需要源码请点赞关注收藏后评论区留言私信~~~
一、pyecharts简介
pyecharts是基于Echart图表的一个类库，而Echart是百度开源的一个可视化JavaScript库
pyecharts主要基于web浏览器进行显示，绘制的图形比较多，包括折线图、柱状图、饼图、漏斗图、地图、极坐标图等，代码量很少，而且很灵活，绘制出来的图形很美观
使用pyecharts时，需要安装相应的库，安装命令为： pip install pyecharts
图形绘制过程，基本上所有的图表类型都是这样绘制的
chart_name = Type() 初始化具体类型图表
chart_name .add() 添加数据及配置项
chart_name .render() 生成本地文件（
html/svg/jpeg/png/pdf/gif） chart_name .render_notebook 在jupyter notebook中显示
二、pyechart常用图表
1 柱状图
利用Bar方法可以绘制柱状图。方法及说明见表8-1。
表8-1 Bar对象的主要方法及其说明
from pyecharts.charts import Bar from pyecharts import options as opts %matplotlib inline # V1 版本开始支持链式调用 bar = ( Bar() .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]) .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) .set_global_opts(title_opts = opts.TitleOpts(title = "某商场销售情况")) ) bar.render_notebook() #bar.render() 生成html
V1版本开始支持链式调用，如果不习惯链式调用的开发者依旧可以单独调用方法
使用多个add_yaxis可以绘制并列柱状图
from pyecharts.charts import Bar from pyecharts import options as opts %matplotlib inline bar = Bar() bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) bar.set_global_opts(title_opts = opts.TitleOpts(title = "货品销售情况",subtitle = "A和B公司")) bar.render_notebook()
利用bar.reversal_axis()可以绘制水平的直方图
%matplotlib inline bar = Bar() bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) bar.set_global_opts(title_opts=opts.TitleOpts(title="货品销售情况",subtitle = "A和B公司"),toolbox_opts = opts.ToolboxOpts(is_show = True)) bar.set_series_opts(label_opts=opts.LabelOpts(position = "right")) bar.reversal_axis() bar.render_notebook()
2 饼图
饼图常用于表现不同类别的占比情况。利用Pie方法可以绘制饼图
from pyecharts import options as opts from pyecharts.charts import Page, Pie L1=['教授','副教授','讲师','助教','其他'] num = [20,30,10,12,8] c = Pie() c.add("", [list(z) for z in zip(L1,num)]) c.set_global_opts(title_opts=opts.TitleOpts(title="Pie-职称类别比例")) c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) c.render_notebook()
通过参数圆形饼图radius可以绘制圆形饼图
from pyecharts import options as opts from pyecharts.charts import Page, Pie wd = ['教授','副教授','讲师','助教','其他'] num = [20,30,10,12,8] c = Pie() c.add("",[list(z) for z in zip(wd, num)],radius = ["40%", "75%"]) # 圆环的粗细和大小 c.set_global_opts( title_opts=opts.TitleOpts(title="Pie-Radius"),legend_opts=opts.LegendOpts( orient="vertical", pos_top="5%", pos_left="2%" )) c .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) c.render_notebook()
可以通过rich参数设置更多属性
c = Pie() c.add("",[list(z) for z in zip(wd, num)],radius=["40%", "55%"], label_opts=opts.LabelOpts(position="outside", formatter="{a|{a}}{abg|}\n{hr|}\n{b|{b}:}{c} {per|{d}%} ", background_color="#eee",border_color="#aaa", border_width=1,border_radius=4, rich={"a": {"color": "#999", "lineHeight": 22, "align": "center"},"abg": {"backgroundColor": "#e3e3e3","width": "100%", "align": "right", "height": 22,"borderRadius": [4, 4, 0, 0],}, "hr": {"borderColor": "#aaa", "width": "100%","borderWidth": 0.5, "height": 0,}, "b": {"fontSize": 16, "lineHeight": 33},"per": {"color": "#eee","backgroundColor": "#334455", "padding": [2, 4],"borderRadius": 2,} } )) c.set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例")) c.render_notebook()
玫瑰图绘制
from pyecharts import options as opts from pyecharts.charts import Page, Pie data = [45,86,39,52,68] labels = ['电脑','手机','彩电','冰箱','洗衣机'] c = Pie() c.add("",[list(z) for z in zip(labels, data)],radius=["40%", "55%"],center=[240,220],rosetype='radius') c.add("",[list(z) for z in zip(wd, num)],radius=["40%", "55%"],center=[620,220],rosetype='area') c.set_global_opts(title_opts=opts.TitleOpts(title="玫瑰图")) c.render_notebook()
3 漏斗图
pyecharts中通过Funnel绘制漏斗图
