[Python知识库] Python数据可视化学习（初学中...）

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数据可视化学习（初学中...） -> 正文阅读

[Python知识库]Python数据可视化学习（初学中...）

1、使用Matplotlib生成数据图

Matplotlib是一个非常优秀的Python 2D绘图库，只要给出符合格式的数据，通过Matplotlib可以方便的绘制出折线图、柱状图、散点图等。

1.1、安装Matplotlib包

pip install matplotlib

在这里插入图片描述
在成功安装Matplotlib包之后，打开浏览器：http://localhost:8899/ 查看页面，可以在Python安装目录的lib\site-packages下看到Matplotlib包的文档

1.2、Matplotlib数据图入门

1.2.1、折线图举例

举例：折线图（给出对应的X轴、Y轴数据，调用pyplot子模块下的plot()函数）

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
# plot()函数根据X轴、Y轴数据生成折线图
plt.plot(x_data, y_data)
plt.show()

结果展示
在这里插入图片描述
如果：只传入一个列表，则该列表数据将作为Y轴数据，Matplotlib则自动使用0，1，2…来作为X轴数据

import matplotlib.pyplot as plt
# x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
# plt.plot(x_data, y_data)
# 只传入一个列表参数
plt.plot(y_data)
plt.show()

结果展示
在这里插入图片描述
多条折线

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
plt.plot(x_data, y_data1, x_data, y_data2)
# 也可以拆开调用
# plt.plot(x_data, y_data1)
# plt.plot(x_data, y_data2)
plt.show()

结果展示
在这里插入图片描述

1.2.2、图表样式设置

调用plot()函数时可以指定折线的样式：线宽、颜色、样式等。

color：指定颜色
linewidth：指定线宽
linestyle：指定样式

linestyle样式

-：代表实线，默认值
--：代表虚线
:：代表点线
-.：代表短线、点相间的虚线

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle='--')
plt.plot(x_data, y_data2, color='blue', linewidth=3.0, linestyle='-.')
plt.show()

结果展示
在这里插入图片描述

1.3、管理图例

复式折线图需要添加图例，调用legend()函数

import matplotlib.pyplot as plt
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
# 该函数的返回值是一个列表，此处只需要获取其第一个元素（第一个元素才代表函数所绘制的折线图），因此需要利用返回值的序列解包获取
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# 调用legend()函数设置图例
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
plt.show()

loc参数设置

'best'：自动选择最佳位置
'upper right'：将图例放在右上角
'upper left'：将图例放在左上角
'lower right'：将图例放在右下角
'lower left'：将图例放在左下角
'right'：将图例放在右边
'center right'：将图例放在右边居中的位置
'center left'：将图例放在左边居中的位置
'upper center'：将图例放在顶部居中的位置
'lower center'：将图例放在底部居中的位置
'center '：将图例放在中心

结果展示
中文字符显示为方框或乱码：
UserWarning: Glyph 22270 (\N{CJK UNIFIED IDEOGRAPH-56FE}) missing from current font.func(*args)
在这里插入图片描述
解决办法一：

import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')

优化后结果
在这里插入图片描述
解决办法二：

import matplotlib.font_manager as fm
my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
legend()函数调用时添加参数prop=my_font

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.show()

1.4、管理坐标轴

调用xlabel()、ylabel()函数分别设置X轴、Y轴的名称；
调用title()函数设置整个数据图的标题；
调用xticks()、yticks()函数分别改变X轴、Y轴的刻度值；

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
# 设置X轴、Y轴坐标名称
plt.xlabel("年份")
plt.ylabel("金额")
# 设置图标标题名称
plt.title("折线图测试图表年份-金额")
# 设置Y轴的数值文本，第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([9000, 11000, 13000], [r'良好', r'较好', r'优秀'])
plt.show()

