在进行分析结果,观察数据变化量时,我们通常会使用折线图来进行对数据的观察,pyecharts绘图简易,便于观察,此篇用于记录pyecharts绘制折线图,献于大家,也便于自己后期的复习学习。
Pyecharts绘制折线图
1. 在pycharms中绘图
在pycharms中绘图,需要对绘制的图像进行保存。通过pyecharts绘制的图形可保存为html格式,在render()处,也可自定义图像保存位置。
dff = df_bigindustry
x = list(dff['数据时间'])
y1 = list(dff['有功功率最大值(kw)'])
y2 = list(dff['有功功率最小值(kw)'])
c = (
Line()
.add_xaxis(x)
.add_yaxis("有效功率最大值(kw)", y1)
.add_yaxis("有效功率最小值(kw)", y2)
.set_global_opts(title_opts = opts.TitleOpts(title = '工业用电'))
.render("line_base.html")
)
2. 在jupyter中绘图
在jupyter中绘图,为了便于观察,可以使用render_notebook()的格式直接在jupyter中显示图像,当然也可以利用render()进行对图像的保存。但保存后则不可再利用render_notebook()进行图像的展示。
dff = df_bigindustry
x = list(dff['数据时间'])
y1 = list(dff['有功功率最大值(kw)'])
y2 = list(dff['有功功率最小值(kw)'])
c = (
Line()
.add_xaxis(x)
.add_yaxis("有效功率最大值(kw)", y1)
.add_yaxis("有效功率最小值(kw)", y2)
.set_global_opts(title_opts = opts.TitleOpts(title = '工业用电'))
)
c.render_notebook()
水平一般,能力有限,如有问题,感谢各位的不吝赐教。
|