Pyecharts直角坐标系图：热力图

2024-04-15 15:08
文章标签 pyecharts 力图 直角坐标 系图

本文主要是介绍Pyecharts直角坐标系图：热力图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Pyecharts直角坐标系图：热力图

文章目录

  • Pyecharts直角坐标系图：热力图
  • 前言
  • 一. HeatMap：热力图
    • 1.1 add 函数
    • 1.2 热力图数据项
  • 二. 例子
    • 2.1 标签显示
    • 2.2 笛卡尔系
  • 总结

前言

本文主要是展示了Pyecharts热力图的基本应用和简单案例。

一. HeatMap：热力图

1.1 add 函数

主要是：名称，数据，x轴的索引，配置项。

# func pyecharts.charts.HeatMap.add_yaxis
def add_yaxis(# 系列名称，用于 tooltip 的显示，legend 的图例筛选。series_name: str,# Y 坐标轴数据yaxis_data: types.Sequence[types.Union[opts.HeatMapItem, dict]],# 系列数据项value: types.Sequence[types.Union[opts.HeatMapItem, dict]],# 是否选中图例is_selected: bool = True,# 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。xaxis_index: Optional[Numeric] = None,# 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。yaxis_index: Optional[Numeric] = None,# 标签配置项，参考 `series_options.LabelOpts`label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),# 标记点配置项，参考 `series_options.MarkPointOpts`markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,# 标记线配置项，参考 `series_options.MarkLineOpts`markline_opts: Union[opts.MarkLineOpts, dict, None] = None,# 提示框组件配置项，参考 `series_options.TooltipOpts`tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,# 图元样式配置项，参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
)

1.2 热力图数据项

主要是：名称，数据项值，提示框配置项

class HeatMapItem(# 数据项名称。name: Optional[str] = None,# 数据项的值。value: Optional[Sequence] = None,# 图元样式配置项，参考 `series_options.ItemStyleOpts`itemstyle_opts: Union[ItemStyleOpts, dict, None] = None,# 提示框组件配置项，参考 `series_options.TooltipOpts`tooltip_opts: Union[TooltipOpts, dict, None] = None,
)

二. 例子

2.1 标签显示

import randomfrom pyecharts import options as opts
from pyecharts.charts import HeatMap
from pyecharts.faker import Fakervalue = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
c = (HeatMap().add_xaxis(Faker.clock).add_yaxis("series0",  # 名称Faker.week,  # y轴数据value,  # 系列数据label_opts=opts.LabelOpts(is_show=True, position="inside"),).set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-Label 显示"),visualmap_opts=opts.VisualMapOpts(),  # 可视组件).render("heatmap_with_label_show.html")
)

