis_opts = opts.AxisOpts( name = '占比', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 21,color = 'black')), # 设置 y 轴坐标字体大小

title_opts = opts.TitleOpts(title='粉丝年龄分布-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25,color = 'black'), # 设置字体大小

pos_left = 'center'))) # 设置居中

条形图.render_notebook() # 展示图

8. 柱形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Bar # 调用柱状图库

x = ['点赞','评论','弹幕','分享','收藏']

y = [993,584,355,794,688]

x.reverse() # 因观看习惯,调整排列顺序

y.reverse() # 因观看习惯,调整排列顺序

条形图 = (Bar(init_opts=opts.InitOpts(width="900px", height="400px"))#画条形图设置尺寸

.add_xaxis(x) # 设置 x 轴坐标

.add_yaxis('', y,label_opts = opts.LabelOpts( # 设置 y 轴数据

font_size = 24, # 设置注释字体

color = 'black',

# position="center", # 设置注释位置

formatter='{c}次'),

color={ 'type': 'linear',

# 变化类型为线型渐变，变化方向为起始点至终点

'x': 0, # （x，y） 为（0,0），是起始点

'y': 0,'x2': 1, # （x2，y2）为（1,0）为终点

'y2': 0,

'colorStops': [{'offset': 0, 'color': 'yellow' },

# 0 代表 0%，起始位置蓝色

{'offset': 1, 'color': ' #FF6A6A'}]})

# 1 代表 100%，终点位置为) # 设置注释内容为对应的数据+%

.set_global_opts(

xaxis_opts = opts.AxisOpts( name = '互动种类', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 20,color = 'black')), # 设置 x 轴坐标字体大小

yaxis_opts = opts.AxisOpts( name = '互动量', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 20,color = 'black')), # 设置 y 轴坐标字体大小

title_opts = opts.TitleOpts(title='周互动量-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25,color = 'black'), # 设置字体大小

pos_left = 'center'))) # 设置居中

条形图.render_notebook() # 展示图

9. 雷达图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Radar # 调用雷达图库

博主本人数据 = [[8, 5008, 993, 252, 794 ]] # 设置数据

同类博主平均值 = [[5, 1061, 80, 33, 80 ]] # 注意数据有两个方括号

雷达图 = (

Radar(init_opts=opts.InitOpts(width="800px", height="500px")) # 画雷达图

.add_schema( shape='circle', # 设置为圆形坐标系 # 设置雷达图坐标轴名称

radius='60%', center=['50%','45%'], # 调整大小和位

schema=[ opts.RadarIndicatorItem(name="投稿",max_=10),

opts.RadarIndicatorItem(name="播放量",max_=6000),

opts.RadarIndicatorItem(name="点赞",max_=1000),

opts.RadarIndicatorItem(name="新增粉丝",max_=300),

opts.RadarIndicatorItem(name="分享",max_=900)],

splitline_opt = opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(width=3,color='white')),

textstyle_opts = opts.TextStyleOpts(color='black',font_size=20))

.add("博主本人数据", 博主本人数据,color='orange',areastyle_opts=opts.AreaStyleOpts(opacity=0.5)) # 添加雷达图数据

.add("同类博主平均值", 同类博主平均值,color='blue',areastyle_opts=opts.AreaStyleOpts(opacity=0.5))

.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示注释

.set_global_opts(

title_opts = opts.TitleOpts(title='周表现评估—宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts = opts.LegendOpts(legend_icon='*',

pos_right = '5%', # 调整图例位置距离右侧 5%

orient= 'vertical', # 调整图例纵向排列

textstyle_opts=opts.TextStyleOpts(font_size = 27))) # 设置字体大小

)

雷达图.render_notebook()

三、数据可视化大屏

1. 背景图片

from pyecharts.components import Image # 调用绘图库

图片网址 = 'https://www.yuucn.com/wp-content/uploads/2023/04/1682778188-7e14d6efe92f4c8.gif' # 设置图片网址

宽0 = "100%" # 设置图片宽度高度变量

高0 = "100%"

def 背景图片(图片网址): # 定义函数，便于可视化大屏调用

图片 = (

Image() # 绘图

.add( 图片网址, # 添加图片

style_opts={"width": 宽0, "height": 高0 }) # 设置图片

)

