每日五個pyecharts可視化圖表日歷圖和箱線圖：從入門到精通

📊 本文特色：從零開始掌握日歷圖和箱線圖可視化技巧，包含多個完整實例、核心配置項解析和實用場景指南，助您快速構建專業數據可視化圖表。pyecharts源碼在這里插入圖片描述

目錄

    • 什么是日歷圖和箱線圖？
      • 📅 日歷圖（Calendar）
      • 📊 箱線圖（Boxplot）
    • 環境準備
      • 📋 基礎依賴
      • 🔧 安裝步驟
    • 基礎日歷圖實現
      • 代碼詳解
      • 📌 日歷圖關鍵點總結
    • 更多圖表實現
      • 圖表2：Calendar_heatmap（高級日歷圖）
      • 代碼詳解
      • 📌 Calendar_heatmap關鍵點總結
      • 圖表2與圖表1的對比
      • 圖表3：BoxPlot-基本示例（基礎箱線圖）
      • 代碼詳解
      • 📌 箱線圖關鍵點總結
      • 箱線圖核心參數解釋
      • 圖表4：Boxplot & Scatter 組合圖表（高級箱線圖）
      • 代碼詳解
      • 📌 組合圖表關鍵點總結
      • 組合圖表的優勢
      • 圖表5：多類別箱線圖（自定義提示框）
      • 代碼詳解
      • 📌 多類別箱線圖關鍵點總結
      • 自定義提示框的優勢
    • 常見問題解答
      • ? 日歷圖數據格式有什么要求？
      • ? 如何更改日歷圖的顏色主題？
      • ? 日歷圖支持哪些交互功能？
      • 總結與展望
        • 核心收獲
        • 實用建議
        • 進階方向

日歷圖和箱線圖是兩種非常實用的數據可視化圖表類型，它們分別適用于不同的數據展示場景。本教程將從基礎到進階，幫助您系統掌握這兩種圖表的使用方法。

什么是日歷圖和箱線圖？

📅 日歷圖（Calendar）

日歷圖以日歷的形式展示數據隨時間的變化，通過顏色深淺直觀呈現數值大小，非常適合展示全年或長時間范圍內的趨勢變化。

核心優勢：

  • 時間維度清晰，直觀展示數據在全年的分布
  • 色彩漸變效果突出異常值和趨勢模式
  • 適合展示步數、銷售額、訪問量等日常記錄數據

典型應用場景：

  • 健康數據跟蹤（步數、心率等）
  • 業務銷售數據分析
  • 網站訪問量統計
  • 氣象數據可視化

📊 箱線圖（Boxplot）

箱線圖通過顯示一組數據的最小值、第一四分位數、中位數、第三四分位數和最大值，直觀地展示數據分布特征和異常值。

核心優勢：

  • 有效識別數據集中的異常值
  • 比較多組數據的分布特征
  • 不受樣本量影響的統計可視化
  • 清晰展示數據的離散程度

典型應用場景：

  • 質量控制和過程監控
  • 實驗數據結果分析
  • 多組數據對比分析
  • 金融風險評估

環境準備

日歷圖和箱線圖開發需要以下環境支持，請確保系統已正確配置：

📋 基礎依賴

  • Python 3.6+（推薦3.8+版本）
  • pyecharts 1.9.0+（本教程基于最新版開發）

🔧 安裝步驟

# 創建并激活虛擬環境（推薦）
python -m venv venv
# Windows激活虛擬環境
venv\Scripts\activate
# macOS/Linux激活虛擬環境
# source venv/bin/activate# 安裝依賴包
pip install pyecharts==2.0.3# 驗證安裝
python -c "import pyecharts; print('pyecharts版本:', pyecharts.__version__)"

