Bar() .add_xaxis(name[::-1]) .add_yaxis("销售量", values[::-1]) .reversal_axis() .set_series_opts( label_opts=opts.LabelOpts(formatter='{b}:{c}', is_show=False ),
时间: 2024-04-02 21:37:36 浏览: 19
这段代码的作用是:
1. 调用 pyecharts 库中的 Bar 类,创建一个柱状图对象。
2. 调用 add_xaxis() 方法,将前面获取的名称列表 name 反转后作为 x 轴的数据。
3. 调用 add_yaxis() 方法,将前面获取的销量列表 values 反转后作为 y 轴的数据,并设置系列名称为“销售量”。
4. 调用 reversal_axis() 方法,将 x 轴和 y 轴进行反转,即将 x 轴变成竖直方向,y 轴变成水平方向。
5. 调用 set_series_opts() 方法,设置系列的一些选项,包括标签格式化选项、是否显示标签等。
其中,label_opts 参数中的 formatter='{b}:{c}' 表示将标签格式化为“名称:销量”的形式,is_show=False 表示不显示标签。
相关问题
##pyecharts矢量图 from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts import options as opts bar = Bar( init_opts=opts.InitOpts( renderer='svg' )) bar.add_xaxis(Faker.choose()) bar.add_yaxis('销售团队A',Faker.values()) bar.add_yaxis('销售团队B',Faker.values()) bar.set_series_opts(markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='max',name='最大值')] )) bar.set_global_opts( # 工具箱 toolbox_opts=opts.ToolboxOpts(is_show=True, # 显示工具箱 pos_left=700) # 工具箱离容器左侧的距离 ) bar.render("test8.html") bar.render_notebook() 修改x轴字体颜色
您可以使用 `set_global_opts()` 方法中的 `xaxis_opts` 参数来修改 x 轴的字体颜色,具体操作如下:
```python
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts import options as opts
bar = Bar(
init_opts=opts.InitOpts(
renderer='svg'
)
)
bar.add_xaxis(Faker.choose())
bar.add_yaxis('销售团队A', Faker.values())
bar.add_yaxis('销售团队B', Faker.values())
bar.set_series_opts(
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_='max', name='最大值')]
)
)
bar.set_global_opts(
# 工具箱
toolbox_opts=opts.ToolboxOpts(
is_show=True, # 显示工具箱
pos_left=700 # 工具箱离容器左侧的距离
),
# 修改 x 轴字体颜色
xaxis_opts=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(
color="#ff0000"
)
)
)
bar.render("test8.html")
bar.render_notebook()
```
在上述代码中,我们通过 `xaxis_opts` 参数设置了 `axislabel_opts` 参数,然后在 `axislabel_opts` 参数中设置了 `color` 参数,即可修改 x 轴字体颜色。
优化代码 bar = ( Bar() .add_xaxis([str(x) for x in bin_edges[:-1]]) .add_yaxis("评分分布", [float(x) for x in hist], category_gap = 5) .set_global_opts( title_opts = opts.TitleOpts(title = '豆瓣电影TOP250-电影评分分布-直方图', pos_left = "center"), legend_opts = opts.LegendOpts(is_show = False) ) ) bar.render_notebook()
可以通过以下方式来优化这段代码:
1. 将长的链式调用分成多行,以增加代码的可读性。比如:
```
bar = (
Bar()
.add_xaxis([str(x) for x in bin_edges[:-1]])
.add_yaxis("评分分布", [float(x) for x in hist], category_gap=5)
.set_global_opts(
title_opts=opts.TitleOpts(title='豆瓣电影TOP250-电影评分分布-直方图', pos_left="center"),
legend_opts=opts.LegendOpts(is_show=False)
)
)
```
2. 如果需要在多个地方使用该图表对象,可以将其定义为函数,以便复用。比如:
```
def create_rating_distribution_bar(bin_edges, hist):
bar = (
Bar()
.add_xaxis([str(x) for x in bin_edges[:-1]])
.add_yaxis("评分分布", [float(x) for x in hist], category_gap=5)
.set_global_opts(
title_opts=opts.TitleOpts(title='豆瓣电影TOP250-电影评分分布-直方图', pos_left="center"),
legend_opts=opts.LegendOpts(is_show=False)
)
)
return bar
```
然后在需要使用该图表对象的地方,调用该函数即可:
```
bar = create_rating_distribution_bar(bin_edges, hist)
bar.render_notebook()
```