PyG2Plot 是一个可视化图表库在 Python3 上的输出实现。
安装
$ pip install pyg2plot
使用
from pyg2plot import __version__, Plot line = Plot("Line") line.set_options({ "data": [ { "year": "1991", "value": 3 }, { "year": "1992", "value": 4 }, { "year": "1993", "value": 3.5 }, { "year": "1994", "value": 5 }, { "year": "1995", "value": 4.9 }, { "year": "1996", "value": 6 }, { "year": "1997", "value": 7 }, { "year": "1998", "value": 9 }, { "year": "1999", "value": 13 }, ], "xField": "year", "yField": "value", }) line.render()
程序 API
目前只有简单的一个 API pyg2plot.
- Plot
-
Plot(plot_type: str): 生成一个 Plot 图的示例
-
plot.set_options(options: object): 设置 G2Plot 的配置项到图表实例中
-
plot.render(path, env, **kwargs): 通过设置路径， jinja2 env 和 kwargs 配置，渲染生成一个 html 文件
-
plot.render_html(env, **kwargs): 通过设置 jinja2 env 和 kwargs 配置，渲染生成一个 html 字符串，用于服务端直出
-
plot.dump_js_options(env, **kwargs): 生成 JavaScript 的 G2Plot options 字符串对象，用于 HTTP 接口More apis is on the way.
-
TensorFlow 图表计算强大而又复杂，图表可视化在理解和调试时显得非常有帮助。 下面是一个运作时的可式化例子。 "一个TensorFlow图表的可视化") 一个TensorFlow图表的可视化。 为了显示自己的图表，需将 TensorBoard 指向此工作的日志目录并运行，点击图表顶部窗格的标签页，然后在左上角的菜单中选择合适的运行。想要深入学习关于如何运行 TensorBoard 以及如何
-
TensorFlow 图表计算强大而又复杂，图表可视化在理解和调试时显得非常有帮助。 下面是一个运作时的可式化例子。 "一个TensorFlow图表的可视化") 一个TensorFlow图表的可视化。 为了显示自己的图表，需将 TensorBoard 指向此工作的日志目录并运行，点击图表顶部窗格的标签页，然后在左上角的菜单中选择合适的运行。想要深入学习关于如何运行 TensorBoard 以及如何
-
我知道使用可视化API很容易实现这一点，但除非我错过了一个关键点，否则不可能将可视化API库与UIApp一起使用？相比之下，Charts服务的功能似乎极其有限。 我在下面附上了一个图表创建代码的示例：
-
要创建可视化视图： 点击左侧导航栏的 Visualize 。 点击 Create new visualization 按钮或 + 按钮。 选择视图类型： 基础图形 Line, Area and Bar charts 在X/Y图中比较两个不同的序列。 Heat maps 使用矩阵的渐变单元格. Pie chart 显示每个来源的占比。 数据 Data table 显示一个组合聚合的原始数据。 Met
-
统计图表是最早的数据可视化形式之一，作为基本的可视化元素仍然被广泛的使用。对于很多复杂的大型可视化系统来说，这类图表更是作为基本的组成元素而不可或缺。同时，随着大数据可视化渲染技术的发展，涌现出很多优秀的开源图表库，例如ECharts、highcharts、LoongChart等，可制作更直观漂亮的图表。 表达内容 图表类型 描述 项目 柱状图/条形图（column/Bar） 表现多个类目数据的大
-
这种图表哪里有案例