💡 提示：使用虛擬環境可以避免包版本沖突，是Python項目開發的最佳實踐。如果不需要虛擬環境，可以直接執行pip install pyecharts命令。

基礎日歷圖實現

下面是一個基礎日歷圖的實現代碼，展示了2017年全年的微信步數情況：

import datetime  # 導入日期時間處理模塊
import random    # 導入隨機數生成模塊from pyecharts import options as opts  # 導入pyecharts配置選項
from pyecharts.charts import Calendar  # 導入日歷圖圖表類型begin = datetime.date(2017, 1, 1)  # 設置開始日期為2017年1月1日
end = datetime.date(2017, 12, 31)  # 設置結束日期為2017年12月31日
# 生成2017年全年每一天的數據，數據格式為[日期字符串, 隨機數值]
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)
]# 創建日歷圖實例并配置
c = (Calendar()  # 初始化日歷圖# 添加數據，設置日歷范圍為2017年.add("", data, calendar_opts=opts.CalendarOpts(range_="2017")).set_global_opts(title_opts=opts.TitleOpts(title="Calendar-2017年微信步數情況"),  # 設置圖表標題visualmap_opts=opts.VisualMapOpts(max_=20000,               # 視覺映射最大值min_=500,                 # 視覺映射最小值orient="horizontal",      # 水平方向顯示is_piecewise=True,        # 分段顯示pos_top="230px",          # 視覺映射組件頂部位置pos_left="100px",         # 視覺映射組件左側位置),)#.render("calendar_base.html")  # 渲染到HTML文件（可選）
)
# 在Jupyter Notebook中渲染圖表
c.render_notebook()

在這里插入圖片描述

代碼詳解

  1. 導入模塊：

    • datetime：用于處理日期和時間
    • random：用于生成隨機數據
    • pyecharts.options：用于配置圖表選項
    • pyecharts.charts.Calendar：用于創建日歷圖

  2. 數據準備：

    • 設置數據的開始和結束日期（2017年全年）
    • 使用列表推導式生成全年每一天的數據，格式為[日期字符串, 數值]
    • 這里使用random.randint(1000, 25000)模擬每日微信步數

  3. 創建圖表：

    • Calendar()：創建日歷圖實例
    • .add("", data, calendar_opts=opts.CalendarOpts(range_="2017"))：添加數據并設置日歷范圍
    • .set_global_opts()：設置全局選項
      • title_opts：設置圖表標題
      • visualmap_opts：配置視覺映射，控制日歷中顏色深淺對應的數值范圍

  4. 渲染展示：

    • render_notebook()：在Jupyter Notebook中顯示圖表
    • 如果需要保存為HTML文件，可以取消注釋.render("calendar_base.html")

📌 日歷圖關鍵點總結

  • 數據格式必須是[日期字符串, 數值]的列表形式
  • CalendarOpts(range_)參數用于指定日歷的年份范圍
  • 視覺映射組件(VisualMapOpts)控制顏色與數值的對應關系
  • 適合展示全年或特定時間段內的數據分布情況

更多圖表實現

圖表2：Calendar_heatmap（高級日歷圖）

下面是一個高級日歷圖的實現代碼，展示了2017年全年步數情況的熱圖效果：

import random     # 導入隨機數生成模塊
import datetime   # 導入日期時間處理模塊import pyecharts.options as opts  # 導入pyecharts配置選項
from pyecharts.charts import Calendar  # 導入日歷圖圖表類型begin = datetime.date(2017, 1, 1)  # 設置開始日期為2017年1月1日
end = datetime.date(2017, 12, 31)  # 設置結束日期為2017年12月31日
# 生成2017年全年每一天的數據，數據格式為[日期字符串, 隨機數值]
data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]for i in range((end - begin).days + 1)
](Calendar()  # 初始化日歷圖.add(series_name="",  # 系列名稱為空yaxis_data=data,  # 設置Y軸數據calendar_opts=opts.CalendarOpts(pos_top="120",  # 日歷圖距離頂部的距離pos_left="30",  # 日歷圖距離左側的距離pos_right="30",  # 日歷圖距離右側的距離range_="2017",  # 日歷的年份范圍yearlabel_opts=opts.CalendarYearLabelOpts(is_show=False),  # 不顯示年份標簽),).set_global_opts(title_opts=opts.TitleOpts(pos_top="30", pos_left="center", title="2017年步數情況"),  # 設置標題位置和內容visualmap_opts=opts.VisualMapOpts(max_=20000,  # 視覺映射最大值min_=500,    # 視覺映射最小值orient="horizontal",  # 水平方向顯示is_piecewise=False     # 連續顯示，非分段),)#.render("calendar_heatmap.html")  # 渲染到HTML文件（可選）.render_notebook()  # 在Jupyter Notebook中渲染
)

在這里插入圖片描述

代碼詳解

  1. 數據準備：

    • 與基礎日歷圖相同，使用datetime和random模塊生成2017年全年的數據
    • 數據格式保持為[日期字符串, 數值]的列表形式

  2. 布局優化：

    • 通過pos_top、pos_left和pos_right參數調整日歷圖在容器中的位置
    • 這些參數可以使圖表在不同尺寸的顯示區域中更好地布局

  3. 視覺效果優化：

    • 設置yearlabel_opts=opts.CalendarYearLabelOpts(is_show=False)隱藏年份標簽
    • 這可以使日歷圖更加簡潔，專注于數據本身

