整合营销服务商

电脑端+手机端+微信端=数据同步管理

免费咨询热线:

GitHub精选 - 一个基于Python的3D图表库

GitHub精选》是我们分享Github中优质项目的栏目,包括技术、学习、实用与各种有趣的内容。本期推荐的是基于python一个的2D、3D图表库——pyecharts。


Pyecharts是一个由百度团队基于Python和html研发的图表库,包含基本的柱状条形图、折线面积图、漏斗图、旭日图,以及3D的柱状图、折线图、散点图、地图等等,囊括了 30+ 种常见图表。

特点:

  • 简洁的 API 设计,支持链式调用,使用方便
  • 支持主流 Notebook 环境,Jupyter Notebook 和 JupyterLab
  • 支持集成至 Flask,Django 等主流 Web 框架
  • 有详细的文档和示例,囊括了 30+ 种常见图表
  • 多达 400+ 地图文件以及原生的百度地图,为地理数据可视化提供强有力的支持

示例:

柱状图

热力图

旭日图

3D柱状图

3D折线图

三维地图①

三维地图②

快速上手:

  • 安装

pip安装

$ pip(3) install pyecharts

源码安装

$ git clone https://github.com/pyecharts/pyecharts.git

$ cd pyecharts

$ pip install -r requirements.txt

$ python setup.py install

# 或者执行 python install.py
  • 绘制图表
from pyecharts.charts import Bar

bar = Bar()

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

# render 会生成本地 HTML 文件,默认会在当前目录生成 render.html 文件

# 也可以传入路径参数,如 bar.render("mycharts.html")

bar.render()

#所有方法均支持链式调用

from pyecharts.charts import Bar

bar = (

Bar()

.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

)

bar.render()
  • 渲染成图片文件
from pyecharts.charts import Bar

from pyecharts.render import make_snapshot

# 使用 snapshot-selenium 渲染图片

from snapshot_selenium import snapshot

bar = (

Bar()

.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

)

make_snapshot(snapshot, bar.render(), "bar.png")
  • 使用主题
from pyecharts.charts import Bar

from pyecharts import options as opts

# 内置主题类型可查看 pyecharts.globals.ThemeType

from pyecharts.globals import ThemeType

bar = (

Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))

.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

.add_yaxis("商家B", [15, 6, 45, 20, 35, 66])

.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))

)

以上就是pyecharts的简单使用,如果你想实现更多炫酷的样式,pyecharts同样也提供了多种内置主题,感兴趣的同学可以了解一下。


GitHub:https://github.com/pyecharts/pyecharts


往期推荐:

机器学习入门教程tutorials

零代码搭建多种主题的个人博客

程序员通用简历模板ResumeSample

互联网公司常用框架和中间件源码解析

开源精选》是我们分享Github、Gitee等开源社区中优质项目的栏目,包括技术、学习、实用与各种有趣的内容。本期推荐的是一个基于 JavaScript 的开源可视化图表库——Apache ECharts。

ECharts是一个使用 JavaScript 实现的开源可视化库,可以流畅地运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE9/10/11,Chrome,Firefox,Safari等),底层依赖矢量图形库 ZRender,提供直观,交互丰富,可高度个性化定制的数据可视化图表。


特性

丰富的图表类型:提供开箱即用的 20 多种图表和十几种组件,并且支持各种图表以及组件的任意组合。

强劲的渲染引擎:Canvas、SVG 双引擎一键切换,增量渲染、流加载等技术实现千万级数据的流畅交互。

专业的数据分析:通过数据集管理数据,支持数据过滤、聚类、回归,帮助实现同一份数据的多维度分析。

优雅的可视化设计:默认设计遵从可视化原则,支持响应式设计,并且提供了灵活的配置项方便开发者定制。

健康的开源社区:活跃的社区用户保证了项目的健康发展,也贡献了丰富的第三方插件满足不同场景的需求。

友好的无障碍访问:智能生成的图表描述和贴花图案,帮助视力障碍人士了解图表内容,读懂图表背后的故事。

移动端优化:ECharts 针对移动端交互做了细致的优化,例如移动端小屏上适于用手指在坐标系中进行缩放、平移。


快速上手

1 获取 Apache ECharts

Apache ECharts 支持多种下载方式,你可以根据项目的实际情况选择以下任意一种方式安装。

  • 从 GitHub 获取:

apache/echarts 项目的 release 页面可以找到各个版本的链接。点击下载页面下方 Assets 中的 Source code,解压后 dist 目录下的 echarts.js 即为包含完整 ECharts 功能的文件。

https://github.com/apache/echarts/releases
  • 从 NPM 获取:
npm install echarts --save
  • 从 CDN 获取:

https://www.jsdelivr.com/package/npm/echarts 选择 dist/echarts.js,点击并保存为 echarts.js 文件。