图片.chart_id = 0 # 设置图表id为0

return 图片 # 设置函数返回值

背景图片(图片网址).render_notebook() # 展示图片

2. 主标题

import pyecharts.options as opts # 调用图表配置选项库

from pyecharts.charts import Pie # 调用画图库

主标题名称数据 = "各人博客数据分析可视化展示" # 设置数据

宽1='800px' # 设置图片宽度高度变量

高1='60px'

def 主标题(主标题名称数据): # 定义函数，便于可视化大屏调用

标题 = (

Pie(init_opts=opts.InitOpts(width=宽1, height=高1, chart_id=1)) # 绘图，设置图片大小、图表id

.set_global_opts(

title_opts=opts.TitleOpts(

title=主标题名称数据, # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size=45,

font_family = '楷体', # 字体大小

color='#F0FFF0')))) # 字体颜色

return 标题 # 将图表作为函数返回值

主标题(主标题名称数据).render_notebook()

3. 副标题

import pyecharts.options as opts # 调用图表配置选项库

from pyecharts.charts import Pie # 调用画图库

副标题名称数据 = '宣一名 2022-6-7' # 设置数据

宽2='270px' # 设置图片宽度高度变量

高2='40px'

def 副标题(副标题名称数据): # 定义函数，便于可视化大屏调用

标题 = (

Pie(init_opts=opts.InitOpts(width=宽2, height=高2,chart_id=2)) # 绘图，设置图片大小、图表id

.set_global_opts(

title_opts=opts.TitleOpts(

title=副标题名称数据, # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size=30,

font_family = '楷体',# 字体大小

color='#F0FFF0')))) # 字体颜色

return 标题 # 将图表作为函数返回值

副标题(副标题名称数据).render_notebook()

4. 热力图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import HeatMap # 调用画图库

课程安排数据 =[[0, 3, 21], [1, 3, 30], [2, 3,10], [3, 3, 41], [4, 3, 28], [5, 3, 50], [6, 3, 254],

[0, 2, 82], [1, 2, 110], [2, 2, 105], [3, 2,235], [4, 2, 212], [5, 2, 223], [6, 2, 799],

[0, 1, 101], [1, 1, 230], [2, 1, 218 ], [3, 1, 407], [4, 1, 262], [5, 1, 225], [6, 1, 377],

[0, 0, 245], [1, 0, 331], [2, 0, 103], [3, 0, 306], [4, 0, 499], [5, 0, 227], [6, 0, 99] ]# 设置数据

热力图横坐标 = ['周一', '周二', '周三', '周四', '周五', '周六', '周日'] # x轴坐标数据

热力图纵坐标 = ['深夜','晚上','下午','上午'] # y轴坐标数据

宽3='410px' # 设置图片宽度高度变量

高3='250px'

热力图 = (

HeatMap(init_opts=opts.InitOpts(width=宽3, height=高3, chart_id=3)) # 绘图，设置图片大小、图表id

.add_xaxis(热力图横坐标) # 设置x轴坐标名

.add_yaxis("", 热力图纵坐标, 课程安排数据, # 设置y轴坐标名，添加数据

label_opts=opts.LabelOpts(color="white", # 标签字体颜色

font_size=13, # 字体大小

position="inside"), # 位置

itemstyle_opts=opts.ItemStyleOpts(border_color='white', # 边界线颜色

border_width=3)) # 边界线宽度

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(max_=799,is_show=False), # 设置视觉映射配置项,最大值为600

xaxis_opts = opts.AxisOpts(

axislabel_opts = opts.LabelOpts(font_size = 13, # 坐标轴字体大小

color='black'), # 坐标轴字体颜色

axisline_opts = opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(

color='white', # 坐标轴线颜色

width=3))), # 坐标轴线宽度

yaxis_opts = opts.AxisOpts(

axislabel_opts = opts.LabelOpts(font_size = 13, # 坐标轴字体大小

color='black'), # 坐标轴字体颜色

axisline_opts = opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts(

color='white', # 坐标轴线颜色

width=3))), # 坐标轴线宽度 width=3))), # 坐标轴线宽度

title_opts = opts.TitleOpts(

title='课 程 安 排 热 力 图-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 20, # 标题字体大小

color="black"), # 标题颜色

pos_left = 'center',pos_top='10%'))) # 设置居中

# 将图表作为函数返回值

热力图.render_notebook()