  4. 顏色映射調整：

    • 設置is_piecewise=False使顏色映射變為連續漸變
    • 連續漸變比分段顯示更加平滑，適合展示熱圖效果

📌 Calendar_heatmap關鍵點總結

  • 可以通過pos_top、pos_left和pos_right參數精確控制圖表位置
  • is_show=False可以隱藏不需要的標簽，使圖表更加簡潔
  • is_piecewise=False啟用連續顏色漸變，適合熱圖展示
  • 這種配置更適合創建專業的數據分析儀表盤

圖表2與圖表1的對比

特性基礎日歷圖（圖表1）高級日歷圖（圖表2）
標題位置默認位置頂部居中（pos_top=“30”, pos_left=“center”）
日歷位置默認位置自定義邊距（pos_top=“120”, pos_left=“30”, pos_right=“30”）
年份標簽顯示隱藏（is_show=False）
顏色映射分段顯示（is_piecewise=True）連續漸變（is_piecewise=False）
適用場景基礎數據展示專業儀表盤、報告

圖表3：BoxPlot-基本示例（基礎箱線圖）

下面是一個基礎箱線圖的實現代碼，展示了兩組數據的分布情況：

from pyecharts import options as opts  # 導入pyecharts配置選項
from pyecharts.charts import Boxplot   # 導入箱線圖圖表類型# 準備數據，v1和v2分別代表兩組不同的數據系列
v1 = [[850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],  # 第一組數據[960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790],   # 第二組數據
]
v2 = [[890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920],   # 第三組數據[890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870],   # 第四組數據
]# 創建箱線圖實例
c = Boxplot()
c.add_xaxis(["expr1", "expr2"])  # 設置X軸數據
c.add_yaxis("A", c.prepare_data(v1))  # 添加Y軸數據系列A，注意需要使用prepare_data處理數據
c.add_yaxis("B", c.prepare_data(v2))  # 添加Y軸數據系列B，同樣需要使用prepare_data處理數據
c.set_global_opts(title_opts=opts.TitleOpts(title="BoxPlot-基本示例"))  # 設置圖表標題
#c.render("boxplot_base.html")  # 渲染到HTML文件（可選）
c.render_notebook()  # 在Jupyter Notebook中渲染

在這里插入圖片描述

代碼詳解

  1. 導入模塊：

    • pyecharts.options：用于配置圖表選項
    • pyecharts.charts.Boxplot：用于創建箱線圖

  2. 數據準備：

    • 準備了兩組數據v1和v2，每組數據又包含兩個子組
    • 這種嵌套列表的形式是箱線圖的數據要求格式

  3. 數據預處理：

    • 注意箱線圖需要使用prepare_data()方法預處理數據
    • 這是因為箱線圖需要計算每個數據組的最小值、第一四分位數、中位數、第三四分位數和最大值

  4. 創建圖表：

    • Boxplot()：創建箱線圖實例
    • `.add_xaxis([“expr1”, “expr2”])：設置X軸的分類標簽
    • .add_yaxis()：添加Y軸數據系列，可以添加多個系列進行對比
    • .set_global_opts()：設置全局選項，如標題等

📌 箱線圖關鍵點總結

  • 數據格式必須是嵌套列表，外層列表代表不同的數據系列，內層列表代表每個系列的數據點
  • 必須使用prepare_data()方法預處理數據，這是箱線圖的特殊要求
  • 箱線圖非常適合比較多組數據的分布特征和離散程度
  • 可以直觀地識別數據中的異常值（箱線圖中的"離群點"）

箱線圖核心參數解釋

參數說明示例
add_xaxis設置X軸的分類標簽`add_xaxis([“類別1”, “類別2”, “類別3”])
add_yaxis添加Y軸數據系列add_yaxis("系列名稱", data)
prepare_data預處理箱線圖數據，計算統計指標c.prepare_data(raw_data)
set_global_opts設置全局選項set_global_opts(title_opts=...)

