Python-数据分析组合可视化实例图【附完整源码】

数据分析组合可视化实例图

开篇:应女朋友的要求,于是写下了这篇详细的数据可视化代码及完整注释

一:柱状图、折线图横向组合网格布局

本段代码使用了pyecharts库来创建一个包含多个图表(柱状图、折线图)和网格布局的复杂可视化。以下是关于每一行代码的详细解释:

实现效果展示:

python 复制代码
# 从pyecharts库中导入options模块,并将其重命名为opts。
from pyecharts import options as opts
# 从pyecharts.charts模块中导入Bar(柱状图)、Grid(网格布局)和Line(折线图)类。
from pyecharts.charts import Bar, Grid, Line

# 创建第一个柱状图(bar)
# 初始化一个Bar对象。
bar = (
    Bar()
    # 使用.add_xaxis()方法添加X轴数据,这里是月份。
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    # 使用.add_yaxis()方法添加两组Y轴数据(蒸发量和降水量),并为它们设置不同的颜色和Y轴索引。
    .add_yaxis(
        "蒸发量",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        yaxis_index=0,
        color="#d14a61",
    )
    .add_yaxis(
        "降水量",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        yaxis_index=1,
        color="#5793f3",
    )
    # 使用.extend_axis()方法扩展两个额外的Y轴,分别用于表示蒸发量和温度,设置它们的名称、位置、范围和样式。
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    # 使用.set_global_opts()方法设置全局配置,包括Y轴配置、标题、提示框和图例。
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="多X/Y轴可视化示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="25%"),
    )
)

# 创建第一个折线图(line)
# 初始化一个Line对象。
line = (
    Line()
    # 使用.add_xaxis()方法添加X轴数据。
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    # 使用.add_yaxis()方法添加一组Y轴数据(平均温度),并设置颜色和Y轴索引。
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 创建第二个柱状图(bar1)
# 类似于第一个柱状图的创建,但X轴和Y轴索引不同,用于在网格布局中定位。
bar1 = (
    Bar()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "蒸发量 1",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        color="#d14a61",
        xaxis_index=1,
        yaxis_index=3,
    )
    .add_yaxis(
        "降水量 2",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        color="#5793f3",
        xaxis_index=1,
        yaxis_index=3,
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(grid_index=1),
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            grid_index=1,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="65%"),
    )
)

# 创建第二个折线图(line1)
# 类似于第一个折线图的创建,但X轴和Y轴索引不同,用于在网格布局中定位。
line1 = (
    Line()
    .add_xaxis(["{}月".format(i) for i in range(1, 13)])
    .add_yaxis(
        "平均温度 1",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
        xaxis_index=1,
        yaxis_index=5,
    )
)

# 重叠图表
# 使用.overlap()方法将第一个柱状图和折线图重叠。
overlap_1 = bar.overlap(line)
# 使用.overlap()方法将第二个柱状图和折线图重叠。
overlap_2 = bar1.overlap(line1)

# 创建网格布局(grid)
grid = (
    # 初始化一个Grid对象,并设置初始宽度和高度。
    Grid(init_opts=opts.InitOpts(width="1200px", height="500px"))
    # 使用.add()方法将第一个重叠图表添加到网格的右侧。
    .add(
        overlap_1, grid_opts=opts.GridOpts(pos_right="58%"), is_control_axis_index=True
    )
    # 使用.add()方法将第二个重叠图表添加到网格的左侧。
    .add(overlap_2, grid_opts=opts.GridOpts(pos_left="58%"), is_control_axis_index=True)
    # 使用.render()方法生成并保存HTML文件,该文件包含所有图表和网格布局的可视化。
    .render("重叠图表和网格.html")
)

二:散点图与折线图横向组合网格布局

本段代码展示了如何使用pyecharts库来创建并组合一个散点图和一个折线图,并将它们放置在一个网格(Grid)布局中。以下是关于每一行代码的详细解释:

实现效果展示:

python 复制代码
# 导入pyecharts库中的options模块(并设置别名为opts)
from pyecharts import options as opts
# 导入Grid、Line、Scatter这三个图表类。
from pyecharts.charts import Grid, Line, Scatter