from pyecharts.charts import Funnel from pyecharts import options as opts %matplotlib inline data = [45,86,39,52,68] labels = ['电脑','手机','彩电','冰箱','洗衣机'] wf = Funnel() wf.add('电器销量图',[list(z) for z in zip(labels, data)], is_selected= True) wf.render_notebook()
4 散点图
pyecharts利用Scatter绘制散点图
from pyecharts import options as opts from pyecharts.charts import Scatter week = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"] c = Scatter() c.add_xaxis(week) c.add_yaxis("商家A", [81,65,48,32,68,92,87]) c.set_global_opts(title_opts=opts.TitleOpts(title="Scatter-一周的销售额（万元）")) c.render_notebook()
5 K线图
pyecharts利用Kline绘制K线图
from pyecharts import options as opts from pyecharts.charts import Kline data = [[2320.26, 2320.26, 2287.3, 2362.94],[2300, 2291.3, 2288.26, 2308.38],[2295.35, 2346.5, 2295.35, 2345.92],--------] c = Kline() c.add_xaxis(["2019/7/{}".format(i + 1) for i in range(31)]) c.add_yaxis("2019年7月份K线图", data) c.set_global_opts(yaxis_opts=opts.AxisOpts(is_scale=True), xaxis_opts=opts.AxisOpts(is_scale=True), title_opts=opts.TitleOpts(title="Kline-基本示例"),) c.render_notebook()
6 仪表盘
pyecharts利用Gauge绘制仪表盘
from pyecharts import options as opts from pyecharts.charts import Gauge, Page c = Gauge() c.add("业务指标",[("完成率", 55.5)],axisline_opts=opts.AxisLineOpts( linestyle_opts=opts.LineStyleOpts(color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30))) c.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-不同颜色"), legend_opts=opts.LegendOpts(is_show=False)) c.render_notebook()
7 词云
Pyecharts利用WordCloud绘制词云
from pyecharts import options as opts from pyecharts.charts import Page, WordCloud from pyecharts.globals import SymbolType words = [ ("牛肉面", 7800),("黄河", 6181), ("《读者》杂志", 4386), ("甜胚子", 3055), ---------, ("五泉山", 2550)] c = WordCloud() c.add("", words, word_size_range=[20, 80]) c.set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例")) c.render_notebook()
8 组合图表
组合图表上下布局
from pyecharts import options as opts from pyecharts.charts import Bar, Grid, Line,Scatter A = ["小米", "三星", "华为", "苹果", "魅族", "VIVO", "OPPO"] CA = [100,125,87,90,78,98,118] B = ["草莓", "芒果", "葡萄", "雪梨", "西瓜", "柠檬", "车厘子"] CB = [78,95,120,102,88,108,98] bar = Bar() bar.add_xaxis(A) bar.add_yaxis("商家A",CA) bar.add_yaxis("商家B", CB) bar.set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar")) bar.render_notebook() line=Line() line.add_xaxis(B) line.add_yaxis("商家A", CA) line.add_yaxis("商家B", CB) line.set_global_opts(title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"), legend_opts=opts.LegendOpts(pos_top="48%")) line.render_notebook() grid = Grid() grid.add(bar, grid_opts=opts.GridOpts(pos_bottom="60%")) grid.add(line, grid_opts=opts.GridOpts(pos_top="60%")) grid.render_notebook()
9 桑基图
桑基图(Sankey diagram)即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。Pyecharts中利用Sankey绘制桑基图
下面对熬夜原因进行桑基图可视化
10 平行坐标图
平行坐标图（Parallel Coordinates Plot）是对于具有多个属性问题的一种可视化方法。在平行坐标图中，数据集的一行数据在平行坐标图中用一条折线表示，纵向是属性值，横向是属性类别（用索引表示）
图是一种抽象的数据结构，可以描述最广泛的数据之间的关系，例如交通网络、微信中的朋友关系网，在图中，最基本的单元是顶点，顶点之间的关联关系称为边，pyecharts可以利用Graph方法绘制图
11 地图
自从 0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表（Geo、Map），可自行安装对应的地图文件包。 Windows下通过以下的pip命令进行安装： #安装全球国家地图，包括世界地图和 213 个国家 pip install echarts-countries-pypkg #安装中国省级地图，包括23 个省，5 个自治区 pip install echarts-china-provinces-pypkg #中国市级地图，包括370 个中国城市 pip install echarts-china-cities-pypkg
下面在指定地图上的城市标识某天最高温度 效果如下 点击对应城市即可显示温度
from pyecharts import options as opts from pyecharts.charts import Map temperature=[30,31,27,29,18] loc = ['兰州市','天水市','白银市','武威市','甘南藏族自治州'] c = Map() c.add("甘肃省", [list(z) for z in zip(loc, temperature)], "甘肃",is_roam=True) # is_roam是否开启鼠标缩放和平移漫游 c .set_global_opts(title_opts=opts.TitleOpts(title="甘肃省部分城市最高气温")) c.render("APP类型.html") c.render_notebook()
创作不易 觉得有帮助请点赞关注收藏~~~