圖表4：Boxplot & Scatter 組合圖表（高級箱線圖）

下面是一個高級箱線圖的實現代碼，展示了箱線圖與散點圖的組合使用，模擬了著名的邁克爾遜-莫雷實驗數據：

import pyecharts.options as opts 
from pyecharts.charts import Grid, Boxplot, Scatter y_data = [ [ 850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980, 930, 650, 760, 810, 1000, 1000, 960, 960, ], [ 960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790, 810, 880, 880, 830, 800, 790, 760, 800, ], [ 880, 880, 880, 860, 720, 720, 620, 860, 970, 950, 880, 910, 850, 870, 840, 840, 850, 840, 840, 840, ], [ 890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920, 890, 860, 880, 720, 840, 850, 850, 780, ], [ 890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870, 810, 740, 810, 940, 950, 800, 810, 870, ], 
] 
scatter_data = [650, 620, 720, 720, 950, 970] box_plot = Boxplot() box_plot = ( box_plot.add_xaxis(xaxis_data=["expr 0", "expr 1", "expr 2", "expr 3", "expr 4"]) .add_yaxis(series_name="", y_axis=box_plot.prepare_data(y_data)) .set_global_opts( title_opts=opts.TitleOpts( pos_left="center", title="Michelson-Morley Experiment" ), tooltip_opts=opts.TooltipOpts(trigger="item", axis_pointer_type="shadow"), xaxis_opts=opts.AxisOpts( type_="category", boundary_gap=True, splitarea_opts=opts.SplitAreaOpts(is_show=False), axislabel_opts=opts.LabelOpts(formatter="expr {value}"), splitline_opts=opts.SplitLineOpts(is_show=False), ), yaxis_opts=opts.AxisOpts( type_="value", name="km/s minus 299,000", splitarea_opts=opts.SplitAreaOpts( is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) ), ), ) .set_series_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}")) 
) scatter = ( Scatter() .add_xaxis(xaxis_data=["expr 0", "expr 1", "expr 2", "expr 3", "expr 4"]) .add_yaxis(series_name="", y_axis=scatter_data) .set_global_opts( title_opts=opts.TitleOpts( pos_left="10%", pos_top="90%", title="upper: Q3 + 1.5 * IQR \nlower: Q1 - 1.5 * IQR", title_textstyle_opts=opts.TextStyleOpts( border_color="#999", border_width=1, font_size=14 ), ), yaxis_opts=opts.AxisOpts( axislabel_opts=opts.LabelOpts(is_show=False), axistick_opts=opts.AxisTickOpts(is_show=False), ), ) 
) grid = ( Grid() .add( box_plot, grid_opts=opts.GridOpts(pos_left="10%", pos_right="10%", pos_bottom="15%"), ) .add( scatter, grid_opts=opts.GridOpts(pos_left="10%", pos_right="10%", pos_bottom="15%"), ) #.render("boxplot_light_velocity.html") 
) 
grid.render_notebook()

在這里插入圖片描述

代碼詳解

  1. 數據準備：

    • y_data：包含5組實驗數據，每組有20個數據點，模擬邁克爾遜-莫雷實驗的測量結果
    • scatter_data：一組特殊的散點數據，用于在圖表上標記特定點（如異常值或參考點）

  2. 創建箱線圖：

    • 使用Boxplot()創建箱線圖實例
    • 添加X軸數據，對應5個實驗表達式
    • 使用prepare_data()方法預處理箱線圖數據
    • 配置全局選項，包括標題、提示框、坐標軸樣式等
    • 設置Y軸名稱為"km/s minus 299,000"，符合物理學實驗的表示習慣

  3. 創建散點圖：

    • 使用Scatter()創建散點圖實例
    • 添加相同的X軸數據
    • 添加scatter_data作為Y軸數據
    • 配置散點圖的標題，解釋箱線圖的異常值判斷標準
    • 隱藏Y軸的標簽和刻度，避免與箱線圖的Y軸重復

  4. 組合圖表：

    • 使用Grid()組件將箱線圖和散點圖組合在同一個畫布上
    • 通過grid_opts設置相同的網格選項，確保兩個圖表對齊
    • 散點圖會顯示在箱線圖的上方，兩者共享同一坐標系

📌 組合圖表關鍵點總結

  • Grid()組件是pyecharts中組合多個圖表的強大工具
  • 可以通過pos_left、pos_right、pos_bottom等參數精確控制圖表位置
  • 箱線圖與散點圖組合可以同時展示數據分布和特定點標記
  • SplitAreaOpts參數可以設置Y軸的分隔區域，增強可讀性
  • 散點圖的坐標軸選項可以獨立配置，如隱藏標簽和刻度

組合圖表的優勢

這種箱線圖與散點圖的組合有以下優勢：

  1. 多層次信息展示：同時展示數據的整體分布特征和特定數據點
  2. 異常值可視化：可以清晰地標記和解釋異常值的判斷標準
  3. 增強可讀性：通過網格布局和分隔區域，使復雜數據更加直觀易懂
  4. 專業數據分析：適合科學實驗、統計分析等專業場景