5. 散点图

from pyecharts.charts import Scatter # 调用画图库

import pyecharts.options as opts # 调用图表配置选项库

x = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]

y = [401,632,453,894,775,646,1207]

y1 = [20,33,27,45,39,24,64]

散点图 =(

Scatter(init_opts=opts.InitOpts(width="800px", height="600px")) # 定义散点图,设置图片大小

.add_xaxis(x) # 添加x轴数据

.add_yaxis('每日播放量', y, # 添加y轴数据

symbol_size = 20, # 设置散点大小

symbol = 'triangle', # 设置散点为三角形

color = 'blue', # 设置绿色

) # 取消自动注释

.add_yaxis("粉丝数",y1)

.set_global_opts(

title_opts = opts.TitleOpts(title='播放量与粉丝增长情况-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 15,color="black"), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts=(opts.LegendOpts(pos_left="75%")),

yaxis_opts=opts.AxisOpts(name="播放量",splitline_opts = opts.SplitLineOpts(is_show=True, # 显示y轴网格线

linestyle_opts= opts.LineStyleOpts(

width= 3, # 网格宽度为3

opacity=0.9, # 透明度90%

type_='dotted')),

name_textstyle_opts=opts.TextStyleOpts(color="black")),

xaxis_opts=opts.AxisOpts(name="日期",name_textstyle_opts=opts.TextStyleOpts(color="black")),

)

)

散点图.render_notebook()

6. 折线图

from pyecharts.charts import Line # 调用画折线图的库

import pyecharts.options as opts # 调用图表配置选项库

折线图 =(

Line(init_opts=opts.InitOpts(width="800px", height="500px")) # 定义折线图,设置大小1200*800

.add_xaxis(xaxis_data=["周一", "周二", "周三", "周四", "周五", "周六", "周日"]) # 添加x轴数据

.add_yaxis(series_name= '出生率', y_axis=[401,632,453,894,775,646,1207], # 添加y轴数据

linestyle_opts = opts.LineStyleOpts(color='red', width =6), color = 'orange', # 设置折线颜色，宽度，图例颜色

markpoint_opts = opts.MarkPointOpts( data =[ opts.MarkPointItem(name='最大值', type_='max' ), # 设置折线图最高点注释

opts.MarkPointItem(name='最小值', coord=('2020',8.52), value=8.52)], # 最低点注释

symbol_size=70)) # 注释标记点大小

.set_global_opts(

yaxis_opts = opts.AxisOpts( name = '播放次数', # 设置 y 轴名称

min_ = 6, # 设置y轴的起始点

name_textstyle_opts = opts.TextStyleOpts(font_size = 21), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 27)), # 设置 y 轴字体大小

xaxis_opts = opts.AxisOpts( name = '日期', # 设置 x 轴名称

name_textstyle_opts = opts.TextStyleOpts(font_size = 21), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 27)) , # 设置 x 轴字体大小

title_opts = opts.TitleOpts(title='视频周播放量-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 30), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts = opts.LegendOpts(pos_right = '10%')) # 调整图例显示位置，距离右侧边缘10%整体宽度的距离

)

折线图.render_notebook()

7. 地图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Map # 调用画图

from pyecharts.globals import ThemeType # 调用设置主题样式

地图数据 = [ ['山西',81] , # 设置数据

['辽宁',280] ,

['江苏',203 ] ,['浙江',126 ] ,

['福建',65 ],['山东',135 ] ,['上海',182] ,

['湖北',150 ] ,['广东',218] ,

['四川',173] ,

['云南',24 ],['北京',242],['安徽',99]]

宽7='510px'

高7='430px'

def 地图(地图数据):

地图 = (

Map(init_opts=opts.InitOpts(width=宽7, height=高7,theme=ThemeType.WONDERLAND,chart_id=7)) # 设置大小

.add("",data_pair=地图数据,

is_roam=False,

maptype="china",

label_opts=opts.LabelOpts(

color="black",

font_size=10,

font_weight='bold'),

itemstyle_opts=opts.ItemStyleOpts(

color='#008B8B',

area_color='#836FFF',

opacity=1,

border_width=1,

border_type='dotted', # 省份边界为虚

))