结果展示
在这里插入图片描述
如果要对X轴、Y轴进行更细致的控制，调用gca()函数来获取轴信息对象

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# plt.plot(x_data, y_data1, x_data, y_data2)
lin1, = plt.plot(x_data, y_data1, color='red', linewidth=2.0, linestyle=':')
lin2, = plt.plot(x_data, y_data2, color='blue', linewidth=1.5, linestyle='-')
# plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center', prop=my_font)
plt.legend(handles=[lin1, lin2], labels=['图例1', '图例2'], loc='lower center')
# 设置X轴、Y轴坐标名称
plt.xlabel("年份")
plt.ylabel("金额")
# 设置图标标题名称
plt.title("折线图测试图表年份-金额")
# 设置Y轴的数值文本，第一个参数是点的位置，第二个参数是点的文字提示
plt.yticks([9000, 11000, 13000], [r'良好', r'较好', r'优秀'])
ax = plt.gca()
# 将X轴的刻度值放在底部X轴上、将Y轴的刻度值放在左边Y轴上
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['right'].set_color('none')
# 设置顶部坐标轴的颜色
ax.spines['top'].set_color('none')
# 设置底部作坐标轴的位置（放在数值9000处）
ax.spines['bottom'].set_position(('data', 9000))
plt.show()

结果展示
在这里插入图片描述

1.5、管理多个子图

Matplotlib可以生成包含多条折线图之外，还可以在一张数据图上包含多个子图
调用subplot()函数

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
# 将整个figure分成两行一列，第三个参数表示将该图形放在第一个网格中
plt.subplot(2, 1, 1)
# 绘制正弦曲线
plt.plot(x_data, np.sin(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("正弦曲线")

plt.subplot(2, 2, 3)
# 绘制余弦曲线
plt.plot(x_data, np.cos(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("余弦曲线")

plt.subplot(2, 2, 4)
# 绘制正切曲线
plt.plot(x_data, np.tan(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title("正切曲线")

plt.show()

结果展示
在这里插入图片描述
可通过GridSpec对绘图区域进行分割

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
import matplotlib.gridspec as gridspec
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
# # 将整个figure分成两行两列，第三个参数表示将该图形放在第一个网格中
# plt.subplot(2, 1, 1)
# 将绘图区域分成两行三列
gs = gridspec.GridSpec(2, 3)
# 指定ax1占用第一行（0）整行
ax1 = plt.subplot(gs[0, :])
# 指定ax2占用第二行（1）的第一格
ax2 = plt.subplot(gs[1, 0])
# 指定ax3占用第二行（1）的第二、三格
ax3 = plt.subplot(gs[1, 1:3])
# 绘制正弦曲线
ax1.plot(x_data, np.sin(x_data))
ax1.spines['right'].set_color('none')
ax1.spines['top'].set_color('none')
ax1.spines['bottom'].set_position(('data', 0))
ax1.spines['left'].set_position(('data', 0))
ax1.set_title("正弦曲线")

# plt.subplot(2, 2, 3)
# 绘制余弦曲线
ax2.plot(x_data, np.cos(x_data))
ax2.spines['right'].set_color('none')
ax2.spines['top'].set_color('none')
ax2.spines['bottom'].set_position(('data', 0))
ax2.spines['left'].set_position(('data', 0))
ax2.set_title("余弦曲线")

# plt.subplot(2, 2, 4)
# 绘制正切曲线
ax3.plot(x_data, np.tan(x_data))
ax3.spines['right'].set_color('none')
ax3.spines['top'].set_color('none')
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['bottom'].set_position(('data', 0))
ax3.spines['left'].set_position(('data', 0))
ax3.set_title("正切曲线")

plt.show()

结果展示
在这里插入图片描述

2、功能丰富的数据图

2.1、饼图

Matplotlib提供pie()函数绘制饼图

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')

# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,
        0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
# 将排在第四位的语言分离出来
explode = [0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0, 0]
# 使用自定义颜色
colors = ['red', 'blue', 'yellow', 'purple', 'orange', 'black']
# 将横纵坐标标准化处理，保证饼图是一个正圆
plt.axes(aspect='equal')
# 设置X轴、Y轴的范围
plt.xlim(0, 8)
plt.ylim(0, 8)
# 绘制饼图
plt.pie(
    x=data,	# 绘图数据
    labels=labels,	#添加标签
    explode=explode,	# 突出显示内容
    colors=colors,	# 设置饼图的自定义填充色
    autopct='%.3f%%',	# 设置百分比格式，保留三位小数
    pctdistance=0.8,	# 设备百分比标签与圆心的距离
    labeldistance=1.15,	# 设置标签与圆心的距离
    startangle=90,	# 设置饼图的初始角度
    center=(4, 4),	# 设置饼图的圆心
    radius=3.8,	# 设置饼图的半径
    counterclock=False,	# 是否为逆时针
    wedgeprops={'linewidth': 0.5, 'edgecolor': 'green'},	# 设置饼图内网边界的属性值
    textprops={'fontsize': 10, 'color': 'black'},	# 设置文本标签的属性值	
    frame=1	# 是否显示饼图的圆圈
)
# 不显示X轴、Y轴的刻度值
plt.xticks(())
plt.yticks(())
plt.title('编程语言调查情况')
plt.show()