圖表5：多類別箱線圖（自定義提示框）

下面是一個多類別箱線圖的實現代碼，展示了如何添加多個數據系列并自定義提示框內容：

from pyecharts import options as opts
from pyecharts.charts import Boxplot
from pyecharts.commons.utils import JsCode# 省略數據字典(Boxplot().add_xaxis(xaxis_data=axis_data).add_yaxis(series_name="category0",y_axis=data[0]["boxData"],tooltip_opts=opts.TooltipOpts(formatter=JsCode("""function(param) { return ['Experiment ' + param.name + ': ','upper: ' + param.data[0],'Q1: ' + param.data[1],'median: ' + param.data[2],'Q3: ' + param.data[3],'lower: ' + param.data[4]].join('<br/>') }""")),).add_yaxis(series_name="category1",y_axis=data[1]["boxData"],tooltip_opts=opts.TooltipOpts(formatter=JsCode("""function(param) { return ['Experiment ' + param.name + ': ','upper: ' + param.data[0],'Q1: ' + param.data[1],'median: ' + param.data[2],'Q3: ' + param.data[3],'lower: ' + param.data[4]].join('<br/>') }""")),).add_yaxis(series_name="category2",y_axis=data[2]["boxData"],tooltip_opts=opts.TooltipOpts(formatter=JsCode("""function(param) { return ['Experiment ' + param.name + ': ','upper: ' + param.data[0],'Q1: ' + param.data[1],'median: ' + param.data[2],'Q3: ' + param.data[3],'lower: ' + param.data[4]].join('<br/>') }""")),).set_global_opts(title_opts=opts.TitleOpts(title="Multiple Categories", pos_left="center"),legend_opts=opts.LegendOpts(pos_top="3%"),tooltip_opts=opts.TooltipOpts(trigger="item", axis_pointer_type="shadow"),xaxis_opts=opts.AxisOpts(name_gap=30,boundary_gap=True,splitarea_opts=opts.SplitAreaOpts(areastyle_opts=opts.AreaStyleOpts(opacity=1)),axislabel_opts=opts.LabelOpts(formatter="expr {value}"),splitline_opts=opts.SplitLineOpts(is_show=False),),yaxis_opts=opts.AxisOpts(type_="value",min_=-400,max_=600,splitarea_opts=opts.SplitAreaOpts(is_show=False),),datazoom_opts=[opts.DataZoomOpts(type_="inside", range_start=0, range_end=20),opts.DataZoomOpts(type_="slider", xaxis_index=0, is_show=True),],)#.render("multiple_categories.html").render_notebook()
)

在這里插入圖片描述

代碼詳解

  1. 數據準備：

    • axis_data：X軸的分類標簽
    • data：包含三個類別的數據字典，每個類別包含箱線圖所需的統計數據
    • 每個箱線圖數據點格式為[upper, Q1, median, Q3, lower]，對應箱線圖的五個關鍵統計量

  2. 自定義提示框：

    • 使用JsCode自定義提示框格式，展示箱線圖的五個關鍵統計量
    • 提示框內容使用HTML格式，通過<br/>實現換行
    • 這種自定義格式使數據解讀更加直觀，用戶可以清晰看到每個實驗的統計指標

  3. 多系列添加：

    • 通過三次調用add_yaxis方法添加三個數據系列
    • 每個系列使用不同的類別名稱和對應的數據
    • 每個系列都應用了相同的自定義提示框格式

  4. 全局配置：

    • 設置標題居中顯示
    • 圖例放置在頂部3%的位置
    • X軸設置了分隔區域，增強可讀性
    • 添加數據縮放功能，支持內部縮放和滑塊縮放兩種模式
    • Y軸設置了固定的取值范圍，確保圖表展示效果

📌 多類別箱線圖關鍵點總結

  • 使用JsCode可以高度自定義提示框內容，滿足專業數據展示需求
  • 多系列箱線圖通過多次調用add_yaxis實現，適合多組數據對比
  • datazoom_opts參數為圖表添加交互縮放功能，提升用戶體驗
  • 數據格式可以靈活定義為字典結構，便于管理多個類別的數據
  • boundary_gap參數控制坐標軸兩側留白，影響圖表視覺效果

自定義提示框的優勢

自定義提示框為數據可視化帶來以下優勢：

  1. 信息豐富度：可以展示比默認提示框更多的統計信息
  2. 可讀性：通過格式化排版，使數據更加易于理解
  3. 專業性：展示專業統計指標，滿足高級數據分析需求
  4. 交互體驗：鼠標懸停時提供詳細數據解讀，增強用戶交互體驗

后續將繼續添加更多圖表的實現，包括分組箱線圖和自定義箱線圖等。請繼續關注本博客，獲取更多pyecharts可視化技巧！

常見問題解答

? 日歷圖數據格式有什么要求？

日歷圖要求數據格式為[日期字符串, 數值]的列表，日期字符串需要是YYYY-MM-DD格式。例如：

data = [["2023-01-01", 1500], ["2023-01-02", 2000], ...]