.set_global_opts(

title_opts=opts.TitleOpts(

title="籍贯分布统计",

pos_left='center',

title_textstyle_opts=opts.TextStyleOpts(

font_style='italic',

font_size=20,

color="black"

)

),

visualmap_opts=opts.VisualMapOpts(

is_piecewise=True,

type_='color',

min_=0,

max_=100,

range_text=["最高","最低"],

textstyle_opts = opts.TextStyleOpts(color="#FF4500")

),

tooltip_opts = opts.TooltipOpts( # 设置提示框

formatter='{b}: {c}人', # 设置内容格式

textstyle_opts = opts.TextStyleOpts(font_size=13)), # 设置字体大小

)

)

return 地图

地图(地图数据).render_notebook() # 展示图

8. 环形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Pie # 调用画饼图库

数据 = [ ('游客', 75), ('粉丝', 25)]

饼图 = (Pie(init_opts=opts.InitOpts(width="460px", height="360px")) # 画饼图

.add('', data_pair=数据,radius=['50%','70%'],center=["50%","60%"],)

.set_colors([ "#FF6A6A", "orange"])

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}%"))

.set_global_opts(

title_opts=opts.TitleOpts(title="访客结构-宣一名 ",pos_left = 'center',title_textstyle_opts=opts.TextStyleOpts(font_size=25,color='black')),

legend_opts=opts.LegendOpts(pos_right='0%',orient='vertical',pos_top='45%'))

)

饼图.render_notebook() # 展示图片

9. 水球图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Liquid # 调用画图库

数据 = [0.85] # 设置数据

水球图 = (

Liquid()

.add("", 数据,

shape = 'triangle',

center = ['50%','60%'], # 设置水球位置

is_outline_show = False, # 删除外边框

color = ['orange'], # 白色波浪

background_color = 'white') # 黄色圆球

.set_global_opts(

title_opts = opts.TitleOpts(

title='粉丝活跃度—宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size =35), # 设置字体大小

pos_left = 'center')) # 设置居中

)

水球图.render_notebook() # 展示图片

10. 条形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Bar # 调用柱状图库

x = ['0-16','16-25','25-40','40以上']

y = [12.4,41.6,24.3,21.7]

# x.reverse() # 因观看习惯,调整排列顺序

# y.reverse() # 因观看习惯,调整排列顺序

条形图 = (Bar(init_opts=opts.InitOpts(width="740px", height="450px"))#画条形图设置尺寸

.add_xaxis(x) # 设置 x 轴坐标

.add_yaxis('', y,label_opts = opts.LabelOpts( # 设置 y 轴数据

font_size = 24, # 设置注释字体

position='right', # 设置注释位置

color = 'black',

formatter='{c}%'),

color={ 'type': 'linear',

# 变化类型为线型渐变，变化方向为起始点至终点

'x': 0, # （x，y） 为（0,0），是起始点

'y': 0,'x2': 1, # （x2，y2）为（1,0）为终点

'y2': 0,

'colorStops': [{'offset': 0, 'color': 'yellow' },

# 0 代表 0%，起始位置蓝色

{'offset': 1, 'color': ' #FF6A6A'}]})

# 1 代表 100%，终点位置为) # 设置注释内容为对应的数据+%

.reversal_axis() # 将柱状图转换成条形图

.set_global_opts(

xaxis_opts = opts.AxisOpts( name = '年龄',is_show=False, # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 21)), # 设置 x 轴坐标字体大小

yaxis_opts = opts.AxisOpts( name = '占比', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 21,color = 'black')), # 设置 y 轴坐标字体大小

title_opts = opts.TitleOpts(title='粉丝年龄分布-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25,color = 'black'), # 设置字体大小

pos_left = 'center'))) # 设置居中

条形图.render_notebook() # 展示图

11. 柱形图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Bar # 调用柱状图库

x = ['点赞','评论','弹幕','分享','收藏']

y = [993,584,355,794,688]

x.reverse() # 因观看习惯,调整排列顺序

y.reverse() # 因观看习惯,调整排列顺序

条形图 = (Bar(init_opts=opts.InitOpts(width="900px", height="400px"))#画条形图设置尺寸

.add_xaxis(x) # 设置 x 轴坐标

.add_yaxis('', y,label_opts = opts.LabelOpts( # 设置 y 轴数据

font_size = 24, # 设置注释字体

color = 'black',

# position="center", # 设置注释位置

formatter='{c}次'),

color={ 'type': 'linear',

# 变化类型为线型渐变，变化方向为起始点至终点

'x': 0, # （x，y） 为（0,0），是起始点

'y': 0,'x2': 1, # （x2，y2）为（1,0）为终点

'y2': 0,

'colorStops': [{'offset': 0, 'color': 'yellow' },

# 0 代表 0%，起始位置蓝色

{'offset': 1, 'color': ' #FF6A6A'}]})