结果展示
在这里插入图片描述

2.2、柱状图

Matplotlib提供bar()函数绘制柱状图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
bar_width = 0.3
plt.bar(x=range(len(x_data)), height=y_data1, label='疯狂JAVA讲义', color='red', alpha=0.8, width=bar_width)
plt.bar(x=np.arange(len(x_data))+bar_width, height=y_data2, label='疯狂Python讲义', color='blue', alpha=0.8, width=bar_width)
# 在柱状图上显示具体的数值，ha参数控制水平对齐方式，va参数控制垂直对齐方式
for x, y in enumerate(y_data1):
    plt.text(x, y + 100, '%s' % y, ha='center', va='bottom')
for x, y in enumerate(y_data2):
    plt.text(x, y + bar_width, '%s' % y, ha='center', va='top')
plt.title("Java与Python年销量对比")
plt.xlabel('年份')
plt.ylabel('销量')
plt.legend(loc='upper right')
plt.show()

结果展示
在这里插入图片描述

2.3、水平柱状图

Matplotlib提供barh()函数绘制柱状图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib
matplotlib.rc("font", family='Microsoft YaHei')
# import matplotlib.font_manager as fm
# my_font = fm.FontProperties(fname="C:\Windows\Fonts\msyh.ttf")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
bar_width = 0.3
plt.barh(y=range(len(x_data)), width=y_data1, label='疯狂JAVA讲义', color='red', alpha=0.8, height=bar_width)
plt.barh(y=np.arange(len(x_data))+bar_width, width=y_data2, label='疯狂Python讲义', color='blue', alpha=0.8, height=bar_width)
# 在柱状图上显示具体的数值，ha参数控制水平对齐方式，va参数控制垂直对齐方式
for y, x in enumerate(y_data1):
    plt.text(x+5000, y - bar_width/2, '%s' % x, ha='center', va='bottom')
for y, x in enumerate(y_data2):
    plt.text(x+5000, y + bar_width/2, '%s' % x, ha='center', va='top')
plt.yticks(np.arange(len(x_data)) + bar_width/2, x_data)
plt.title("Java与Python年销量对比")
plt.xlabel('年份')
plt.ylabel('销量')
plt.legend(loc='upper right')
plt.show()

结果展示
在这里插入图片描述

2.4、散点图

Matplotlib提供scatter()函数绘制散点图
scatter()函数参数说明

x：指定X轴数据
y：指定Y轴数据
s：指定散点大小
c：指定散点颜色
alpha：指定散点透明度
linewidths：指定散点边框线的宽度
edgecolors：指定散点边框的颜色
marker：指定散点的图形样式

marker：指定散点的图形样式

'.'：点标记
','：像素标记
'o'：圆形标记
'v'：向下三角形标记
'^'：向上三角形标记
'<'：向左三角形标记
'>'：向右三角形标记
'1'：向下三叉标记
'2'：向上三叉标记
'3'：向左三叉标记
'4'：向右三叉标记
's'：正方形标记
'p'：五边形标记
'*'：星形标记
'h'：八边形标记
'H'：另一种八边形标记
'+'：加号标记
'x'：x标记
'D'：菱形标记
'd'：尖菱形标记
'|'：竖线标记
'-'：横线标记

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
plt.figure()
# 定义从-pi到pi之间的数据，平均取64个数据点
x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
plt.scatter(x_data, np.sin(x_data), c='purple', s=50, alpha=0.8, marker='o', linewidths=0.5, edgecolors=['red', 'blue'])
# 绘制第二个散点图，只包含起点（突出起点）
plt.scatter(x_data[0], np.sin(x_data)[0], c='red', s=150, alpha=1)
# 绘制第三个散点图，只包结束点（突出结束点）
plt.scatter(x_data[63], np.sin(x_data)[63], c='black', s=150, alpha=1)
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('正弦曲线的散点图')
plt.show()