? 如何更改日歷圖的顏色主題？

可以通過VisualMapOpts中的range_color參數自定義顏色：

visualmap_opts=opts.VisualMapOpts(range_color=["#e6f7ff", "#bae7ff", "#91d5ff", "#69c0ff", "#40a9ff"],# 其他配置...
)

? 日歷圖支持哪些交互功能？

日歷圖支持鼠標懸停顯示詳細信息，點擊日期高亮等交互功能。可以通過tooltip_opts自定義提示框內容。

💡 專業建議：數據可視化的核心是傳遞信息而非炫技。根據數據特點和展示需求選擇合適的圖表類型，才能讓數據故事更清晰易懂。

總結與展望

通過本教程，我們系統學習了如何使用pyecharts創建五種實用的日歷圖和箱線圖可視化圖表，從基礎到進階，全面掌握了這兩種圖表類型的核心功能和高級應用。

核心收獲

  1. 日歷圖應用：掌握了基礎日歷圖和高級日歷熱圖的實現方法，學會了通過位置調整、顏色映射和標簽控制來優化視覺效果

  2. 箱線圖技術：從基礎箱線圖到多類別箱線圖，再到與散點圖的組合應用，全面理解了箱線圖在數據分布分析中的強大功能

  3. 高級技巧：學習了Grid組件的使用、自定義提示框、數據預處理等高級技巧，能夠創建更加專業和個性化的可視化圖表

實用建議
  • 數據準備：日歷圖需要嚴格的日期格式數據，箱線圖需要特定的嵌套列表結構，務必注意數據格式要求
  • 視覺優化：合理使用位置參數、顏色映射和標簽控制，可以顯著提升圖表的可讀性和專業感
  • 組合應用：嘗試將不同圖表類型組合使用，如箱線圖與散點圖的組合，能夠展示更豐富的數據分析維度
進階方向
  1. 探索更多pyecharts組件（如Tab、Timeline）與日歷圖/箱線圖的結合應用
  2. 學習pyecharts的主題定制功能，創建符合特定品牌風格的可視化圖表
  3. 研究大數據量下的圖表性能優化技巧
  4. 結合實際業務場景，開發更復雜的交互式數據儀表盤

希望本教程能夠幫助您更好地掌握pyecharts的日歷圖和箱線圖可視化技術，為您的數據可視化工作提供有力支持！

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/diannao/97689.shtml
繁體地址，請注明出處：http://hk.pswp.cn/diannao/97689.shtml
英文地址，請注明出處：http://en.pswp.cn/diannao/97689.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

在本地獲取下載chrome，然后離線搬運到 ECS

在本地獲取下載chrome，然后離線搬運到 ECS

場景&#xff1a; 阿里云 ECS 無Y網&#xff0c;無法直接拉取 storage.googleapis.com。因此需先在本地里拿到直鏈并下載&#xff0c;再上傳到 ECS。 注&#xff1a; 這個鏈接是顯示近期的幾個版本 https://googlechromelabs.github.io/chrome-for-testing/ 這個鏈接是所有版…
閱讀更多...
小土堆目標檢測筆記

小土堆目標檢測筆記

文章目錄1 什么是目標檢測2 目標檢測常見的數據集2.1 目標檢測數據集2.2 目標檢測數據集的標注2.3 目標檢測工具介紹3 數據集的標注3.1 VOC數據集標注3.2 加載數據集1 什么是目標檢測 希望計算機在視頻或圖像中定位并識別我們感興趣的目標 定位&#xff1a;找到目標在圖像中的…
閱讀更多...
Linux內核內存管理系列博客教程學習規劃

Linux內核內存管理系列博客教程學習規劃

&#x1f4da; 系列總體目標 幫助讀者系統理解Linux內核內存管理機制&#xff0c;從基礎概念到核心實現&#xff0c;最終能參與內核內存相關開發。&#x1f4c5; 系列大綱&#xff08;共20篇博文&#xff09; 第一部分&#xff1a;基礎概念篇&#xff08;4篇&#xff09;Linux內…
閱讀更多...
2025應屆生求職指南：掌握這些新興技能提升競爭力

