AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

pyecharts包的简单使用

2023-09-03 94
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 第三方包使用

pyecharts简介

Pyecharts是一个Python的数据可视化库。 它基于ECharts，一个由百度开发的流行的JavaScript图表库。Pyecharts旨在为Python用户提供一种简便的方法来创建各种类型的交互式图表，包括折线图、柱状图、散点图、饼图、地图等。通过使用Pyecharts，用户可以使用Python编写代码来生成复杂的图表，并可以轻松地自定义图表的样式和布局。


pyecharts使用步骤

这里要安装python的第三方包pyecharts才可以使用，点开pycharm右下角的版本号，选择解释器设置，选择加号，搜索包名，点击安装，要是速度太慢，可以在安装选项上填上清华的镜像网站 ==https://pypi.tuna.tsinghua.edu.cn/simple==。

主要是两大步，一个是准备好数据，二是设置全局选项生成对应图像，运行对应的python代码后，会生成或者更新一个对应的html文件，打开这个对应的HTML文件就可以查看对应的图像了。


pyecharts三种图表简单使用

折线图

不多说直接上代码，基本都有注释滴

这里的数据来源是本地文件，JSON格式，需要将其转换成python的字典，这里只是展示如何使用，代码使用的数据需要自己准备。

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts

# 处理数据
f_us = open("D:/桌面/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()  # 读取其中全部内容

f_jp = open("D:/桌面/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()

f_in = open("D:/桌面/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read()

# 处理开头结尾的错误数据
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
us_data = us_data[:-2]

jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
jp_data = jp_data[:-2]

in_data = in_data.replace("jsonp_1629350745930_63180(", "")
in_data = in_data[:-2]

# JSON转换成python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)

# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']


# 获取日期数据
us_x_data = us_trend_data['updateDate'][:314]
# jp_x_data = jp_trend_data['updateDate'][:314]
# in_x_data = in_trend_data['updateDate'][:314]

# 获取确诊人数,只统计了一年
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]


# 生成图表
line = Line()

# 添加X轴数据,X轴表示时间，可以通用
line.add_xaxis(us_x_data)

# 添加Y轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))

# 配置全局选项
line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)


# 调用 render 方法生成图表
line.render()


# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()




点击运行后会生成一个html文件，打开这个文件在浏览器中即可查看图表


==图像展示==
image.png


地图-Map的简单使用

如果自己实在没有准备数据可以试着使用一下这个包 from pyecharts.faker import Fake

Faker包介绍：

Python Faker是一个Python库，用于生成各种类型的随机数据。它是一个用于模拟测试数据的工具，旨在帮助开发人员在开发和测试过程中快速生成虚拟的数据。 Faker包可以为许多不同领域的数据生成假数据，例如姓名、地址、电子邮件、手机号码、信用卡号、公司名称等等。

使用Python Faker可以方便地生成大量真实的测试数据，以便验证和测试软件应用程序的功能。

直接上代码

task1-全国

"""
地图可视化演示
"""

from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.faker import Faker

# 准备地图对象
map = Map()

# 准备数据
data = [
    ("北京", 99),
    ("上海", 199),
    ("湖南", 299),
    ("台湾", 399),
    ("广东", 499),
]

# map添加数据
map.add("测试地图", [
    ("北京市", 99),
    ("上海市", 199),
    ("湖南省", 299),
    ("香港特别行政区", 499)
], "china")

# 设置全局选项
map.set_global_opts(
    title_opts=opts.TitleOpts(title="测试地图"),
    visualmap_opts=opts.VisualMapOpts(
        is_piecewise=True,
        pieces=[
            {
   
   "min": 1, "max": 9, "label": "1-9", "color": "#CCFFFF"},
            {
   
   "min": 10, "max": 99, "label": "10-99", "color": "#FF6666"},
            {
   
   "min": 100, "max": 500, "label": "100-500", "color": "#990033"},
        ]
    )
)

# 绘图生成，这里可以指定生成html文件的名称
map.render("测试地图.html")

这里有个特别要注意的点，==省份要写全名==，比如湖南省可以，湖南不可以，香港特别行政区可以，香港不行，广西壮族自治区可以，广西不可以。
这个小BUG烦了我好一会，但是有些说不写全名也行，==可能是版本不一样吧==。

