Python数据可视化神器--pyecharts 快速入门

matplotlibpyechartsEcharts

Echarts 是百度开源的一个数据可视化 JS 库，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 就诞生了。

pyecharts

:sparkles: 特性

• 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
• 囊括了 30+ 种常见图表，应有尽有
• 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
• 可轻松集成至 Flask，Django 等主流 Web 框架
• 高度灵活的配置项，可轻松搭配出精美的图表
• 详细的文档和示例，帮助开发者更快的上手项目
• 多达 400+ 地图，为地理数据可视化提供强有力的支持

:sparkles: 安装

 1pip install pyecharts 复制代码

注意：pyecharts 共有两个版本，v0.5.X 和 V1.0.X 间完全不兼容，且v0.5.X版本作者已经不维护了，请使用V1.0.X

Bar：柱状图/条形图

柱状图对应的模块是 Bar 除此之外可以设置全局配置和系列配置项。配置项都是基于 options

示例代码：

 1# coding: utf-8  2from example.commons import Faker  3from pyecharts import options as opts  4from pyecharts.charts import Bar  5  6def bar_base():  7  8    bar = Bar(init_opts=opts.InitOpts(page_title="bar页面"))  # 设置html页面标题  9    # bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])  # 设置x轴的参数 10 11    bar.add_xaxis(Faker.choose()) 12    bar.add_yaxis("A", Faker.values()) 13    bar.add_yaxis("B", Faker.values()) 14 15    # 设置全局配置项，可选 16    bar.set_global_opts(opts.TitleOpts(title="主标题", subtitle="副标题")) 17    # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件 18    bar.render("bar.html")  # 也可以自己指定文件名 19 20if __name__ == "__main__": 21    bar_base() 复制代码

”bar.html“

bar.html

、

生成的页面支持-点击取消显示某 Series

只显示A

除了上述的使用方法之外，pyecharts 所有方法均支持链式调用！

翻转XY轴

代码如下：

 1 def bar_reversal_axis() -> Bar:  2  3    # pyecharts 所有方法均支持链式调用。  4    c = (  5        Bar(init_opts=opts.InitOpts(page_title="bar页面"))  6        .add_xaxis(Faker.choose())  7        .add_yaxis("商家A", Faker.values())  8        .add_yaxis("商家B", Faker.values())  9        .reversal_axis() 10        .set_global_opts(toolbox_opts=opts.ToolboxOpts())  # 设置工具箱配置项 11        .set_series_opts(label_opts=opts.LabelOpts(position="right"))  # 系列配置项 12        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴"))  # 全局配置项 13    ) 14    return c 15 16 17if __name__ == "__main__": 18    bar_reversal_axis().render("bar.html") 复制代码

效果图如下：

翻转 XY 轴

部分堆叠数据

同个类目轴上系列配置相同的 stack 值可以堆叠放置

例如堆叠放置A，B的代码如下：

部分堆叠数据

区域缩放配置项

 1 def bar_datazoom_slider() -> Bar:  2    c = (  3        Bar(init_opts=opts.InitOpts(page_title="bar页面"))  4        .add_xaxis(Faker.days_attrs)  5        .add_yaxis("商家A", Faker.days_values)  6        .set_global_opts(  7            title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-水平）"),  8            datazoom_opts=[opts.DataZoomOpts(type_="slider",)]  9        ) 10    ) 11    return c 复制代码

效果图如下：

区域缩放配置

DataZoomOpts

源码

其中，主要用到的参数含义如下：

 1 type_: str = "slider",  # 组件类型，可选 "slider", "inside" 2 # 拖动时，是否实时更新系列的视图。如果设置为 false，则只在拖拽结束的时候更新。 3 is_realtime: bool = True, 4 5 # 布局方式是横还是竖。可选值为：'horizontal', 'vertical' 6 orient: str = "horizontal", 复制代码

知道参数的含义后我们可以来试试效果

orientvertical

效果图如下:

HeatMap：热力图

热力图主要通过颜色去表现数值的大小，必须要配合 visualMap 组件使用。 直角坐标系上必须要使用两个类目轴。

add_yaxis

 i 1def add_yaxis(  2    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。  3    series_name: str,  4  5    # Y 坐标轴数据  6    yaxis_data: Sequence,  7  8    # 系列数据项  9    value: Sequence, 10 11    # 是否选中图例 12    is_selected: bool = True, 13 14    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。 15    xaxis_index: Optional[Numeric] = None, 16 17    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。 18    yaxis_index: Optional[Numeric] = None, 19 20    # 标签配置项，参考 `series_options.LabelOpts` 21    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(), 22 23    # 标记点配置项，参考 `series_options.MarkPointOpts` 24    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None, 25 26    # 标记线配置项，参考 `series_options.MarkLineOpts` 27    markline_opts: Union[opts.MarkLineOpts, dict, None] = None, 28 29    # 提示框组件配置项，参考 `series_options.TooltipOpts` 30    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None, 31 32    # 图元样式配置项，参考 `series_options.ItemStyleOpts` 33    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None, 34 35 复制代码