# 1 代表 100%，终点位置为) # 设置注释内容为对应的数据+%

.set_global_opts(

xaxis_opts = opts.AxisOpts( name = '互动种类', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 20,color = 'black')), # 设置 x 轴坐标字体大小

yaxis_opts = opts.AxisOpts( name = '互动量', # 设置坐标轴名称

name_textstyle_opts=opts.TextStyleOpts(font_size = 18), # 设置名称字体大小

axislabel_opts = opts.LabelOpts(font_size = 20,color = 'black')), # 设置 y 轴坐标字体大小

title_opts = opts.TitleOpts(title='周互动量-宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25,color = 'black'), # 设置字体大小

pos_left = 'center'))) # 设置居中

条形图.render_notebook() # 展示图

12. 雷达图

from pyecharts import options as opts # 调用图表配置选项库

from pyecharts.charts import Radar # 调用雷达图库

博主本人数据 = [[8, 5008, 993, 252, 794 ]] # 设置数据

同类博主平均值 = [[5, 1061, 80, 33, 80 ]] # 注意数据有两个方括号

雷达图 = (

Radar(init_opts=opts.InitOpts(width="800px", height="500px")) # 画雷达图

.add_schema( shape='circle', # 设置为圆形坐标系 # 设置雷达图坐标轴名称

radius='60%', center=['50%','45%'], # 调整大小和位

schema=[ opts.RadarIndicatorItem(name="投稿",max_=10),

opts.RadarIndicatorItem(name="播放量",max_=6000),

opts.RadarIndicatorItem(name="点赞",max_=1000),

opts.RadarIndicatorItem(name="新增粉丝",max_=300),

opts.RadarIndicatorItem(name="分享",max_=900)],

splitline_opt = opts.SplitLineOpts(is_show=True,linestyle_opts=opts.LineStyleOpts(width=3,color='white')),

textstyle_opts = opts.TextStyleOpts(color='black',font_size=20))

.add("博主本人数据", 博主本人数据,color='orange',areastyle_opts=opts.AreaStyleOpts(opacity=0.5)) # 添加雷达图数据

.add("同类博主平均值", 同类博主平均值,color='blue',areastyle_opts=opts.AreaStyleOpts(opacity=0.5))

.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示注释

.set_global_opts(

title_opts = opts.TitleOpts(title='周表现评估—宣一名', # 设置标题

title_textstyle_opts=opts.TextStyleOpts(font_size = 25), # 设置字体大小

pos_left = 'center'), # 设置居中

legend_opts = opts.LegendOpts(legend_icon='*',

pos_right = '5%', # 调整图例位置距离右侧 5%

orient= 'vertical', # 调整图例纵向排列

textstyle_opts=opts.TextStyleOpts(font_size = 27))) # 设置字体大小

)

雷达图.render_notebook()

13. 整合可视化大屏

from pyecharts.charts import Page # 调用画图库

from bs4 import BeautifulSoup # 可解析网页文件的库

import webbrowser # 可自动打开网页的库

def 制作初稿(): # 制作初稿

可视化大屏 = Page(page_title = '各人博客数据分析可视化展示——宣一名 2022-6-7') # 定义大屏、设置网页标签

可视化大屏.add( # 添加图表到可视化大屏

背景图片(图片网址),

主标题(主标题名称数据),

副标题(副标题名称数据),

热力图(课程安排数据),

散点图(学生编号数据,学生体温数据),

教室平均温度仪表盘(教室平均温度数据),

寝室平均温度仪表盘(寝室平均温度数据),

籍贯分布统计地图(籍贯分布数据),

性别比例环形图(性别比例数据),

考研意向水球图(考研意向数据),

年级人数统计条形图(年级名称数据,年级人数数据),

获奖统计柱状图(获奖统计数据,获奖等级数据),

成绩综合评价雷达图(学科分类,学科平均成绩),

)