结果展示
在这里插入图片描述

2.4、等高线图

等高线图需要的是三维数据，Matplotlib提供contour()函数绘制等高线，contourf()函数填充颜色
contour()、contourf()函数参数说明

X：指定X轴数据
Y：指定Y轴数据
Z：指定X，Y坐标对应点的高度数据
colors：指定不同高度的等高线颜色
alpha：指定等高线的透明度
cmap：指定等高线的颜色映射
linewidth：指定等高线的宽度
linestyles：指定等高线的样式

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.rc("font", family='Microsoft YaHei')
delta = 0.025
# 生成代表X轴的列表
x = np.arange(-3.0, 3.0, delta)
# 生成代表Y轴的列表
y = np.arange(-2.0, 2.0, delta)
# 对x，y进行网格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X-1)**2 - (Y-1)**2)
# 计算Z轴数据
Z = (Z1 - Z2)*2
plt.contourf(x, y, Z, 16, alpha=0.75, cmap='rainbow')
C = plt.contour(x, y, Z, 16, colors='black', linewidths=0.5)
plt.clabel(C, inline=True, fontsize=10)
# 去除坐标轴
plt.xticks(())
plt.yticks(())
plt.title("等高线图")
plt.xlabel('经度')
plt.ylabel('纬度')
plt.show()

结果展示
在这里插入图片描述

2.5、3D图形

3D图形需要的是三维数据，Matplotlib提供Axes3D.plot_surface()函数绘制

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

matplotlib.rc("font", family='Microsoft YaHei')
# 设置图标的大小
fig = plt.figure(figsize=(10, 6))
ax = plt.axes(projection="3d")
# ax = Axes3D(fig)
delta = 0.125
# 生成代表X轴的列表
x = np.arange(-3.0, 3.0, delta)
# 生成代表Y轴的列表
y = np.arange(-2.0, 2.0, delta)
# 对x，y进行网格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
# 计算Z轴数据
Z = (Z1 - Z2)*2
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 设置Z轴范围
ax.set_zlim(-2, 2)
plt.title("3D图形")
plt.show()

结果展示
在这里插入图片描述

3、使用Pygal生成数据图

Pygal以面向对象的方式来创建各种数据图

3.1、安装Pygal包

pip install pygal

在这里插入图片描述
执行命令后，在浏览器输入：http://localhost:8899/

python -m pydoc -p 8899

在这里插入图片描述

3.2、Pygal数据图入门

3.2.1、柱状图举例

大概步骤：

创建Pygal数据图对象。Pygal为不同的数据图提供了不同的类：柱状图pygal.Bar类、饼图pygal.Pie类、折线图pygal.Line类；
调用数据图对象的.add()方法添加数据；
调用Config对象的属性配置数据图；
调用数据图对象的render_to_xxx()方法将数据图渲染到指定的输出节点（此处的输出节点可以是PNG图片、SVG文件等）；

简单的柱状图举例：

import pygal
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
bar = pygal.Bar()
bar.add('疯狂JAVA讲义', y_data1)
bar.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
bar.x_labels = x_data
bar.title = "图书销量统计"
# 设置X、Y轴坐标名称
bar.x_title = "年份"
bar.y_title = "销量"
bar.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books.svg')

结果展示
在这里插入图片描述

3.2.2、使用render_to_png()方法时报错

bar.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books.png')

在这里插入图片描述
问题原因：缺少cairosvg模块，命令直接安装

pip install cairosvg

在这里插入图片描述

3.2.3、render_to_png()方法生成图片中中文乱码

在这里插入图片描述
解决方法

from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
...
bar = pygal.Bar(style=style)
...

