社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

跟小白学Python数据分析——绘制仪表盘

小蚊子数据分析 • 3 年前 • 914 次点击  

本文继续采用PyEcharts v1.x版本进行绘制仪表盘。
注:PyEcharts分为 v0.5.x 和 v1.x 两个大版本,v0.5.x 和 v1.x 间不兼容,v0.5.x是基于Python2.7+、3.4+版本开发的,v1.x是一个全新的版本,它是基于Python3.6+版本开发的,另外经PyEcharts开发团队决定,0.5.x 版本将不再进行维护。

绘制的仪表盘效果是这样的:


没有安装PyEcharts的,先安装PyEcharts
# 安装pyecharts模块,直接安装就是最新的版本
pip install pyecharts

安装好PyEcharts之后,就可以将需要使用的模块进行导入
#导入需要使用的模块
import  pyecharts.options as opts
from pyecharts.charts import Gauge

仪表盘数据很简单,就是一个完成率数字,所以不用定义或导入,也无需做转换。
接下来就可以绘制仪表盘了:
Gaug_1=(
    #创建仪表盘对象,并设置大小,也可以不设置,直接使用默认大小即可
    Gauge(init_opts=opts.InitOpts(width="800px", height="400px"))
    #设置数据系列名称及数据
    .add(series_name="完成率", data_pair=[["完成率"65]])
    .set_global_opts(
        # 设置图表标题及位置
        title_opts=opts.TitleOpts(title="XX业务完成情况",pos_left="center"),
        # 设置不显示图例,饼图不建议使用图例,不方便读图
        legend_opts=opts.LegendOpts(is_show=False),
        #设置提示框数据标签显示格式
        tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} 
{b} : {c}%"
),
    )
    #通过render()方法将仪表盘渲染为html
    .render("gauge.html")
)





    
Gaug_1=(
    Gauge(init_opts=opts.InitOpts(width="800px", height="400px"))
    .add(series_name="完成率", data_pair=[["完成率"65]],
         #设置仪表盘颜色
         axisline_opts=opts.AxisLineOpts(
            linestyle_opts=opts.LineStyleOpts(
                color=[(0.6"#fd666d"), (0.8"#FFD700"),(1"#3CB371")], width=30)))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="XX业务完成情况",pos_left="center"),
        legend_opts=opts.LegendOpts(is_show=False),
        tooltip_opts=opts.TooltipOpts(is_show=True, formatter="{a} 
{b} : {c}%"
),
    )
    .render("gauge.html")
)

设置颜色后的仪表盘效果是这样的

看出区别了吗?
只要在add()中添加axisline_opts的设置, 是不是so easy 呢?


如果你喜欢本文,可以点击右下角在看
如果你在跟着学习,请在留言区留言:打卡
如果你刚看到本文,可以查看本系列历史文章跟着学习:
跟小白学Python数据分析——Anaconda安装
跟小白学Python数据分析——使用spyder
跟小白学Python数据分析——数据导入1
跟小白学Python数据分析——数据导入2

跟小白学Python数据分析——描述性统计分析

跟小白学Python数据分析——分组分析

跟小白学Python数据分析——列表

跟小白学Python数据分析——数据框

跟小白学Python数据分析——记录抽取

跟小白学Python数据分析——记录合并

跟小白学Python数据分析——数据导出

跟小白学Python数据分析——For循环

跟小白学Python数据分析——批量合并CSV文件

跟小白学Python数据分析——批量拆分Excel文件

跟小白学Python数据分析——提取PDF表格数据

跟小白学Python数据分析——批量提取PDF表格数据

跟小白学Python数据分析——绘制饼图、圆环图

-----------------

希望系统、快速学习Python数据分析知识,可以学习

数据分析专家@文彤老师

跟文彤老师学Python数据分析》系列视频课程

包含以下三门课程

Python数据分析--玩转Pandas

Python数据分析--玩转数据可视化

玩转Python统计分析


以上顺序也是学习的建议顺序

课程提供讲义(含代码)与数据供练习

学习过程有问题可加Q群与老师交流讨论

如还有其他问题也可添加课程助理微信号咨询,添加时请注明所咨询的课程

参加课程学习,可享受6折优惠

购买课程直接点击文末“阅读原文”进入即可

  

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/63586
 
914 次点击