【数据可视化】第五章—— 基于PyEcharts的数据可视化
文章目錄
- 1. pyecharts數據可視化介紹
- 2．pyecharts安裝與使用
- 3．全局配置項和系列配置項
- 3.1 全局配置項
- 3.1.1 基本元素配置項
- 3.1.2 坐標軸配置項
- 3.1.3 原生圖形配置項
- 3.2 系列配置項
- 3.2.1 樣式類配置項
- 3.2.2 標記類型配置項
- 3.2.3 其它類配置項
- 4．運行環境
- 4.1 生成HTML
- 4.2 Jupyter Notebook
- 4.3 Jupyter Lab
- 5．Pyecharts可視化繪圖
- 5.1 柱狀圖
- 5.2 折線圖
- 5.3 餅圖
- 5.4 箱型圖
- 5.5 漣漪散點圖
- 5.6 K線圖
- 5.7 雷達圖
- 6. Bar的基本使用
- 7. Line的基本使用
- 8. 餅圖的基本使用
- 9. 本章小結
1. pyecharts數據可視化介紹
pyecharts是一個用于生成 Echarts 圖表的類庫，是一款將Python與Echarts相結合的強大的數據可視化工具，使用pyecharts可以讓開發者輕松的實現大數據的可視化。
官網 https://pyecharts.org/#/zh-cn/intro
Pyecharts是一個用于生成Echarts圖表的庫。代碼相對簡潔，可以生成Echarts風格的圖表。
?豐富的可視化類型: 提供了常規的折線圖、柱狀圖、散點圖、餅圖、K線圖，用于統計的盒形圖，用于地理數據可視化的地圖、熱力圖、線圖，用于關系數據可視化的關系圖、treemap、旭日圖，多維數據可視化的平行坐標，還有用于 BI 的漏斗圖，儀表盤，并且支持圖與圖之間的混搭。
?多種數據格式無需轉換直接使用: 內置的 dataset 屬性（4.0+）支持直接傳入包括二維表，key-value 等多種格式的數據源，此外還支持輸入 TypedArray 格式的數據。
?千萬數據的前端展現: 通過增量渲染技術（4.0+），配合各種細致的優化，ECharts 能夠展現千萬級的數據量。
?移動端優化: 針對移動端交互做了細致的優化，例如移動端小屏上適于用手指在坐標系中進行縮放、平移。 PC 端也可以用鼠標在圖中進行縮放（用鼠標滾輪）、平移等。
?多渲染方案，跨平臺使用: 支持以 Canvas、SVG（4.0+）、VML 的形式渲染圖表。
?深度的交互式數據探索: 提供了圖例、視覺映射、數據區域縮放、tooltip、數據刷選等開箱即用的交互組件，可以對數據進行多維度數據篩取、視圖縮放、展示細節等交互操作。
?多維數據的支持以及豐富的視覺編碼手段: 對于傳統的散點圖等，傳入的數據也可以是多個維度的。
?動態數據: 數據的改變驅動圖表展現的改變。
?絢麗的特效: 針對線數據，點數據等地理數據的可視化提供了吸引眼球的特效。
?通過 GL 實現更多更強大絢麗的三維可視化: 在 VR，大屏場景里實現三維的可視化效果。
?無障礙訪問（4.0+）: 支持自動根據圖表配置項智能生成描述，使得盲人可以在朗讀設備的幫助下了解圖表內容，讓圖表可以被更多人群訪問。
2．pyecharts安裝與使用
在使用pyecharts之前，首先要安裝它。在Windows命令行中使用以下命令來執行安裝過程：
pip install pyecharts執行后，可輸入以下命令查看：
pip list如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。命令如下：
pip install echarts-countries-pypkg #安裝全球國家地圖 pip install echarts-china-provinces-pypkg#安裝中國省級地圖 pip install echarts-china-cities-pypkg#安裝中國市級地圖在安裝完地圖庫以后，即可進行地圖的數據可視化顯示。
3．全局配置項和系列配置項
圖形的參數配置是數據可視化的基礎，Pyecharts中的參數配置比較簡單，可分為全局配置項和系列配置項
3.1 全局配置項
3.1.1 基本元素配置項
Pyecharts的基本元素配置項主要包括：InitOpts、ToolBoxFeatureOpts、ToolboxOpts、TitleOpts、DataZoomOpts、LegendOpts、VisualMapOpts、TooltipOpts等8個配置。
(1) InitOpts:
(2) ToolBoxFeatureOpts:
(3) ToolboxOpts:
(4) TitleOpts:
(5) DataZoomOpts :
(6) LegendOpts:
(7) VisualMapOpts:
(8) TooltipOpts:
3.1.2 坐標軸配置項
Pyecharts的坐標軸配置項主要包括：AxisOpts、AxisLineOpts、AxisTickOpts、AxisPointerOpts、SingleAxisOpts等5個配置。
(1) AxisOpts:
(2) AxisLineOpts:
(3) AxisTickOpts:
(4) AxisPointerOpts:
(5) SingleAxisOpts:
3.1.3 原生圖形配置項
Pyecharts的原生圖形配置項主要包括：GraphicGroup、GraphicItem、GraphicBasicStyleOpts、GraphicShapeOpts、GraphicImage、GraphicText、GraphicTextStyleOpts、GraphicRect等8個配置。
(1) GraphicGroup:
(2) GraphicItem:
(3) GraphicBasicStyleOpts:
(4) GraphicShapeOpts:
(5) GraphicImage：
(6) GraphicText:
(7) GraphicTextStyleOpts:
(8) GraphicRect:
3.2 系列配置項
3.2.1 樣式類配置項
Pyecharts的樣式類配置項主要包括：ItemStyleOpts、TextStyleOpts、LabelOpts、LineStyleOpts、SplitLineOpts等5個配置。
(1) ItemStyleOpts:
(2) TextStyleOpts:
(3) LabelOpts:
(4) LineStyleOpts:
(5) SplitLineOpts:
3.2.2 標記類型配置項
Pyecharts的標記類型配置項主要包括：MarkPointItem、MarkPointOpts、MarkLineItem、MarkLineOpts、MarkAreaItem、MarkAreaOpts等6個配置。
(1) MarkPointItem:
(2) MarkPointOpts:
(3) MarkLineItem :
(4) MarkLineOpts:
(5) MarkAreaItem:
(6) MarkAreaOpts:
3.2.3 其它類配置項
Pyecharts的其它類配置項主要包括：EffectOpts、AreaStyleOpts、SplitAreaOpts等3個配置。
(1) EffectOpts:
(2) AreaStyleOpts:
(3) SplitAreaOpts:
4．運行環境
4.1 生成HTML
Pyecharts可以通過render函數生成HTML文件，下面的代碼將結果生成html文件。
……
bar.render(‘bar.html’)
4.2 Jupyter Notebook
Pyecharts可以在Jupyter Notebook環境中運行。
……
bar.render_notebook()
4.3 Jupyter Lab
Pyecharts可以在Jupyter Lab環境中運行。
……
#第一次渲染時候調用load_javascript文件
bar.load_javascript()
bar.render_notebook()
5．Pyecharts可視化繪圖
Pyecharts可以方便的繪制一些基礎視圖，包括柱狀圖，折線圖，箱型圖，漣漪散點圖，K線圖以及雙坐標軸圖等
5.1 柱狀圖
柱狀圖是一種把連續數據畫成數據條的表現形式，通過比較不同組的柱狀長度，從而對比不同組的數據量大小。
描繪柱狀圖的要素有3個：組數、寬度、組限。繪制柱狀圖時，不同組之間是有空隙的。柱狀用來比較兩個或以上的價值（不同時間或者不同條件），只有一個變量，通常利用與較小的數據集分析。柱狀圖也可以多維表達。
(1) 參數配置：
(2) 基本函數形式：
c = (
Bar()
.set_global_opts(title_opts=opts.TitleOpts(title=“Bar-基本示例”, subtitle=“我是副標題”,title_link=“https://pyecharts.org/#/zh-cn/”))
.add_xaxis(Faker.choose())
.add_yaxis(“商家A”, Faker.values())
.add_yaxis(“商家B”, Faker.values())
)
(3) 例：商家A與B商品訂單數量分析
為了分析商家A與B商品訂單數量，繪制了兩個商家商品訂單量的柱狀圖。
5.2 折線圖
折線圖是用直線段將各個數據點連接起來而組成的圖像，以折線方式顯示數據的變化趨勢。折線圖可以顯示隨時間而變化的連續數據，因此非常適合顯示相等時間間隔的數據趨勢。在折線圖中，類別數據沿水平軸均勻分布，數值數據沿垂直軸均勻分布。例如為了顯示不同訂單日期的銷售額走勢，可以創建不同訂單日期的銷售額折線圖。
(1) 參數配置：
(2) 例：各門店銷售業績比較分析
為了比較企業門店銷售業績，繪制了各門店的銷售額和利潤額的折線圖。
(3)基本函數形式：
5.3 餅圖
基本函數形式：
5.4 箱型圖
箱型圖是一種用作顯示一組數據分散情況資料的統計圖。在各種領域也經常被使用，常見于品質管理。
箱型圖主要用于反映原始數據分布的特征，還可以進行多組數據分布特征的比較。
箱型圖的繪制方法是：先找出一組數據的上邊緣、下邊緣、中位數和兩個四分位數；然后，連接兩個四分位數畫出箱體；再將上邊緣和下邊緣與箱體相連接，中位數位于箱體中。
(1) 參數配置：
(2) 例：2019年銷售額和利潤額分析
為了分析2019年的銷售額和利潤額情況，繪制了不同的箱型圖
(3) 基本函數形式：
5.5 漣漪散點圖
漣漪散點圖是一類特殊的散點圖，只是散點圖中帶有漣漪特效，利用特效可以突出顯示某些想要的數據。
(1) 參數配置：
(2) 例：漣漪散點圖各種圖形
(3) 基本函數形式：
5.6 K線圖
K線圖又稱蠟燭圖，股市及期貨市場中的K線圖的畫法包含四個數據，即開盤價，最高價，最低價，收盤價，所有的K線都是圍繞這四個指標展開，反映股票的情況。
如果把每日的K線圖放在一張紙上，就能得到日K線圖，同樣也可以畫出周K線圖，月K線圖。
(1) 參數配置：
(2) 例：企業股票價格趨勢分析
(3) 基本函數形式：
5.7 雷達圖
基本函數形式：
6. Bar的基本使用
import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Fakerc = (Bar().set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副標題",title_link="https://pyecharts.org/#/zh-cn/")).add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).add_yaxis("商家B", Faker.values()) ) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Fakerx = [0,1,2,3,4,5] y = [1,2,3,2,4,3]c = Bar() c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts",title_link="https://pyecharts.org/#/zh-cn/")) c.add_xaxis(x) c.add_yaxis("示例", y) #'label',數值 # c.add_yaxis("商家B", Faker.values()) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Fakerx = ['戰狼2','速度與激情8','功夫瑜伽','西游伏妖篇','變形金剛5：最后的騎士','摔跤吧！