【柱状图】——18

🌟 解锁数据可视化的魔法钥匙 ------ pyecharts实战指南 🌟

在这个数据为王的时代,每一次点击、每一次交易、每一份报告背后都隐藏着无尽的故事与洞察。但你是否曾苦恼于如何将这些冰冷的数据转化为直观、吸引人的视觉盛宴?

🔥 欢迎来到《pyecharts图形绘制大师班》 🔥

在这里,你将不再受限于单调的表格和图表,而是学会如何运用pyecharts这一强大的Python数据可视化库,将复杂的数据转化为令人惊叹的交互式图形。从基础的柱状图、折线图到高级的地理热力图、关系图,每一种图形都将是你讲述数据故事的得力助手。

🌈 为什么选择我们的专栏?

  1. 实战导向:我们拒绝空洞的理论,直接上手实战案例。从数据准备到图形渲染,每一步都详细讲解,确保你能快速上手。
  2. 深度解析:不仅仅是"怎么做",更重要的是"为什么这么做"。深入了解pyecharts背后的原理,让你的可视化作品更加专业且富有创意。
  3. 互动学习:专栏内设有专属交流区,遇到问题即时解答,与志同道合的伙伴共同进步。
  4. 持续更新:紧跟pyecharts最新版本,不断添加新图形、新功能的教学,确保你的技能永不落后。

🚀 订阅福利

  • 独家源码:获取所有案例的完整源码,直接复用或在此基础上创新。
  • 定制模板:多套精美可视化模板,让你在项目中脱颖而出。
  • 优先支持:享受优先解答疑问的特权,快速解决你在学习路上的任何障碍。

🌈 想象一下

  • 当你的报告以精美的图表呈现时,领导赞许的目光;
  • 当你的数据故事通过交互式图形生动展现,同事们的惊叹;
  • 当你的个人作品集因这些可视化作品而熠熠生辉,职业道路上的无限可能......

这一切,都从这里开始 ------ 《pyecharts图形绘制大师班》

👉 立即订阅,开启你的数据可视化之旅!让我们一起,用代码绘制世界,用图形讲述故事。

python 复制代码
import pyecharts.options as opts
from pyecharts.charts import Bar, Line



colors = ["#5793f3", "#d14a61", "#675bba"]
x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
legend_list = ["蒸发量", "降水量", "平均温度"]
evaporation_capacity = [
    2.0,
    4.9,
    7.0,
    23.2,
    25.6,
    76.7,
    135.6,
    162.2,
    32.6,
    20.0,
    6.4,
    3.3,
]
rainfall_capacity = [
    2.6,
    5.9,
    9.0,
    26.4,
    28.7,
    70.7,
    175.6,
    182.2,
    48.7,
    18.8,
    6.0,
    2.3,
]
average_temperature = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]

bar = (
    Bar(init_opts=opts.InitOpts(width="1260px", height="720px"))
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="蒸发量", y_axis=evaporation_capacity, yaxis_index=0, color=colors[1]
    )
    .add_yaxis(
        series_name="降水量", y_axis=rainfall_capacity, yaxis_index=1, color=colors[0]
    )
    .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=colors[1])
            ),
            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=colors[2])
            ),
            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(
            type_="value",
            name="降水量",
            min_=0,
            max_=250,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color=colors[0])
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
    )
)

line = (
    Line()
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="平均温度", y_axis=average_temperature, yaxis_index=2, color=colors[2]
    )
)

bar.overlap(line).render("multiple_y_axes.html")
相关推荐
大模型真好玩8 分钟前
准确率飙升!GraphRAG如何利用知识图谱提升RAG答案质量(额外篇)——大规模文本数据下GraphRAG实战
人工智能·python·mcp
19899 分钟前
【零基础学AI】第30讲:生成对抗网络(GAN)实战 - 手写数字生成
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·近邻算法
applebomb19 分钟前
没合适的组合wheel包,就自行编译flash_attn吧
python·ubuntu·attention·flash
Chasing__Dreams1 小时前
python--杂识--18.1--pandas数据插入sqlite并进行查询
python·sqlite·pandas
rui锐rui1 小时前
商品销售数据分析实验
vue.js·数据挖掘·数据分析
彭泽布衣2 小时前
python2.7/lib-dynload/_ssl.so: undefined symbol: sk_pop_free
python·sk_pop_free
喜欢吃豆2 小时前
从零构建MCP服务器:FastMCP实战指南
运维·服务器·人工智能·python·大模型·mcp
一个处女座的测试3 小时前
Python语言+pytest框架+allure报告+log日志+yaml文件+mysql断言实现接口自动化框架
python·mysql·pytest
nananaij3 小时前
【Python基础入门 re模块实现正则表达式操作】
开发语言·python·正则表达式
金智维科技官方3 小时前
利用AI Agent实现精准的数据分析
人工智能·数据挖掘·数据分析