python数据可视化神器--pyecharts 快速入门
2019-05-06 22:49
841 查看
前言
我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的。后来发现了 pyecharts 模块，简直好用到不行，可视化类型非常多，它是基于 Echarts 开发的。
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。
下面带大家快速了解 pyecharts 以及基本使用方法：
✨ 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
✨ 安装
1pip install pyecharts
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
示例数据
pyecharts 给我们提供了示例数据，后面的图表示例的数据均来自 Faker 类，Faker 类的定义如下：
1class Faker:
2 clothes = ["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]
3 drinks = ["可乐", "雪碧", "橙汁", "绿茶", "奶茶", "百威", "青岛"]
4 phones = ["小米", "三星", "华为", "苹果", "魅族", "VIVO", "OPPO"]
5 fruits = ["草莓", "芒果", "葡萄", "雪梨", "西瓜", "柠檬", "车厘子"]
6 animal = ["河马", "蟒蛇", "老虎", "大象", "兔子", "熊猫", "狮子"]
7 cars = ["宝马", "法拉利", "奔驰", "奥迪", "大众", "丰田", "特斯拉"]
8 dogs = ["哈士奇", "萨摩耶", "泰迪", "金毛", "牧羊犬", "吉娃娃", "柯基"]
9 week = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
10 week_en = "Saturday Friday Thursday Wednesday Tuesday Monday Sunday".split()
11 clock = (
12 "12a 1a 2a 3a 4a 5a 6a 7a 8a 9a 10a 11a 12p "
13 "1p 2p 3p 4p 5p 6p 7p 8p 9p 10p 11p".split()
14 )
15 visual_color = [
16 "#313695",
17 "#4575b4",
18 "#74add1",
19 "#abd9e9",
20 "#e0f3f8",
21 "#ffffbf",
22 "#fee090",
23 "#fdae61",
24 "#f46d43",
25 "#d73027",
26 "#a50026",
27 ]
28 months = ["{}月".format(i) for i in range(1, 13)]
29 provinces = ["广东", "北京", "上海", "江西", "湖南", "浙江", "江苏"]
30 guangdong_city = ["汕头市", "汕尾市", "揭阳市", "阳江市", "肇庆市", "广州市", "惠州市"]
31 country = [
32 "China",
33 "Canada",
34 "Brazil",
35 "Russia",
36 "United States",
37 "Africa",
38 "Germany",
39 ]
40 days_attrs = ["{}天".format(i) for i in range(30)]
41 days_values = [random.randint(1, 30) for _ in range(30)]
42
43 def choose(self) -> list:
44 return random.choice(
45 [
46 self.clothes,
47 self.drinks,
48 self.phones,
49 self.fruits,
50 self.animal,
51 self.dogs,
52 self.week,
53 ]
54 )
55
56 @staticmethod
57 def values(start: int = 20, end: int = 150) -> list:
58 return [random.randint(start, end) for _ in range(7)]
59
60 @staticmethod
61 def rand_color():
62 return random.choice(
63 [
64 "#c23531",
65 "#2f4554",
66 "#61a0a8",
67 "#d48265",
68 "#749f83",
69 "#ca8622",
70 "#bda29a",
71 "#6e7074",
72 "#546570",
73 "#c4ccd3",
74 "#f05b72",
75 "#444693",
76 "#726930",
77 "#b2d235",
78 "#6d8346",
79 "#ac6767",
80 "#1d953f",
81 "#6950a1",
82 ]
83 )
常用的图表类型
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()
运行代码后会在当前目录生成一个 ”bar.html“ 的文件，我们在浏览器中打开它。效果图如下：
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：
1def 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")
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：
1def bar_stack1() -> Bar:
2 c = (
3 Bar()
4 .add_xaxis(Faker.choose())
5
6 # 数据堆叠，同个类目轴上系列配置相同的 stack 值可以堆叠放置。
7 # stack: Optional[str] = None,
8 .add_yaxis("A", Faker.values(), stack="stack1")
9 .add_yaxis("B", Faker.values(), stack="stack1")
10 .add_yaxis("C", Faker.values())
11 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（部分）"))
13 )
14 return c
部分堆叠数据
区域缩放配置项
1def 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
效果图如下：
区域缩放配置
区域缩放配置项的设置方法在 DataZoomOpts 类中，我们可以点进去查看源码：
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'
6orient: str = "horizontal",
知道参数的含义后我们可以来试试效果