标签显示

2.2 笛卡尔系

这个建议生成 html 看会更有意思。

import pyecharts.options as opts
from pyecharts.charts import HeatMap"""
Gallery 使用 pyecharts 1.1.0
参考地址: https://echarts.apache.org/examples/editor.html?c=heatmap-cartesian目前无法实现的功能:1、官方示例中的 label 暂时无法居中，待解决
2、暂时无法对块设置 itemStyle
"""hours = ["12a","1a","2a","3a","4a","5a","6a","7a","8a","9a","10a","11a","12p","1p","2p","3p","4p","5p","6p","7p","8p","9p","10p","11p",
]
days = ["Saturday", "Friday", "Thursday", "Wednesday", "Tuesday", "Monday", "Sunday"]data = [[0, 0, 5],[0, 1, 1],[0, 2, 0],[0, 3, 0],[0, 4, 0],[0, 5, 0],[0, 6, 0],[0, 7, 0],[0, 8, 0],[0, 9, 0],[0, 10, 0],[0, 11, 2],[0, 12, 4],[0, 13, 1],[0, 14, 1],[0, 15, 3],[0, 16, 4],[0, 17, 6],[0, 18, 4],[0, 19, 4],[0, 20, 3],[0, 21, 3],[0, 22, 2],[0, 23, 5],[1, 0, 7],[1, 1, 0],[1, 2, 0],[1, 3, 0],[1, 4, 0],[1, 5, 0],[1, 6, 0],[1, 7, 0],[1, 8, 0],[1, 9, 0],[1, 10, 5],[1, 11, 2],[1, 12, 2],[1, 13, 6],[1, 14, 9],[1, 15, 11],[1, 16, 6],[1, 17, 7],[1, 18, 8],[1, 19, 12],[1, 20, 5],[1, 21, 5],[1, 22, 7],[1, 23, 2],[2, 0, 1],[2, 1, 1],[2, 2, 0],[2, 3, 0],[2, 4, 0],[2, 5, 0],[2, 6, 0],[2, 7, 0],[2, 8, 0],[2, 9, 0],[2, 10, 3],[2, 11, 2],[2, 12, 1],[2, 13, 9],[2, 14, 8],[2, 15, 10],[2, 16, 6],[2, 17, 5],[2, 18, 5],[2, 19, 5],[2, 20, 7],[2, 21, 4],[2, 22, 2],[2, 23, 4],[3, 0, 7],[3, 1, 3],[3, 2, 0],[3, 3, 0],[3, 4, 0],[3, 5, 0],[3, 6, 0],[3, 7, 0],[3, 8, 1],[3, 9, 0],[3, 10, 5],[3, 11, 4],[3, 12, 7],[3, 13, 14],[3, 14, 13],[3, 15, 12],[3, 16, 9],[3, 17, 5],[3, 18, 5],[3, 19, 10],[3, 20, 6],[3, 21, 4],[3, 22, 4],[3, 23, 1],[4, 0, 1],[4, 1, 3],[4, 2, 0],[4, 3, 0],[4, 4, 0],[4, 5, 1],[4, 6, 0],[4, 7, 0],[4, 8, 0],[4, 9, 2],[4, 10, 4],[4, 11, 4],[4, 12, 2],[4, 13, 4],[4, 14, 4],[4, 15, 14],[4, 16, 12],[4, 17, 1],[4, 18, 8],[4, 19, 5],[4, 20, 3],[4, 21, 7],[4, 22, 3],[4, 23, 0],[5, 0, 2],[5, 1, 1],[5, 2, 0],[5, 3, 3],[5, 4, 0],[5, 5, 0],[5, 6, 0],[5, 7, 0],[5, 8, 2],[5, 9, 0],[5, 10, 4],[5, 11, 1],[5, 12, 5],[5, 13, 10],[5, 14, 5],[5, 15, 7],[5, 16, 11],[5, 17, 6],[5, 18, 0],[5, 19, 5],[5, 20, 3],[5, 21, 4],[5, 22, 2],[5, 23, 0],[6, 0, 1],[6, 1, 0],[6, 2, 0],[6, 3, 0],[6, 4, 0],[6, 5, 0],[6, 6, 0],[6, 7, 0],[6, 8, 0],[6, 9, 0],[6, 10, 1],[6, 11, 0],[6, 12, 2],[6, 13, 1],[6, 14, 3],[6, 15, 4],[6, 16, 0],[6, 17, 0],[6, 18, 0],[6, 19, 0],[6, 20, 1],[6, 21, 2],[6, 22, 2],[6, 23, 6],
]
data = [[d[1], d[0], d[2] or "-"] for d in data](HeatMap(init_opts=opts.InitOpts(width="1440px", height="720px")).add_xaxis(xaxis_data=hours).add_yaxis(series_name="Punch Card",yaxis_data=days,value=data,label_opts=opts.LabelOpts(is_show=True, color="#fff", position="bottom", horizontal_align="50%"),).set_series_opts().set_global_opts(legend_opts=opts.LegendOpts(is_show=False),xaxis_opts=opts.AxisOpts(type_="category",splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),yaxis_opts=opts.AxisOpts(type_="category",splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),visualmap_opts=opts.VisualMapOpts(min_=0, max_=10, is_calculable=True, orient="horizontal", pos_left="center"),).render("heatmap_on_cartesian.html")
)

总结

本文主要展示了Pyecharts热力图的简单应用和有趣的案例。

这篇关于Pyecharts直角坐标系图：热力图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/906157。

相关文章

高斯平面直角坐标讲解，以及地理坐标转换高斯平面直角坐标

高斯平面直角坐标讲解，以及地理坐标转换高斯平面直角坐标

高斯平面直角坐标系（Gauss-Krüger 坐标系）是基于 高斯-克吕格投影 的一种常见的平面坐标系统，主要用于地理信息系统 (GIS)、测绘和工程等领域。该坐标系将地球表面的经纬度（地理坐标）通过一种投影方式转换为平面直角坐标，以便在二维平面中进行距离、面积和角度的计算。 一 投影原理 高斯平面直角坐标系使用的是 高斯-克吕格投影（Gauss-Krüger Projection），这是 横
阅读更多...
Python利用pyecharts实现数据可视化

