IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> Python数据可视化神奇利器,Pyecharts的使用(2.饼图使用之分析世界五百强数据可视化) -> 正文阅读

[Python知识库]Python数据可视化神奇利器,Pyecharts的使用(2.饼图使用之分析世界五百强数据可视化)

简单使用

????????前面安装步骤以及大致使用在主页柱状图的使用,可以点击主页进行查找!

import pandas as pd
from pyecharts import options as opts
from pyecharts import Pie


country=['中国','日本','美国','俄罗斯','韩国']
num=[123,24,88,76,13]
#这里是随便伪造的数据

pie=(
    Pie()
    #Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
    #换成暗黑风格的主题,需要导包Themo
    .add('',[z for z in zip (country,num)])
)
pie.render_notebook()

????????可以对上图进行美化,比如改成圆环图,只需要在.add再添加一个参数radius=[140,200],这里列表[0]如果=0,则是一个完整圆,所以可以根据列表[0]进行调整圆环宽度(只要不超过列表[1]的值)。

进阶使用

(一)标签多样化

df.rename(columns={'字段1':'国家以及代码','字段2':'城市'},inplace=True)
#修改列名

num=df.loc[:,'国家'].value_counts() 
#统计各个国家的五百强数量
num=num.to_dict() 
#将Series对象转换为字典
num=list(num.items()) 
#将字典转换为键和值作为列表元素

pie=(
        Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
#     主题风格:暗黑
        .add('',num,
         radius=[140,200]
        )
    .set_global_opts(title_opts=opts.TitleOpts(title="各个国家全球五百强数量占比"),
                     legend_opts=opts.LegendOpts(pos_left="right",orient="vertical")
                    # 图例在左边和垂直显示
                    )
    .set_series_opts(label_opts=opts.LabelOpts(
                                              formatter="{b}",
                                               # 数据标签名称设置
                                              is_show=False
                                               # 标签是否显示
                                              ),
                     tooltip_opts=opts.TooltipOpts( 
                                               formatter="{b}有{c}家公司-占{d}%"
                         #a代表.add头一个参数,d代表百分比,b代表图例名称,c代表数据值
        )
                    )  
)
pie.render_notebook()

(二)多个饼图使用

pie=(
    Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
    .set_global_opts(title_opts=opts.TitleOpts(title="中国,美国,日本,德国500强占比"),
                     legend_opts=opts.LegendOpts(pos_left="right")                            
                    )
    .add('',
         [num for num in zip(['中国','其他'],[143,357])],
         center=["30%","30%"],
         radius=[40,70]
        )
    .add('',
         [num for num in zip(['美国','其他'],[122,378])],
         center=["70%","30%"],
         radius=[40,70]
        )
    .add('',
         [num for num in zip(['日本','其他'],[53,447])],
         center=["30%","70%"],
         radius=[40,70]
        )
    .add('',
         [num for num in zip(['德国','其他'],[27,473])],
         center=["70%","70%"],
         radius=[40,70]
        )
)
pie.render_notebook()

(三)玫瑰图使用

data_rose=[('中国', 143), ('美国', 122), ('日本', 53), ('德国', 27), ('法国', 26), ('英国', 22), ('其他',107)]

pie=(
        Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK))
#     主题风格:暗黑
        .add('',data_rose,
        radius=["30%", "75%"],
        rosetype="radius",
#     玫瑰图设置
        )
    .set_global_opts(title_opts=opts.TitleOpts(title="各个国家全球五百强数量占比"),
                     legend_opts=opts.LegendOpts(pos_left="right",orient="horizontal")
                    # 图例在左边和水平显示
                    )
    .set_series_opts(label_opts=opts.LabelOpts(
                                              formatter="{b}",
                                               # 数据标签名称设置
                                              is_show=False
                                               # 标签是否显示
                                              ),
                     tooltip_opts=opts.TooltipOpts( 
                                               formatter="{b}有{c}家公司-占{d}%"
                         #a代表.add头一个参数,d代表百分比,b代表图例名称,c代表数据值
        )
                    )  
)
pie.render_notebook()

?总结:

饼图主要用于总体中各组成部分所占比重的研究。需要500强数据的可以私信我!

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-19 07:56:01  更:2021-09-19 07:56:07 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/27 15:49:55-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计