脚本之家，脚本语言编程技术及教程分享平台！
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|shell|

服务器之家 - 脚本之家 - Python - Python中实现绘制折线图的方法

Python中实现绘制折线图的方法

2023-10-23 16:30青枫浦上看桃花 Python

本文主要为大家介绍下python开发中绘制折线图的方法，有需要的朋友可以参考下

前言

相信有很多的小伙伴看了如此多个案例之后肯定有所发现，每一个案例都对应着每一个配置，如果是官方配置文档，说实话看起来真的很难，这样通过案例实现来解决各种参数的配置，我觉得有一定的参考价值和学习意义，正所谓“磨刀不误砍工”，如何把可视化做的炉火纯青，任重而道远也！

一、自定义标签数据折线图

有时候我们不想要把所有的数据标签都显示出来，因为这样太繁杂了，数据可视化的原则就是在炫酷的同时把图表准确的呈现在用户的面前，这就需要我们按照特定的场景选择特定的图形。

1.1代码
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

x, y = Faker.choose(), Faker.values()#更改数据集即可
c = (
Line({"theme":ThemeType.MACARONS})#不添加默认红色
.add_xaxis(x)
.add_yaxis(
"商家A",
y,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(name="自定义标记点", coord=[x[2], y[2]], value=y[2])] # 这里定义要显示的标签数据
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("自定义标签.html")
)
1.2实现结果

Python中实现绘制折线图的方法

二、一天用电量折线图（特定场景）

此模板可以作为一天用电量的应用，也可以在此基础上进行更改，形成其他类别的折线图，只是提供模板，你可以根据自己的应用场景来解决问题。

1.1实现代码
import pyecharts.options as opts
from pyecharts.charts import Line
x_data = [
"00:00",
"01:15",
"02:30",
"03:45",
"05:00",
"06:15",
"07:30",
"08:45",
"10:00",
"11:15",
"12:30",
"13:45",
"15:00",
"16:15",
"17:30",
"18:45",
"20:00",
"21:15",
"22:30",
"23:45",
]
y_data = [
300,
280,
250,
260,
270,
300,
550,
500,
400,
390,
380,
390,
400,
500,
600,
750,
800,
700,
600,
400,
]

(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="用电量",
y_axis=y_data,
is_smooth=True,
label_opts=opts.LabelOpts(is_show=False),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="一天用电量分布", subtitle="纯属虚构"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
xaxis_opts=opts.AxisOpts(boundary_gap=False),
yaxis_opts=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(formatter="{value} W"),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
visualmap_opts=opts.VisualMapOpts(
is_piecewise=True,
dimension=0,
pieces=[
{"lte": 6, "color": "green"},
{"gt": 6, "lte": 8, "color": "red"},
{"gt": 8, "lte": 14, "color": "green"},
{"gt": 14, "lte": 17, "color": "red"},
{"gt": 17, "color": "green"},
],
),
)
.set_series_opts(
markarea_opts=opts.MarkAreaOpts(
data=[
opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),
opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),
]
)
)
.render("用电量折线图.html")
)
1.2实现结果

Python中实现绘制折线图的方法

 三、断点折线图（根据场景进行配置）

1.1实现的代码
import pyecharts.options as opts
from pyecharts.charts import Line
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"])
.add_yaxis(
series_name="",
y_axis=[120, 200, 150, 80, 70, 110, 130],
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green", width=4, type_="dashed"),
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3, border_color="yellow", color="blue"
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(type_="category",
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)
),
yaxis_opts=opts.AxisOpts(
type_="value",
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
tooltip_opts=opts.TooltipOpts(is_show=False),
)
.render("断点折线图.html")
)
1.2结果

Python中实现绘制折线图的方法

四、双折线图显示最低最高数据标签（不显示其他数据标签）

有时候折线图里面的数据太多了，但是我们想要一眼就直观的看到数据的最低最高是多少，虽然pyecharts可以把鼠标放在点上就会显示，但是如果做出PPT或者图片，那么就有点不现实了。

1.1实现代码
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker

c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),

)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("双折线图显示最低最高.html")
)
1.2结果