2025應屆生求職指南：掌握這些新興技能提升競爭力

2025應屆生求職指南&#xff1a;掌握這些新興技能提升競爭力2025-09-01 21:29:35在當前就業市場競爭日益激烈的背景下&#xff0c;2025屆應屆生既面臨挑戰&#xff0c;也迎來新的發展機遇。科技不斷進步與行業變革推動了人才需求結構的變化&#xff0c;掌握一些新興技能已成為提…
閱讀更多...
DevOps篇之Jenkins實現k8s集群版本發布以及版本管理

DevOps篇之Jenkins實現k8s集群版本發布以及版本管理

設計思路 通過Jenkins 實現 Kubernetes 集群的版本發布和版本管理。并且利用Jenkins實現多集群 K8s 發布。首先需要了解Helm 的應用場景&#xff0c;以及 GitLab 中配置多集群 KUBECONFIG 等問題。現在工具采用 Jenkins&#xff0c;所以需要重點放在 Jenkins 與 K8s 的集成上&a…
閱讀更多...
AI 智能體架構中的協議設計三部曲：MCP → A2A → AG-UI

AI 智能體架構中的協議設計三部曲：MCP → A2A → AG-UI

AI 智能體應用在企業實際落地越來越多&#xff0c;一個完整的 AI 智能體應用系統通常包含三個主要角色&#xff1a;用戶、AI 智能體和外部工具。AI 智能體架構設計的核心任務之一&#xff0c;就是解決這三個角色之間的溝通問題。 這三個角色的溝通&#xff0c;涉及到&#xff1…
閱讀更多...
Unity6最新零基礎入門（知識點復習包含案例）NO.2——Unity6下載與安裝（超詳細）

Unity6最新零基礎入門（知識點復習包含案例）NO.2——Unity6下載與安裝（超詳細）

前言 隨著 Unity 6 版本的推出&#xff0c;全新的功能與優化為開發者帶來了更高效的創作體驗。不過&#xff0c;在真正開始揮灑創意之前&#xff0c;掌握 Unity Hub 的安裝、版本的選擇以及 Unity 6 的正確安裝方法是至關重要的基礎。本文將圍繞這些核心步驟展開&#xff0c;為…
閱讀更多...
【開題答辯全過程】以 健身愛好者飲食管理小程序為例，包含答辯的問題和答案

【開題答辯全過程】以 健身愛好者飲食管理小程序為例，包含答辯的問題和答案

個人簡介一名14年經驗的資深畢設內行人&#xff0c;語言擅長Java、php、微信小程序、Python、Golang、安卓Android等開發項目包括大數據、深度學習、網站、小程序、安卓、算法。平常會做一些項目定制化開發、代碼講解、答辯教學、文檔編寫、也懂一些降重方面的技巧。感謝大家的…
閱讀更多...
基于JavaScript的智能合約平臺（Agoric）

基于JavaScript的智能合約平臺（Agoric）

Agoric通過對象能力模型提升安全性&#xff0c;被用于去中心化金融&#xff08;DeFi&#xff09;衍生品開發。通過簡化開發流程和增強安全性&#xff0c;推動去中心化應用&#xff08;DApps&#xff09;的大規模落地。Agoric成立于2018年&#xff0c;由斯坦福大學校友Mark Mill…
閱讀更多...
mysql實例是什么?

mysql實例是什么?

在 ??MySQL?? 的語境中&#xff0c;??“MySQL 實例”&#xff08;MySQL Instance&#xff09;?? 是指&#xff1a;??一個正在運行的 MySQL 服務進程及其所管理的獨立數據庫環境&#xff0c;包括內存結構、后臺線程、配置參數、數據文件等。一個 MySQL 實例可以管理一…
閱讀更多...
別再說AppInventor2只能開發安卓了！蘋果iOS現已支持！

別再說AppInventor2只能開發安卓了！蘋果iOS現已支持！

AppInventor2中文網&#xff08;https://www.fun123.cn&#xff09;已完成v2.76版本升級。 AI伴侶升級至v2.76&#xff0c;Android SDK由34升級至35&#xff0c;安卓版本由14升級至15。已支持安卓15&#xff01; 重磅升級&#xff01;&#xff01;支持蘋果iOS編譯及上架…
閱讀更多...
2025 批量下載雪球和東方財富帖子和文章導出excel和pdf