==图像展示==

image.png


task2-全国

"""
全国疫情可视化地图开发
"""

import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件数据
f = open("D:/桌面/疫情.txt", "r", encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()

# 取到各省的数据,将JSON字符串转换成python的字典
data_dict = json.loads(data)

# 从字典取出省份的数据列表
province_data_list = data_dict['areaTree'][0]['children']

# 地图上的省份需要写全名，将直辖市和特别行政区单独处理

# 绘图使用的数据列表
data_list = []

# 将数据每个省份和确诊人数组装成元组，将其封装到列表中
for province_data in province_data_list:
    province_name = province_data['name']     # 省份名称

    if province_name == '北京' or province_name == '天津' or province_name == '上海' or province_name == '重庆':
        province_name += "市"
    elif province_name == '香港' or province_name == '澳门':
        province_name += '特别行政区'
    elif province_name == '新疆':
        province_name = '新疆维吾尔自治区'
    elif province_name == '西藏':
        province_name = '西藏自治区'
    elif province_name == '广西':
        province_name = '广西壮族自治区'
    elif province_name == '宁夏':
        province_name = '宁夏回族自治区'
    elif province_name == '内蒙古':
        province_name = '内蒙古自治区'
    else:
        province_name += '省'

    province_confirm = province_data['total']['confirm']    # 确诊人数
    data_list.append((province_name, province_confirm))

print(data_list)

# 创建地图对象
map_ch = Map()

# 添加数据
map_ch.add("各省份确诊人数", data_list, "china")

# 配置全局选项
map_ch.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,             # 是否显示
        is_piecewise=True,        # 是否分段
        pieces=[
            {
   
   "min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {
   
   "min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
            {
   
   "min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {
   
   "min": 5000, "max": 9999, "label": "5000~9999人", "color": "#FF6666"},
            {
   
   "min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {
   
   "min": 100000,  "label": "100000+人", "color": "#990033"},
        ]
    )
)


# 生成图表
map_ch.render("全国疫情地图.html")


==图像展示==


image.png

task3-省份

"""
河南省疫情地图
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件
f = open("D:/桌面/疫情.txt", "r", encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()

# 获取河南省数据,将JSON数据转换成PYTHON字典
data_dict = json.loads(data)
cities_data = data_dict['areaTree'][0]['children'][3]['children']

# 将数据组装成元组
data_list = []
for city_data in cities_data:
    city_name = city_data['name'] + '市'
    city_confirm = city_data['total']['confirm']
    data_list.append((city_name, city_confirm))

# 手动添加济源市数据
data_list.append(("济源市", 5))

# 构建地图
map = Map()
map.add("河南省疫情分布", data_list, "河南")

# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,             # 是否显示
        is_piecewise=True,        # 是否分段
        pieces=[
            {
   
   "min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {
   
   "min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
            {
   
   "min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {
   
   "min": 5000, "max": 9999, "label": "5000~9999人", "color": "#FF6666"},
            {
   
   "min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {
   
   "min": 100000,  "label": "100000+人", "color": "#990033"},
        ]
    )
)

# 绘图
map.render("河南省疫情地图.html")


==图像展示==


image.png


柱状图


基础柱状图


"""
柱状图的开发
"""

from pyecharts.charts import Bar
from pyecharts.options import LabelOpts

# 使用Bar构建基础柱状图
bar = Bar()

# 添加X轴和Y轴的数据
bar.add_xaxis(['中国', '美国', '英国'])
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))

# 反转x,y轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")


==图像展示==

image.png


带时间线的柱状图


""""
时间线柱状图绘制
"""
from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

# 使用Bar构建基础柱状图
bar1 = Bar()
# 添加X轴和Y轴的数据
bar1.add_xaxis(['中国', '美国', '英国'])
bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))
# 反转x,y轴
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(['中国', '美国', '英国'])
bar2.add_yaxis("GDP", [56, 32, 25], label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(['中国', '美国', '英国'])
bar3.add_yaxis("GDP", [98, 85, 56], label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象,主题设置
timeline = Timeline({
   
   "Theme": ThemeType.WONDERLAND})