Python中实现绘制折线图的方法

五、双折线图显示平均刻度数据标签（数据可显示）

这个双折线图可以运用在我们需要知道一类数据集里面的平均值是多少，那么我们就可以根据这个来配置相关参数了，下面的图例我们没有显示数据，也可以显示数据。

1.1实现代码
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker

c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),#允许显示数据
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("双折线图显示平均刻度.html")
)
1.2实现结果

Python中实现绘制折线图的方法

六、断点折线图（显示数据项）

前面的图例里面，没有对数据进行展示，也没有数据标签，这个图例是对之前的进行改造和设计升级的。

1.1代码
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker

c = (
Line()
.add_xaxis(xaxis_data=Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green", width=4, type_="dashed"),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3, border_color="yellow", color="blue"
),#可进行多维叠加
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("断点显示数据.html")
)
1.2结果

Python中实现绘制折线图的方法

 

七、面积折线图（不紧贴）

前面有一个图形是一个曲线的折线图，紧贴Y轴，此图例是不紧贴的且是折线的形式。

1.1代码
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker

c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.add_yaxis("商家B", Faker.values(), areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("面积折线图不紧贴.html")
)
1.2结果

Python中实现绘制折线图的方法

到此这篇关于Python中实现绘制折线图的方法的文章就介绍到这了,更多相关内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！

原文地址：https://blog.csdn.net/qq_58546982/article/details/130975112

  • 折线图
  • Python

    • 延伸 · 阅读

    精彩推荐
    • Python神经网络(BP)算法Python实现及应用

      神经网络(BP)算法Python实现及应用

      这篇文章主要为大家详细介绍了Python实现神经网络(BP)算法及简单应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下...

      一清8892021-01-31
    • Python机器学习实战之knn算法pandas

      机器学习实战之knn算法pandas

      这篇文章主要为大家详细介绍了机器学习实战之knn算法pandas，具有一定的参考价值，感兴趣的小伙伴们可以参考一下...

      等风来ing5512021-07-18
    • PythonPython数组变形的几种实现方法

      Python数组变形的几种实现方法

      本文主要介绍了Python数组变形的几种实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随...

      温欣'5422023-02-22
    • Pythonpython实战串口助手_解决8串口多个发送的问题

      python实战串口助手_解决8串口多个发送的问题

      今天小编就为大家分享一篇python实战串口助手_解决8串口多个发送的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧...

      malinda66612202021-07-11
    • Pythonpython可视化大屏库big_screen示例详解

      python可视化大屏库big_screen示例详解

      提到数据可视化，我们会想到 Plotly、Matplotlib、Pyecharts等可视化库，或者一些商用软件Tableau、FineBI等等。如果你希望操作更简单、展现效果更强大，那么这...

      Python学习与数据挖掘10312022-03-06
    • Pythonpython 获取毫秒数,计算调用时长的方法

      python 获取毫秒数,计算调用时长的方法

      今天小编就为大家分享一篇python 获取毫秒数,计算调用时长的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧...

      0day__6952021-05-30
    • Python用Python实现服务器中只重载被修改的进程的方法

      用Python实现服务器中只重载被修改的进程的方法

      这篇文章主要介绍了用Python实现服务器中只重载被修改的进程的方法,包括用watchdog来检测文件的变化等,实现起来充分体现了Python作为动态语言的灵活性,强...

      廖雪峰4972020-06-18
    • PythonPython中.py文件打包成exe可执行文件详解

      Python中.py文件打包成exe可执行文件详解

      这篇文章主要给大家介绍了在Python中.py文件打包成exe可执行文件的相关资料，文中介绍的非常详细，相信对大家具有一定的参考价值，需要的朋友们下面来...

      dearvee15822020-09-25
    最近更新
    编辑推荐
    阅读排行
    热门标签
    2048 　 6006 　 6174 　 SLOTS 　 MELIAE 　 FEEDPARSER 　 暂存 　 持久性管理 　 pickle模块 　 THREADING 　 reduce 　 nignx 　 装饰器 　 函数式编程 　 兔子毒药 　 contextlib 　 监控文件 　 流量监控 　 Web框架 　 PIL库 　 高斯模糊 　 wxPython 　 逻辑回归算法 　 自定义模块 　 Python开发 　 元类 　 metaclass 　 魔术方法 　 DNSPod 　 动态解析域名 　
    © 2019-2023 脚本之家 | 服务器之家(www.tuohang.net)旗下站点 版权所有关于我们联系我们版权申明网站地图