# 定义了两组X轴数据(x_data_a和x_data_b)以及四组Y轴数据(y_data_a、y_data_b、y_date_c、y_date_d)。这些数据将用于创建散点图和折线图
x_data_a = ['草莓', '西瓜', '香蕉', '椰子', '蓝莓', '榴莲', '牛油果']
x_data_b = ['香菜', '蘑菇', '柿子', '黄瓜', '菠菜', '韭菜', '南瓜']
y_data_a = [10, 23, 46, 70, 54, 31, 28]
y_data_b = [15, 20, 31, 55, 35, 43, 68]
y_date_c = [23, 35, 31, 50, 54, 13, 67]
y_date_d = [56, 23, 45, 32, 12, 67, 40]

# 这创建了一个散点图对象scatter
scatter = (
    Scatter()
    # 设置X轴数据为x_data_a
        .add_xaxis(x_data_a)
    # 分别添加两组Y轴数据,并设置其系列名称为"售出"和"收益"。
        .add_yaxis("售出", y_data_a)
        .add_yaxis("收益", y_data_b)
    # 设置全局配置项,包括标题、图例位置和X轴标签的旋转角度。
        .set_global_opts(
        title_opts=opts.TitleOpts(title="蔬菜"),
        legend_opts=opts.LegendOpts(pos_left="20%"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),
    )
)

# 创建了一个折线图对象line
line = (
    Line()
    # 设置X轴数据为x_data_b
        .add_xaxis(x_data_b)
    # 分别添加两组Y轴数据,并设置其系列名称为"售出"和"收益"
        .add_yaxis("售出", y_date_c)
        .add_yaxis("收益", y_date_d)
    # 设置全局配置项,包括标题、图例位置和X轴标签的旋转角度
        .set_global_opts(
        title_opts=opts.TitleOpts(title="水果", pos_right="5%"),
        legend_opts=opts.LegendOpts(pos_right="20%"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),

    )
)

# 这段代码创建了一个Grid对象,用于将散点图和折线图组合在一起
grid = (
    Grid()
    # 将散点图添加到网格中,并设置其位置为左侧55%的位置
        .add(scatter, grid_opts=opts.GridOpts(pos_left="55%"))
    # 将折线图添加到网格中,并设置其位置为右侧55%的位置
        .add(line, grid_opts=opts.GridOpts(pos_right="55%"))
    # 渲染图表,并将其保存为HTML文件,文件名为"散点与折线组合.html"
        .render("散点与折线组合.html")
)

三:柱状图、折线图竖向组合网格布局

本段代码展示了如何使用pyecharts库创建一个包含柱状图和折线图的竖向网格布局图表,并自定义了x轴和y轴的标签和数据。以下是关于每一行代码的详细解释:

实现效果展示:

python 复制代码
# 导入pyecharts库中的options模块,并重命名为opts,用于设置图表的各种选项
from pyecharts import options as opts
# 导入pyecharts库中的Bar(柱状图)、Grid(网格布局)、Line(折线图)图表类
from pyecharts.charts import Bar, Grid, Line

# 定义一个列表,自定义x轴标签
x_axis_data = ["西瓜", "香蕉", "蓝莓", "椰子", "榴莲", "草莓", "木瓜", "水蜜桃"]

# 定义两个列表,自定义柱状图和折线图的y轴数据
bar_y_axis_data = [18, 25, 30, 44, 53, 34, 79, 56]
line_y_axis_data = [13, 30, 67, 45, 55, 67, 89, 54]

# 创建一个柱状图对象,并设置其x轴标签、y轴数据(包括销售量和利润),以及全局选项(如标题)
bar = (
    Bar()
        .add_xaxis(x_axis_data)  # 使用自定义的x轴标签
        .add_yaxis("销售量", bar_y_axis_data)  # 添加一个名为"销售量"的系列,数据为bar_y_axis_data
        .add_yaxis("利润", [v * 0.5 for v in bar_y_axis_data])  # 添加一个名为"利润"的系列,数据为销售量的一半
        .set_global_opts(title_opts=opts.TitleOpts(title="柱状图"))  # 设置全局选项,包括图表标题
)