series_name， yaxis_data， value

 import random from example.commons import Faker from pyecharts import options as opts from pyecharts.charts import HeatMap   def heatmap_base() -> HeatMap:     value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]     c = (         HeatMap()         .add_xaxis(Faker.clock)         .add_yaxis("series", Faker.week, value)         .set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"),                          visualmap_opts=opts.VisualMapOpts(), )     )      return c   if __name__ == "__main__":     heatmap_base().render("heatMap.html") 复制代码

效果图如下：

热力图

WordCloud：词云图

add

 1 def add(  2    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。  3    series_name: str,  4  5    # 系列数据项，[(word1, count1), (word2, count2)]  6    data_pair: Sequence,  7  8    # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选  9    shape: str = "circle", 10 11    # 单词间隔 12    word_gap: Numeric = 20, 13 14    # 单词字体大小范围 15    word_size_range=None, 16 17    # 旋转单词角度 18    rotate_step: Numeric = 45, 19 20    # 提示框组件配置项，参考 `series_options.TooltipOpts` 21    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None, 22 23 复制代码

series_name， data_pair， shape

 # coding: utf-8 import random  from pyecharts.charts import WordCloud from pyecharts import options as opts  words = [     ("火箭", 10000),     ("勇士库里", 8888),     ("在你写这个教程之前，我已经会用了", 6181),     ("哈登", 6386),     ("金州拉文", 5055),     ("杜兰特", 6467),     ("戳眼", 2244),     ("NBA", 1868),     ("季后赛", 1484),     ("约老师", 1112),     ("利拉德", 865),     ("双卡双待", 847),     ("字母歌MVP", 5582),     ("卡哇伊", 555),     ("猛龙", 550),     ("大帝", 462),     ("西蒙斯不投三分", 366),     ("JB", 360),     ("科尔垃圾", 282),     ("格林公式", 273),     ("欧文", 2650), ]   def wordcloud_base() -> WordCloud:     c = (         WordCloud()         .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)         .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))     )     return c   if __name__ == "__main__":     wordcloud_base().render("wordCloud.html")  复制代码

效果图如下：

NBA词云图

保存为图片

前面我们讲的几种图形生成方法，最后都保存成 html文件，pyecharts 还提供了保存为图片的方式

snapshot_seleniumcheromdriver.exe

 1pip install snapshot_selenium 复制代码

示例代码如下：

 1 # coding: utf-8 2 import random 3 4 from pyecharts.charts import WordCloud 5 from pyecharts import options as opts 6 from snapshot_selenium import snapshot as driver 7 from pyecharts.render import make_snapshot 8 9 words = [ 10    ("火箭", 10000), 11    ("勇士库里", 8888), 12    ("在你写这个教程之前，我已经会用了", 6181), 13    ("哈登", 6386), 14    ("金州拉文", 5055), 15    ("杜兰特", 6467), 16    ("戳眼", 2244), 17    ("NBA", 1868), 18    ("季后赛", 1484), 19    ("约老师", 1112), 20    ("利拉德", 865), 21    ("双卡双待", 847), 22    ("字母歌MVP", 5582), 23    ("卡哇伊", 555), 24    ("猛龙", 550), 25    ("大帝", 462), 26    ("西蒙斯不投三分", 366), 27    ("JB", 360), 28    ("科尔垃圾", 282), 29    ("格林公式", 273), 30    ("欧文", 2650), 31] 32 33 34 def wordcloud_base() -> WordCloud: 35    c = ( 36        WordCloud() 37        .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10) 38        .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond")) 39    ) 40    return c 41 42 43 if __name__ == "__main__": 44    make_snapshot(driver, wordcloud_base().render(), "wordcloud.png") 45    # wordcloud_base().render("wordCloud.html") 复制代码

wordcloud.png

总结

1.根据自己想制作的图形，导入相关的包

2.进行图表的基础设置，创建图表对象

3.需要了解该图表对象下面的函数中参数的含义，及其使用方法

4.配置项主要是在 options中进行配置，有全局配置项和系列配置项，需要了解配置项下面对象含义使用方法

5.利用render()方法来报存图表

文章来源: https://blog.csdn.net/ajian6/article/details/91345019