2025 批量下載雪球和東方財富帖子和文章導出excel和pdf

之前分享過雪球下載 2025年如何批量下載雪球帖子和文章導出pdf&#xff1f;&#xff0c;今天再整理分享下最新雪球和東方財富文章導出excel和pdf 以雪球這個號為例 下載的所有帖子文章內容html&#xff1a; 然后用我開發的工具批量轉換為pdf 2025 更新版&#xff1a;蘇生不…
閱讀更多...
JavaEE 初階第十八期：叩開網絡世界的大門

JavaEE 初階第十八期：叩開網絡世界的大門

專欄&#xff1a;JavaEE初階起飛計劃 個人主頁&#xff1a;手握風云 目錄 一、網絡發展史 1.1. 獨立模式 1.2. 網絡互連 二、網絡分類 2.1. 局域網 2.2. 廣域網 三、IP地址 3.1. 概念 3.2. 格式 四、端口號 4.1. 概念 4.2. 格式 五、協議 5.1. 概念 5.2. 作用 …
閱讀更多...
SOME/IP-SD中IPv4 SD端點選項詳解

SOME/IP-SD中IPv4 SD端點選項詳解

<摘要> 本解析圍繞IPv4 SD端點選項在AUTOSAR AP R22-11規范中的定義與應用展開。該選項是SOME/IP服務發現&#xff08;SD&#xff09;協議中的關鍵字段&#xff0c;用于在網絡地址不可達或變化的場景下&#xff08;如經NAT網關或使用多宿主設備時&#xff09;&#xff0c…
閱讀更多...
.NET 8 集成 JWT Bearer Token

.NET 8 集成 JWT Bearer Token

注意&#xff1a;這是一種非常簡單且不是最低限度安全的設置 JWT 的方法。步驟 1——安裝軟件包首先&#xff0c;您需要安裝一些 NuGet 包。dotnet add package Microsoft.AspCore.Authentication.JwtBearer dotnet add package System.IdentityModel.Tokens.Jwt步驟 2——創建…
閱讀更多...
模型匯總-數學建模

模型匯總-數學建模

一、優化模型1.線性規劃線性規劃&#xff08;Linear Programming, LP&#xff09;是一種數學優化方法&#xff0c;用于在給定的線性約束條件下&#xff0c;找到線性目標函數的最大值或最小值。它是運籌學中最常用的方法之一。線性規劃的標準形式最大化問題標準形式&#xff1a;…
閱讀更多...
2025年09月計算機二級MySQL選擇題每日一練——第十二期

2025年09月計算機二級MySQL選擇題每日一練——第十二期

計算機二級中選擇題是非常重要的&#xff0c;本期是這個系列的最后一期了&#xff01; 答案及解析將在末尾公布&#xff01; 今日主題&#xff1a;綜合應用進階 1、設有如下創建表的語句&#xff1a; CREATE TABLE tb_test( ID INT NOT NULL PRIMARY KEY, sno CHAR(10) NOT …
閱讀更多...
計組（2）CPU與指令

計組（2）CPU與指令

一、總體認識CPU1、軟硬件角度CPU&#xff0c;全稱就是中央處理器。從硬件上來說&#xff0c;CPU是一個超大規模集成電路&#xff0c;通過電路實現加法、乘法乃至各種各樣的處理邏輯。從軟件來說&#xff0c;CPU就是一個執行各種計算機指令的邏輯機器。2、計算機指令所謂的計算…
閱讀更多...
用Java讓家政服務觸手可及

用Java讓家政服務觸手可及

家政服務不僅僅包括日常保潔&#xff0c;隨著社會的發展&#xff0c;從日常保潔、衣物清潔到家電維修、月嫂保姆&#xff0c;家政服務的場景越發多元。用戶不僅追求服務的 “專業度”&#xff0c;更看重 “便捷性”—— 能否快速找到服務、預約服務、了解服務效果&#xff1f;上…
閱讀更多...
Python OpenCV圖像處理與深度學習：Python OpenCV特征檢測入門

Python OpenCV圖像處理與深度學習：Python OpenCV特征檢測入門

特征檢測與描述&#xff1a;探索圖像中的關鍵點 學習目標 通過本課程&#xff0c;學員們將掌握特征檢測的基本概念&#xff0c;了解如何使用OpenCV庫中的SIFT和SURF算法進行特征點檢測和特征描述符的計算。實驗將通過理論講解與實踐操作相結合的方式&#xff0c;幫助學員深入理…
閱讀更多...
最新文章

Copyright @ 2022~2023