爸爸','加勒比海盜5：死無對證','金剛：骷髏島','極限特工：終極回歸','生化危機6：終章','乘風破浪','神偷奶爸3','智取威虎山','大鬧天竺','金剛狼3：殊死一戰','蜘蛛俠：英雄歸來','悟空傳','銀河護衛隊2','情圣','新木乃伊']y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]c = Bar() c.set_global_opts(title_opts=opts.TitleOpts(title="電影票房", subtitle="pyecharts")) c.add_xaxis(x) c.add_yaxis("示例", y) #'label',數值 # c.add_yaxis("商家B", Faker.values()) c.reversal_axis()c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeTypea = ['猩球崛起3：終極之戰','敦刻爾克','蜘蛛俠：英雄歸來','戰狼2']b_14 = [2358,399,2358,362] b_15 = [12357,156,2045,168] b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts")) c.add_xaxis(a) c.add_yaxis("14日票房", b_14, gap = '0%') #'label',數值 c.add_yaxis("15日票房", b_15, gap = '0%') c.add_yaxis("16日票房", b_16, gap = '0%') # c.add_yaxis("商家B", Faker.values()) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeTypea = ['猩球崛起3：終極之戰','敦刻爾克','蜘蛛俠：英雄歸來','戰狼2']b_14 = [2358,399,2358,362] b_15 = [12357,156,2045,168] b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts")) c.add_xaxis(a) c.add_yaxis("14日票房", b_14, gap = '0%', stack = '1') #'label',數值 c.add_yaxis("15日票房", b_15, gap = '0%', stack = '1') c.add_yaxis("16日票房", b_16, gap = '0%') c.set_series_opts(label_opts=opts.LabelOpts(is_show=False))# c.add_yaxis("商家B", Faker.values()) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals import ThemeTypea = ['猩球崛起3：終極之戰','敦刻爾克','蜘蛛俠：英雄歸來','戰狼2']b_14 = [2358,399,2358,362] b_15 = [12357,156,2045,168] b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts")) c.add_xaxis(a) c.add_yaxis("14日票房", b_14, gap = '0%') #'label',數值 c.add_yaxis("15日票房", b_15, gap = '0%') c.add_yaxis("16日票房", b_16, gap = '0%') c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="max", name="最大值"), # opts.MarkPointItem(type_="min", name="最小值"), # opts.MarkPointItem(type_="average", name="平均值"),]))# c.add_yaxis("商家B", Faker.values()) c.render_notebook()7. Line的基本使用
import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Faker from pyecharts.globals import ThemeTypea = ['猩球崛起3：終極之戰','敦刻爾克','蜘蛛俠：英雄歸來','戰狼2']b_14 = [2358,399,2358,362] b_15 = [12357,156,2045,168] b_16 = [15746,312,4497,319]c = Line(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts")) c.add_xaxis(a) c.add_yaxis("14日票房", b_14) #'label',數值 c.add_yaxis("15日票房", b_15) c.add_yaxis("16日票房", b_16) c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="max", name="最大值"), # opts.MarkPointItem(type_="min", name="最小值"), # opts.MarkPointItem(type_="average", name="平均值"),]))# c.add_yaxis("商家B", Faker.values()) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Fakerc = Line() c.add_xaxis(Faker.choose()) c.add_yaxis("商家A", Faker.values()) c.add_yaxis("商家B", Faker.values()) c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")) c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Fakerx = range(0,10,2) y = [2,1,3,5,4]c = Line() c.add_xaxis(x) c.add_yaxis("商家A", y, is_smooth = True,symbol="circle",symbol_size=15,linestyle_opts=opts.LineStyleOpts(color="green", width=3, type_="dashed"),label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=2, border_color="orange", color="purple"),) # c.add_yaxis("商家B", Faker.values()) c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")) c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"), # opts.MarkPointItem(type_="average", name="平均值"),]))c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.faker import Fakerx = range(0,10,2) y = [2,1,3,5,4]c = Line() c.add_xaxis(x) c.add_yaxis("商家A", y, is_smooth = True,symbol="circle",symbol_size=15,linestyle_opts=opts.LineStyleOpts(color="green", width=3, type_="dashed"),label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=2, border_color="orange", color="purple"),areastyle_opts=opts.AreaStyleOpts(opacity=0.3)) # c.add_yaxis("商家B", Faker.values()) c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")) c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"), # opts.MarkPointItem(type_="average", name="平均值"),]))c.render_notebook() import pyecharts.options as opts from pyecharts.charts import Line from pyecharts.globals import ThemeTypev1 = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"] v2 = [24, 40, 101, 134, 90, 230, 210, 230, 120, 230, 210, 120] #北京 v3 = [40, 64, 191, 324, 290, 330, 310, 213, 180, 200, 180, 79] #天津c = (Line(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).set_global_opts(title_opts=opts.TitleOpts(title="北京與天津個月銷售數量分布的折線圖"),legend_opts=opts.LegendOpts(is_show=True),datazoom_opts=opts.DataZoomOpts(),axispointer_opts= opts.AxisOpts(boundary_gap=["20%","20%"])).add_xaxis(v1).add_yaxis("北京",v2,stack=1,is_smooth=True,areastyle_opts=opts.AreaStyleOpts(opacity=0.5,color="purple")).add_yaxis("天津", v3,stack=1,is_smooth=True,areastyle_opts=opts.AreaStyleOpts(opacity=0.5,color="red")) .set_series_opts(label_opts=opts.LabelOpts(is_show=False),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"), opts.MarkPointItem(type_="average", name="平均值"),])) ) c.render_notebook()8. 餅圖的基本使用
from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import ThemeType #定制主題c = Pie() c.add("", [list(z) for z in zip(Faker.choose(), Faker.values())]) c.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"]) c.set_global_opts(title_opts=opts.TitleOpts(title="餅圖")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: ze8trgl8bvbq%"))c.render_notebook() import matplotlib.pyplot as plt import numpy as np import matplotlibmatplotlib.rcParams['font.family'] = ['Kaiti'] #設置字體 plt.figure(figsize = (5,5),dpi = 100)sizes = [45,30,15,10] #設置每部分大小 labels = ['計算機系','機械系','管理系','社科系'] explode = [0.1,0,0,0] #設置每部分凹凸 colors = ['c','g','b','m']plt.pie(sizes,labels = labels,explode = explode,colors = colors,labeldistance = 1,autopct = '%.1f%%',counterclock = False,startangle = 90,shadow = True)plt.title('餅圖',fontsize = 20);#設置標題 plt.show() from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import ThemeType #定制主題sizes = [45,30,15,10] #設置每部分大小 labels = ['計算機系','機械系','管理系','社科系']c = Pie() c.add("", [list(z) for z in zip(labels, sizes)]) c.set_colors(["blue", "green", "yellow", "red"]) c.set_global_opts(title_opts=opts.TitleOpts(title="餅圖")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: ze8trgl8bvbq%"))c.render_notebook() from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import ThemeType #定制主題sizes = [45,30,15,10] #設置每部分大小 labels = ['計算機系','機械系','管理系','社科系']c = Pie(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE)) c.add("", [list(z) for z in zip(labels, sizes)],radius=["40%", "75%"]) # c.set_colors(["blue", "green", "yellow", "red"]) c.set_global_opts(title_opts=opts.TitleOpts(title="餅圖")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: ze8trgl8bvbq%"))c.render_notebook() from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker import Faker from pyecharts.globals import ThemeType #定制主題sizes = [45,30,15,10] #設置每部分大小 labels = ['計算機系','機械系','管理系','社科系']c = Pie(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE)) c.add("", [list(z) for z in zip(labels, sizes)],radius=["25%", "60%"],center=["25%", "50%"],rosetype="radius")c.add("", [list(z) for z in zip(labels, Faker.values())],radius=["25%", "75%"],center=["75%", "50%"],rosetype="radius") # c.set_colors(["blue", "green", "yellow", "red"]) c.set_global_opts(title_opts=opts.TitleOpts(title="餅圖")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: ze8trgl8bvbq%"))c.render_notebook() from pyecharts.charts import Pie from pyecharts import options as opts from pyecharts.globals import ThemeTypev1 = ["魯帆", "章戎", "王海強", "諸葛菠蘿", "徐天宏", "張明"] v2 = [25, 14, 12, 28, 8, 5] v2 = sorted(v2) c = (Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).set_global_opts(title_opts=opts.TitleOpts(title="不同人發送郵件數量")).add("", [list(z) for z in zip(v1, v2)],radius=['10%', '70%'],center=['50%', '50%'],rosetype="radius") # .set_colors( # ['rgb({r},10,{b})'.format(r=255-20*(len(v2)-x+1), b=255-15*x) for x in range(len(v2))] # ).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: ze8trgl8bvbq%"))) c.render_notebook()9. 本章小結
（1）ECharts是一個使用 JavaScript 實現的開源可視化庫，可以流暢的運行在 PC 和移動設備上，并能夠兼容當前絕大部分瀏覽器。在功能上，ECharts可以提供直觀，交互豐富，可高度個性化定制的數據可視化圖表。
（2）pyecharts 是一個用于生成 Echarts 圖表的類庫，是一款將Python與ECharts相結合的強大的數據可視化工具，使用pyecharts可以讓開發者輕松的實現大數據的可視化。
總結
以上是生活随笔為你收集整理的【数据可视化】第五章—— 基于PyEcharts的数据可视化的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 多种语言画玫瑰，总有一款适合你表白
- 下一篇： 图片显示不完整