# 创建一个折线图对象,并设置其x轴标签、y轴数据(包括销售量和利润),以及全局选项(如标题和图例位置)
line = (
    Line()
        .add_xaxis(x_axis_data)  # 使用自定义的x轴标签
        .add_yaxis("销售量", line_y_axis_data)  # 添加一个名为"销售量"的系列,数据为line_y_axis_data
        .add_yaxis("利润", [v * 0.5 for v in line_y_axis_data])  # 添加一个名为"利润"的系列,数据为销售量的一半
        .set_global_opts(
        title_opts=opts.TitleOpts(title="折线图", pos_top="48%"),  # 设置图表标题及其位置
        legend_opts=opts.LegendOpts(pos_top="48%"),  # 设置图例位置
    )
)

# 创建一个网格布局对象,将柱状图和折线图添加到布局中,并设置它们的位置,最后渲染图表到HTML文件
grid = (
    Grid()
        .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))  # 将柱状图添加到网格布局中,并设置其位置
        .add(line, grid_opts=opts.GridOpts(pos_top="60%"))  # 将折线图添加到网格布局中,并设置其位置
        .render("柱状图和折线图的网格布局图表.html")  # 渲染图表到HTML文件
)

四:柱状图、折线图内嵌组合网格布局

本段代码展示了如何使用pyecharts库创建并保存一个包含柱状图和折线图的复合图表,通过设置不同的Y轴索引和扩展Y轴,实现了多Y轴的效果。以下是关于每一行代码的详细解释:

实现效果展示:

python 复制代码
# 导入pyecharts库中的options模块和Bar, Grid, Line图表类。
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line
# 创建一个列表x_data,包含1到12月的字符串表示。
x_data = ["{}月".format(i) for i in range(1, 13)]
# 创建一个Bar对象,并添加X轴数据。
bar = (
    Bar()
    .add_xaxis(x_data)
    # 添加一个名为"蒸发量"的Y轴系列,设置其数据、Y轴索引、颜色等属性。
    .add_yaxis(
        "蒸发量",
        [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3],
        yaxis_index=0,
        color="#d14a61",
    )
    #  添加一个名为"降水量"的Y轴系列,设置其数据、Y轴索引、颜色等属性。
    .add_yaxis(
        "降水量",
        [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
        yaxis_index=1,
        color="#5793f3",
    )
    # 扩展一个名为"蒸发量"的Y轴,设置其名称、类型、最小值、最大值、位置、轴线样式、标签格式等属性。
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
    )
    # 扩展一个名为"温度"的Y轴,设置其名称、类型、最小值、最大值、位置、轴线样式、标签格式、分割线样式等属性。
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="温度",
            min_=0,
            max_=25,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        title_opts=opts.TitleOpts(title="多Y轴示例"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
)

# 创建一个Line对象,并添加X轴数据和名为"平均温度"的Y轴系列,设置其数据、Y轴索引、颜色、标签显示等属性。
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis(
        "平均温度",
        [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

# 将折线图line重叠到柱状图bar上。
bar.overlap(line)
# 创建一个Grid对象。
grid = Grid()
# 将bar图表添加到Grid中,并设置其位置参数,以及是否控制轴索引。
grid.add(bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True)
# 将Grid图表渲染为HTML文件,文件名为"树状与折线.html"。
grid.render("柱状与折线内嵌图.html")
相关推荐
龙哥说跨境13 分钟前
如何利用指纹浏览器爬虫绕过Cloudflare的防护?
服务器·网络·python·网络爬虫
小白学大数据29 分钟前
正则表达式在Kotlin中的应用:提取图片链接
开发语言·python·selenium·正则表达式·kotlin
flashman91130 分钟前
python在word中插入图片
python·microsoft·自动化·word
菜鸟的人工智能之路33 分钟前
桑基图在医学数据分析中的更复杂应用示例
python·数据分析·健康医疗
懒大王爱吃狼2 小时前
Python教程:python枚举类定义和使用
开发语言·前端·javascript·python·python基础·python编程·python书籍
秃头佛爷3 小时前
Python学习大纲总结及注意事项
开发语言·python·学习
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
API快乐传递者5 小时前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
阡之尘埃7 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
布说在见10 小时前
层次与网络的视觉对话:树图与力引导布局的双剑合璧
信息可视化·数据挖掘·数据分析