可视化大屏.render('数据可视化大屏.html')

def 排版调试(): # 对去白边后的初稿排版

with open("数据可视化大屏.html", "r+", encoding='utf-8') as 可视化大屏: # 打开可视化大屏文件

大屏源代码 = BeautifulSoup(可视化大屏, 'lxml') # 解析本地html文件

图表 = 大屏源代码.select('.chart-container') # 定位初稿中的图表

图表[0]["style"] = f"width:{宽0};height:{高0}; position:absolute;top:0%;left:0%;" # 重新设置图表位置和大小

图表[1]["style"] = f"width:{宽1};height:{高1}; position:absolute;top:1%;left:25%;" # 重新设置图表位置和大小

图表[2]["style"] = f"width:{宽2};height:{高2}; position:absolute;top:3%;left:80%;" # 重新设置图表位置和大小

图表[3]["style"] = f"width:{宽3};height:{高3}; position:absolute;top:11%;left:1%;"

图表[4]["style"] = f"width:{宽4};height:{高4}; position:absolute;top:41%;left:1.25%;"

图表[5]["style"] = f"width:{宽5};height:{高5}; position:absolute;top:63%;left:1%;"

图表[6]["style"] = f"width:{宽6};height:{高6}; position:absolute;top:63%;left:14%;"

图表[7]["style"] = f"width:{宽7};height:{高7}; position:absolute;top:10%;left:25%;"

图表[8]["style"] = f"width:{宽8};height:{高8}; position:absolute;top:70%;left:33%;"

图表[9]["style"] = f"width:{宽9};height:{高9}; position:absolute;top:64%;left:50%;"

图表[10]["style"] = f"width:{宽10};height:{高10}; position:absolute;top:11%;left:70.5%;"

图表[11]["style"] = f"width:{宽11};height:{高11}; position:absolute;top:38%;left:70.5%;"

图表[12]["style"] = f"width:{宽12};height:{高12}; position:absolute;top:66%;left:75%;"

大屏源代码 = str(大屏源代码) # 将源代码转字符串格式

可视化大屏.seek(0) # 将光标移动到文件开头

可视化大屏.truncate() # 删除光标后所有内容

可视化大屏.write(大屏源代码) # 写入经过去白边的源代码

可视化大屏.close() # 保存关闭文件

def 去除白边(): # 去除大屏周围的白边

with open("数据可视化大屏.html", "r+", encoding='utf-8') as 可视化大屏: # 打开可视化大屏文件

大屏源代码 = BeautifulSoup(可视化大屏, 'lxml') # 解析本地html文件

大屏源代码 = str(大屏源代码) # 将源代码转字符串格式

大屏源代码 = 大屏源代码.replace('<p class="title" style="font-size: 18px; font-weight:bold;"> </p>','') # 删除产生白边的代码

大屏源代码 = 大屏源代码.replace('<p class="subtitle" style="font-size: 12px;"> </p>','') # 删除产生白边的代码

大屏源代码 = 大屏源代码.replace('</head>','<style>img {display:block;}</style></head>') # 删除产生白边的代码

可视化大屏.seek(0) # 将光标移动到文件开头

可视化大屏.truncate() # 删除光标后所有内容

可视化大屏.write(大屏源代码) # 写入经过去白边的源代码

可视化大屏.close() # 保存关闭文件

def 自动启动(): # 自动启动大屏

webbrowser.open("数据可视化大屏.html")

if __name__ == "__main__": # 执行整篇代码的入口

制作初稿()

排版调试()

去除白边()

自动启动()

课程安排热力图(课程安排数据)

体温统计散点图(学生编号数据,学生体温数据)

教室平均温度仪表盘(教室平均温度数据)

寝室平均温度仪表盘(寝室平均温度数据)

籍贯分布统计地图(籍贯分布数据)

性别比例环形图(性别比例数据)

考研意向水球图(考研意向数据)

年级人数统计条形图(年级名称数据,年级人数数据)

获奖统计柱状图(获奖统计数据,获奖等级数据)

成绩综合评价雷达图(学科分类,学科平均成绩)