Python利用pyecharts实现数据可视化

小编会持续更新知识笔记，如果感兴趣可以三连支持。闲来无事，水文一篇，不过上手实践一下倒还是挺好玩的，这一块知识说不定以后真可以尝试拿来做数据库的报表显示。         有梦别怕苦，想赢别喊累。 目录 前言 JSON数据格式的转换 pyecharts简介和入门使用 前言       小编我今天闲来无事，打算学习一下py，结果你猜怎么着，竟然看到py可以将数据
阅读更多...
【python 数据可视化】pyecharts的使用

【python 数据可视化】pyecharts的使用

无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂， 而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。人工智能教程 Echarts是百度出的很有名 也很叼。 Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。 pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与
阅读更多...
【python 数据可视化】美丽漂亮的画图神器--pyecharts

【python 数据可视化】美丽漂亮的画图神器--pyecharts

今天我们介绍下pyechats 的用法和一个简单的例子。 安装： pip install pyecharts 步骤1：导入相关包： # 导入包import pandas as pdfrom pyecharts.charts import *from pyecharts import options as optsfrom pyecharts.globals import *f
阅读更多...
【python 相关性分析】Python绘制相关性热力图

【python 相关性分析】Python绘制相关性热力图

在数据分析时，经常会针对两个变量进行相关性分析。在Python中主要用到的方法是pandas中的corr()方法。 corr()：如果由数据框调用corr函数，那么将会计算每个列两两之间的相似度，返回DataFrame # -*- coding: utf-8 -*-# 导入包import pandas as pdimport numpy as npimport matplotlib.py
阅读更多...
Pyecharts 数据可视化大屏：创建引人注目的数据展示

Pyecharts 数据可视化大屏：创建引人注目的数据展示

在数据分析和报告中，数据可视化是将复杂数据转化为易于理解的图表和图形的关键步骤。Pyecharts 是一个功能强大的 Python 库，用于创建互动和美观的数据可视化图表。本文将介绍如何使用 Pyecharts 创建数据可视化大屏，以便在各种场景中展示数据的洞察和分析结果。 一、Pyecharts 简介 Pyecharts 是一个基于 Apache ECharts 的 Python 封装库，提
阅读更多...
Python数据可视化神器pyecharts

Python数据可视化神器pyecharts

Python 文章目录 Python前言 前言 百度开源了一个Echarts数据可视化库，支持绘制各种主流的图表。Python在数据分析方面是十分强大的，于是，pyecharts就应运而生了。 pyecharts简介及安装 pyecharts继承了Echarts的优点，有如下特点: 囊括了 30+ 种常见图表，应有尽有 高度灵活的配置项，可轻松搭配出精美的图表 多达
阅读更多...
热力图科普：数据可视化的利器

热力图科普：数据可视化的利器

hello大家好，俺是没事爱瞎捣鼓又分享欲爆棚的叶同学！！！ 日常闲扯 哎呀，第一天上完课，给俺的感觉是（热和惊喜），热是真热，从出租屋走到教学楼给我整的汗流浃背的了，然后上午班级的空调也不是很给力，所有很。。。，但也有惊喜哈，虽然我搬出来住了，不能和他们一起上课，但下课他们还是来找我了，到我这边来了，下午还帮我占了座位，还是挺惊喜开心的哈，白天也是忙碌起来了，生活也变得不那么无所事事和无聊了
阅读更多...
pyecharts可视化数据大屏

pyecharts可视化数据大屏

1. 简介 1.1. 概述 PyECharts 是一个用于生成 ECharts 图表的 Python 库。ECharts 是一款由阿里巴巴开发的开源 JavaScript 图表库，广泛应用于网页端的数据可视化。而 PyECharts 将 ECharts 的功能带到了 Python 环境中，使得 Python 开发者可以方便地在数据分析、机器学习等领域的项目中使用 ECharts 图表进行数据可
阅读更多...
【大数据】浅谈Pyecharts：数据可视化的强大工具

【大数据】浅谈Pyecharts：数据可视化的强大工具

文章目录 一、引言二、Pyecharts是什么三、Pyecharts的发展历程四、如何使用Pyecharts1. 安装Pyecharts2. 创建图表（1）导入Pyecharts模块：（2）创建图表实例：（3）添加数据：（4）设置图表样式：（5）渲染图表： 3. 运行和查看图表 五、目前的市场情况六、总结 一、引言 在数据时代，数据可视化已成为数据分析的重要组成部分。Pyecha
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2