2 引入 Apache ECharts

在刚才保存 echarts.js 的目录新建一个 index.html 文件,内容如下:

<!DOCTYPE html>
<html>
  <head>
    <meta charset="utf-8" />
    <!-- 引入刚刚下载的 ECharts 文件 -->
    <script src="echarts.js"></script>
  </head>
</html>

打开这个 index.html,你会看到一片空白。但是不要担心,打开控制台确认没有报错信息,就可以进行下一步。

3 绘制一个简单的图表

在绘图前我们需要为 ECharts 准备一个定义了高宽的 DOM 容器。在刚才的例子 </head> 之后,添加:

<body>
  <!-- 为 ECharts 准备一个定义了宽高的 DOM -->
  <div id="main" style="width: 600px;height:400px;"></div>
</body>

然后就可以通过 echarts.init 方法初始化一个 echarts 实例并通过 setOption 方法生成一个简单的柱状图,下面是完整代码:

<!DOCTYPE html>
<html>
  <head>
    <meta charset="utf-8" />
    <title>ECharts</title>
    <!-- 引入刚刚下载的 ECharts 文件 -->
    <script src="echarts.js"></script>
  </head>
  <body>
    <!-- 为 ECharts 准备一个定义了宽高的 DOM -->
    <div id="main" style="width: 600px;height:400px;"></div>
    <script type="text/javascript">
      // 基于准备好的dom,初始化echarts实例
      var myChart = echarts.init(document.getElementById('main'));

      // 指定图表的配置项和数据
      var option = {
        title: {
          text: 'ECharts 入门示例'
        },
        tooltip: {},
        legend: {
          data: ['销量']
        },
        xAxis: {
          data: ['衬衫', '羊毛衫', '雪纺衫', '裤子', '高跟鞋', '袜子']
        },
        yAxis: {},
        series: [
          {
            name: '销量',
            type: 'bar',
            data: [5, 20, 36, 10, 10, 20]
          }
        ]
      };

      // 使用刚指定的配置项和数据显示图表。
      myChart.setOption(option);
    </script>
  </body>
</html>

这样你的第一个图表就诞生了!


图表示例

折线图

折线图堆叠

堆叠面积图

渐变堆叠面积图

北京 AQI 可视化

柱状图

堆叠柱状图

多 Y 轴

堆叠条形图

饼图

南丁格尔玫瑰图

嵌套环形图

地理坐标/地图

地图柱状图变形动画

关系图

人物关系图(环形布局)

NPM 依赖关系图

矩形树图

磁盘占用

旭日图

Drink Flavors

平行坐标系

AQI 分布(平行坐标)

营养结构(平行坐标)

散点矩阵和平行坐标

—END—

组件预览地址:https://echarts.apache.org/examples/zh/index.html

开源协议:Apache2.0

开源地址:https://github.com/apache/echarts

atplotlib 是一个 Python 的 2D、3D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。matplotlib绘图是很重要的,比如股票的走势曲线、医学上的一些心脑波图等都用应用。

下面开始讲解,今天讲解matplotlib可视图 3D图表,没看过 2D可视图图表的朋友,请看笔者的这篇文章,链接是:

python可视图matplotlib 2D/3D图表,让你快速掌握制作常用的图表

1.3D(三维)图表—立体柱形图(条形图):

实现功能的代码如下:

运行结果截图:

2. 3D图表—长方体:

实现功能的代码如下:

运行结果截图:

3. 3D图表—自定义图表:

实现功能的代码如下:

运行结果截图:

一些属性的总结:

字体样式:

其他属性:

今天的内容就到此结束了,想要精通matplotlib 2D/3D图表的话,笔者给你指一个matplotlib的官方链接,里面的内容有很多2D/3D图表的例子代码,如下图所示:

需要深入学习的朋友,可以去学习一下,matplotlib官方链接是:https://matplotlib.org/gallery.html

好的,今天就到这里了,喜欢的朋友关注转发一波喔,欢迎关注【python是一个时代】,更多精彩内容等着你,希望今天的内容对读者有所帮助。