比如我们要将区域缩放布局改为竖，将 orient 定义为 vertical 即可，代码就不展示，可以自己动手试试！
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。
热力图使用的方法函数是 add_yaxis，下面是函数的用法说明：
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
其中series_name， yaxis_data， value 是三个必传参数
示例代码如下：
1import random
2from example.commons import Faker
3from pyecharts import options as opts
4from pyecharts.charts import HeatMap
5
6
7def heatmap_base() -> HeatMap:
8 value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
9 c = (
10 HeatMap()
11 .add_xaxis(Faker.clock)
12 .add_yaxis("series", Faker.week, value)
13 .set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"),
14 visualmap_opts=opts.VisualMapOpts(), )
15 )
16
17 return c
18
19
20if __name__ == "__main__":
21 heatmap_base().render("heatMap.html")
效果图如下：
热力图
WordCloud：词云图
词云图用的的方法函数是 add，使用方法如下：
1def 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
其中series_name， data_pair， shape 是三个必传参数
示例代码如下：
1from pyecharts.charts import WordCloud
2from pyecharts import options as opts
3
4words = [
5 ("火箭", 10000),
6 ("勇士库里", 8888),
7 ("在你写这个教程之前，我已经会用了", 6181),
8 ("哈登", 6386),
9 ("金州拉文", 5055),
10 ("杜兰特", 6467),
11 ("戳眼", 2244),
12 ("NBA", 1868),
13 ("季后赛", 1484),
14 ("约老师", 1112),
15 ("利拉德", 865),
16 ("双卡双待", 847),
17 ("字母歌MVP", 5582),
18 ("卡哇伊", 555),
19 ("猛龙", 550),
20 ("大帝", 462),
21 ("西蒙斯不投三分", 366),
22 ("JB", 360),
23 ("科尔垃圾", 282),
24 ("格林公式", 273),
25 ("欧文", 2650),
26]
27
28
29def wordcloud_base() -> WordCloud:
30 c = (
31 WordCloud()
32 .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)
33 .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))
34 )
35 return c
36
37
38if __name__ == "__main__":
39 wordcloud_base().render("wordCloud.html")
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
需要安装 snapshot_selenium，同时需要将浏览器驱动保存路径 cheromdriver.exe 加入到环境变量中
1pip install snapshot_selenium
示例代码如下：
1# coding: utf-8
2import random
3
4from pyecharts.charts import WordCloud
5from pyecharts import options as opts
6from snapshot_selenium import snapshot as driver
7from pyecharts.render import make_snapshot
8
9words = [
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
34def 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
43if __name__ == "__main__":
44 make_snapshot(driver, wordcloud_base().render(), "wordcloud.png")
45 # wordcloud_base().render("wordCloud.html")
最后会在当前目录生成一张 wordcloud.png 的图片
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
pyecharts 还有许多好玩的 3D图表 和 地图图表，由于篇幅有限，下篇将继续介绍 地图系玩法，欢迎关注！
下面是本人的公众号，里面有很多志同道合的朋友，欢迎关注学习加群
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- Python + PyEcharts制作可视化数据地图
- python pyecharts 库 数据可视化
- python的数据可视化库 matplotlib 和 pyecharts
- Python数据可视化利器Matplotlib，绘图入门篇，Pyplot介绍
- Python教程Matplotlib数据可视化入门篇
- python数据分析新手入门课程学习——（二）探索分析与可视化（来源：慕课网）
- 快速入门Python中文件读写IO是如何来操作外部数据的?
- Python快速入门(1）-变量和简单数据类型
- 读书笔记数据科学入门————Python快速入门
- python语法快速入门(基本数据类型，条件选择，循环)
- 22行代码（python）快速实现KNN及可视化（附数据下载链接）
- Python个人快速入门学习（三）Python中的基本数据类型
- d3.js:数据可视化利器之快速入门
- Python快速入门2--数据结构
- 如何快速入门python数据分析
- 数据结构与算法(Python)-Python快速入门篇3
- Py之pyecharts：python包之数据可视化包pyecharts详细攻略——Jason niu
- [python之数据分析] 基础篇1- Numpy，Scipy，Matplotlib 快速入门攻略
- Python数据可视化-Matplotlib学习笔记（1）--折线图为例画图入门
- 教程 | 5种快速易用的Python Matplotlib数据可视化方法