# 在时间线对象添加柱状图对象
timeline.add(bar1, "点1")
timeline.add(bar2, "点2")
timeline.add(bar3, "点3")

# 设置自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)

# 绘图,时间线对象绘图，而不是bar对象绘图
timeline.render("基础时间线对象图.html")


==图像展示==
image.png


动态酷炫时间线柱状图


"""
d动态GDP柱状图绘制
"""

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("D:/桌面/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
data_lines = f.readlines()

# 关闭文件
f.close()

# 删除无用数据
data_lines.pop(0)

# 将数据转换成字典储存，格式为：
# {年份: [[国家, GDP], [国家, GDP], [国家, GDP]]..., 年份: [[国家, GDP], [国家, GDP], [国家, GDP]]...}
# 定义字典对象
data_dict = {
   
   }

for line in data_lines:
    year = int(line.split(",")[0])  # 年份
    country = line.split(",")[1]  # 国家
    gdp = float(line.split(",")[2])  # GDP数据

    # 如何判断字典有没有指定的key,通过异常来操作
    try:
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])


# 创建时间线对象
timeline = Timeline({
   
   "theme": ThemeType.LIGHT})

# 排序不同年份
sorted_year_list = sorted(data_dict.keys())

# 找出每一年GDP排名的前八位
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1], reverse=True)

    # 取出前八名
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []

    for country_gdp in year_data:
        x_data.append(country_gdp[0])  # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)  # y轴添加GDP

    # 构建柱状图对象
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))
    # 反转x,y轴
    bar.reversal_axis()

    # 设置每年图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前八GDP数据")
    )

    timeline.add(bar, str(year))

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)

# 绘图，输出
timeline.render("1960-2019全球GDP前八国家排名.html")


==图像展示==
image.png



还往后看，已经没辣

其他更多精彩内容可以去看这两个网站，关于数据可视化库的更多内容

pycharts库主页
gallery-pycharts各图表使用示例教程

文章标签：
云数据库 ClickHouse
Python
数据可视化
定位技术
JavaScript
JSON
筠曦
目录
相关文章
Python编程
|
6月前
|
Python
python中导入模块/包的几种方式
python中导入模块/包的几种方式
Python编程
75 0
阿甘兄
|
Python
89 python高级 - import导入模块
89 python高级 - import导入模块
阿甘兄
48 0
梦无矶小仔
|
监控 Java Shell
基于python+uiautomator2，2020.12月最新库的使用方法，更新watcher使用方法（三)
WatchContext，目前的这个watch_context是用threading启动的，每2s检查一次 目前还只有click这一种触发操作
梦无矶小仔
1411 0
WK
|
3月前
|
Python
如何在Python中导入包
在 Python 中，包是一种组织代码的方式，通过包含 `__init__.py` 文件（在 Python 3.3 及以上版本可选）的目录实现。包内可以包含多个模块（`.py` 文件）和其他子包。导入包有多种方式：整体导入包、导入特定模块、导入特定函数或类、导入子包等。推荐的做法是明确指定导入内容以提高代码的可读性和可维护性。此外，确保包目录结构正确，并将其添加到 Python 的搜索路径中。对于分发包，使用 setuptools 和 pip 等工具更为便捷。
WK
127 66
椰椰椰耶
|
1月前
|
自然语言处理 搜索推荐 程序员
【Python】如何使用pip，安装第三方库和生成二维码、操作Excel
【Python】如何使用pip，安装第三方库和生成二维码、操作Excel
椰椰椰耶
46 0
游客4egshivbqn3ei
|
5月前
|
数据可视化 定位技术 API
Python pyecharts 模块
Python pyecharts 模块
游客4egshivbqn3ei
91 4
Kevin_17
|
6月前
|
Python
[Python] 如何用import导入模块
[Python] 如何用import导入模块
Kevin_17
75 0
Maynor
|
6月前
|
定位技术 Python
Python的pyecharts安装，导入map、geo模块，画地图
Python的pyecharts安装，导入map、geo模块，画地图
Maynor
166 1
Mindtechnist
|
机器学习/深度学习 缓存 Python
Python中import模块导入的实现原理
Python中import模块导入的实现原理
Mindtechnist
82 0
过分的规定
|
Python
Python模块和包的基本使用
Python模块和包的基本使用
过分的规定
108 0