在这里插入图片描述

3.3、配置Pygal

查阅http://localhost:8899/pygal.config.html 该模块包含BaseConfig、CommonConfig、Config、SeriesConfig等配置类

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
line = pygal.Line(style=style)
line.add('疯狂JAVA讲义', y_data1)
line.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
line.x_labels = x_data
line.title = "图书销量统计"
# 设置X、Y轴坐标名称
line.x_title = "年份"
line.y_title = "销量"
line.x_label_rotation = 45
line.legend_at_bottom = True
line.margin = 35
line.show_y_guides = False
line.show_x_guides = True
line.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.svg')
line.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.png')

结果展示
在这里插入图片描述

4、Pygal支持的常见数据图

4.1、折线图

pygal.Line类表示折线图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
line = pygal.Line(style=style)
line.add('疯狂JAVA讲义', y_data1)
line.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
line.x_labels = x_data
line.title = "图书销量统计"
# 设置X、Y轴坐标名称
line.x_title = "年份"
line.y_title = "销量"
line.x_label_rotation = 45
line.legend_at_bottom = True
line.margin = 35
line.show_y_guides = False
line.show_x_guides = True
line.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.svg')
line.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_line.png')

结果展示
在这里插入图片描述

4.2、水平柱状图/水平折线图

pygal.HorizontalBar()、pygal.HorizontalLine()

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
horizontal_bar = pygal.HorizontalBar(style=style)
horizontal_bar.add('疯狂JAVA讲义', y_data1)
horizontal_bar.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
horizontal_bar.x_labels = x_data
horizontal_bar.title = "图书销量统计"
# 设置X、Y轴坐标名称
horizontal_bar.x_title = "年份"
horizontal_bar.y_title = "销量"
horizontal_bar.x_label_rotation = 45
horizontal_bar.legend_at_bottom = True
horizontal_bar.margin = 35
horizontal_bar.show_y_guides = False
horizontal_bar.show_x_guides = True
horizontal_bar.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_horizontal_bar.svg')
horizontal_bar.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_horizontal_bar.png')

结果展示
在这里插入图片描述

4.3、叠加柱状图和叠加折线图

pygal.StackedBar()、pygal.StackedLine()

stacked_bar = pygal.StackedBar(style=style)
stacked_line = pygal.StackedLine(style=style)

结果展示
在这里插入图片描述

4.4、饼图

pygal.Pie类表示饼图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,
        0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
pie = pygal.Pie(style=style)
# 采用循环为饼图添加数据
for i, per in enumerate(data):
    pie.add(labels[i], per)
pie.title = "编程语言调查情况"
pie.lenged_at_bottom = True
# 设置内圈的半径长度
pie.inner_radius = 0.4
# 创建半圆数据图
# pie.half_pie = True
pie.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_pie.svg')
pie.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_pie.png')

结果展示
在这里插入图片描述

4.5、点图

点图使用点的大小来表示数值的大小，使用pygal.Dot类表示点图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
x_data = ['2016', '2017', '2018', '2019', '2020', '2021', '2022']
y_data1 = [12000, 11580, 9870, 12950, 13560, 10040, 11490]
y_data2 = [7500, 8900, 6800, 9200, 8400, 6900, 10200]
# 创建对象
dot = pygal.Dot(style=style)
dot.dots_size = 5
dot.add('疯狂JAVA讲义', y_data1)
dot.add('疯狂Python讲义', y_data2)
# 设置X轴的刻度值
dot.x_labels = x_data
dot.title = "图书销量统计"
# 设置X、Y轴坐标名称
dot.x_title = "年份"
dot.y_title = "销量"
dot.x_label_rotation = 45
dot.legend_at_bottom = True
dot.margin = 35
dot.show_y_guides = False
dot.show_x_guides = True
dot.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_dot.svg')
dot.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_dot.png')

结果展示
在这里插入图片描述

4.6、仪表图

使用pygal.Gauge类表示仪表图

import pygal
from pygal.style import Style
style = Style(font_family="Yahei Consolas Hybrid")
# 准备数据
data = [0.16881, 0.14996, 0.07471, 0.06992, 0.04762,
        0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]
# 准备标签
labels = ['JAVA', 'C', 'C++', 'Python', 'Visual Basic.NET', 'C#', 'PHP', 'JavaScript', 'SQL', 'Assembly Language', '其他']
gauge = pygal.Gauge(style=style)
gauge.range = [0, 1]
for i, per in enumerate(data):
    gauge.add(labels[i], per)
gauge.title = "编程语言调查情况"
gauge.lenged_at_bottom = True
gauge.inner_radius = 0.4
# pie.half_pie = True
gauge.render_to_file(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_gauge.svg')
gauge.render_to_png(r'E:\Users\PycharmProjects\DepressionReservoir\Infos\fk_books_gauge.png')