用图表体现趋势变化
先导入一份生产成本核算的数据,数据为每个月原料价格和产品造价。



可以玩玩组合图表:



如果有热爱炒股的小伙伴,还可以画K线图:


from pyecharts import Kline
day = data_k['日期'].tolist()
v = data_k[['开盘价','收盘价','最低价','最高价']].values.tolist()
kline = Kline('上证指数K线图', width=1900, height=800)
kline.add('日K',day, v,
          mark_point=['max'], is_datazoom_show=True)
kline.render('./参考案例HTML/上证指数K线图.html')
kline

K线图需要四个参数,开盘价,收盘价,最低价,最高价



还是那份成本核算的数据,我们来研究下原料成本和生产价格之间的关系,先画个散点图:



似乎是线性关系,对图表加工一下看看。



其实这里的图案有好多种,大家可以一个个去试试:'rect', 'roundRect', 'triangle', 'diamond','pin', 'arrow'。
有小伙伴会问,散点图能不能展现空间分布呢?
能!用一份上海餐饮数据来看:
出图!这里点的颜色越深代表人均价格越贵。



分析运动员的身体素质强弱:
采集了8个运动员的身材指数,画个雷达图:



雷达图用的是极坐标系,而我们画的一些常规图用的是直角坐标系,那么,是不是还有其他坐标系呢?
平行坐标系。以空气质量数据为例,再添加一个自定义指示器,我们可以得到这个:



可以同时显示城市及其空气质量情况,方便吧!
分析某篇文章中的词频,可以画词云。看这里:


from pyecharts import WordCloud
name = data_10['关键词'].tolist()
value = data_10['出现频率'].tolist()
wordcloud = WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.render('./参考案例HTML/关键词统计词云图.html')
wordcloud

几行代码就可以搞定。



地图数据能做的就更多了,比如地理轨迹图:
引用一份中国资本流动的数据,分析北上广深的投资流向:



就可以分析北上广深这四个城市资本流出的情况啦。