Python pyecharts 模块

简介: Python pyecharts 模块

pyecharts 是一个基于 ECharts 的 Python 数据可视化库,它允许用户使用 Python 语言生成各种类型的交互式图表和数据可视化。

ECharts 是由百度开发的一款强大的开源数据可视化库,而 Pyecharts 则是 ECharts 的 Python 封装,使得在 Python 中使用 ECharts 变得更加方便。

pyecharts 提供了一组简单而灵活的 API,使用户能够轻松地创建各种图表,包括但不限于折线图、柱状图、散点图、饼图、地图等。

通过 pyecharts,用户可以使用 Python 语言处理和准备数据,然后使用简洁的代码生成交互式的图表,这些图表可以嵌入到 Web 应用程序中或保存为静态文件。

pyecharts 特点与功能:

  • 简单易用: Pyecharts 提供了直观而友好的 API,使得用户能够快速上手,轻松生成各种图表。
  • 丰富的图表类型: 支持多种常见的图表类型,包括线图、柱状图、散点图、饼图、地图等,满足不同场景的需求。
  • 支持主流数据格式: 能够处理常见的数据格式,如列表、字典、Pandas DataFrame 等。
  • 交互性: 生成的图表可以具有交互性,用户可以通过鼠标悬停、缩放等方式与图表进行互动。
  • 丰富的配置选项: 提供了丰富的配置选项,允许用户自定义图表的样式、布局等属性。
  • 支持主题: 提供多种主题,用户可以根据需要选择合适的主题,使图表更符合应用的整体风格。

pyecharts 安装

pip 安装:

pip install pyecharts

源码安装:

$ git clone https://github.com/pyecharts/pyecharts.git

$ cd pyecharts

$ pip install -r requirements.txt

$ python setup.py install

# 或者执行 python install.py

安装成功后可以查看 pyecharts 版本:

import pyecharts


print(pyecharts.__version__)

输出如下所示:

2.0.4

pyecharts 图表类型

pyecharts 支持以下图表类型图表:

图表类型 pyecharts 类 包引入
折线图 Line from pyecharts.charts import Line
柱状图 Bar from pyecharts.charts import Bar
散点图 Scatter from pyecharts.charts import Scatter
饼图 Pie from pyecharts.charts import Pie
雷达图 Radar from pyecharts.charts import Radar
热力图 HeatMap from pyecharts.charts import HeatMap
K 线图 Kline from pyecharts.charts import Kline
箱线图 Boxplot from pyecharts.charts import Boxplot
地图 Map from pyecharts.charts import Map
词云图 WordCloud from pyecharts.charts import WordCloud
仪表盘 Gauge from pyecharts.charts import Gauge
漏斗图 Funnel from pyecharts.charts import Funnel
树图 Tree from pyecharts.charts import Tree
平行坐标系图 Parallel from pyecharts.charts import Parallel
桑基图 Sankey from pyecharts.charts import Sankey
地理坐标系图 Geo from pyecharts.charts import Geo
时间线图 Timeline from pyecharts.charts import Timeline
3D 散点图 Scatter3D from pyecharts.charts import Scatter3D
3D 柱状图 Bar3D from pyecharts.charts import Bar3D
3D 曲面图 Surface3D from pyecharts.charts import Surface3D

创建第一个图表

接下来我们使用 Pyecharts 创建了一个简单的柱状图,展示了五个月份的销售额:

实例

from pyecharts.charts import Bar


# 准备数据

x_data = ['一月', '二月', '三月', '四月', '五月']

y_data = [10, 20, 15, 25, 30]


# 创建柱状图

bar_chart = Bar()

bar_chart.add_xaxis(x_data)

bar_chart.add_yaxis("销售额", y_data)


# 也可以传入路径参数,如 bar_chart.render("bar_chart.html")

bar_chart.render()

如果在 bar_chart.render() 中不指定文件路径,Pyecharts 默认会在当前工作目录下生成一个名为 "render.html" 的文件,即生成的图表将保存在 "render.html" 文件中。

以上代码,执行结果为:

如果你希望图表的文件名有一定的规范,或者想要指定保存的路径,可以在 render() 方法中提供文件路径参数。例如:

bar_chart.render("my_bar_chart.html")

这样,生成的图表就会保存在当前工作目录下的 "my_bar_chart.html" 文件中。

设置图表配置选项

实例中图表的标题是 "月度销售额柱状图",横轴是月份,纵轴是销售额,可以根据实际需求调整数据和图表配置:

实例

from pyecharts import options as opts

from pyecharts.charts import Bar


# 准备数据

x_data = ['一月', '二月', '三月', '四月', '五月']

y_data = [10, 20, 15, 25, 30]


# 创建柱状图

bar_chart = Bar()

bar_chart.add_xaxis(x_data)

bar_chart.add_yaxis("销售额", y_data)


# 配置图表

bar_chart.set_global_opts(

   title_opts=opts.TitleOpts(title="月度销售额柱状图"),

   xaxis_opts=opts.AxisOpts(name="月份"),

   yaxis_opts=opts.AxisOpts(name="销售额(万元)"),

)


# 渲染图表

bar_chart.render("bar_chart.html")

说明:

  • Bar():创建一个柱状图对象。
  • add_xaxisadd_yaxis:分别用于添加横轴和纵轴的数据。
  • set_global_opts:配置全局选项,包括标题、坐标轴的名称等。

生成的图表将保存为 "bar_chart.html" 文件,你可以在浏览器中打开该文件,查看生成的柱状图。

使用主题

pyecharts 支持主题切换,用户可以根据自己的需求选择合适的主题来改变图表的样式。

pyecharts 提供了 10+ 种内置主题,开发者也可以定制自己喜欢的主题。

以下是一个简单的例子,演示了如何使用 pyecharts 切换主题:

实例

from pyecharts import options as opts

from pyecharts.charts import Bar

# 内置主题类型可查看 pyecharts.globals.ThemeType

from pyecharts.globals import ThemeType


# 准备数据

x_data = ['一月', '二月', '三月', '四月', '五月']

y_data = [10, 20, 15, 25, 30]


# 创建柱状图

bar_chart = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))  # 初始主题为亮色系

bar_chart.add_xaxis(x_data)

bar_chart.add_yaxis("销售额", y_data)


# 配置图表

bar_chart.set_global_opts(

   title_opts=opts.TitleOpts(title="月度销售额柱状图"),

   xaxis_opts=opts.AxisOpts(name="月份"),

   yaxis_opts=opts.AxisOpts(name="销售额(万元)"),

)


# 切换到暗色系主题

bar_chart.set_global_opts(theme=ThemeType.DARK)


# 渲染图表

bar_chart.render("themed_bar_chart.html")

以上例子演示了如何在 pyecharts 中使用 ThemeType 来切换主题,pyecharts 支持的主题类型包括 LIGHT(亮色系)、DARK(暗色系)等,你可以根据需求选择合适的主题。

  • init_opts=opts.InitOpts(theme=ThemeType.LIGHT):在创建图表对象时,通过 init_opts 参数指定图表的初始主题,这里设置为亮色系。

生成的图表如下:

以下是 pyecharts 支持的主题列表:

Light Themes(亮色系主题):

  • "LIGHT": 亮色系默认主题
  • "WESTEROS": 经典的暖色调主题
  • "CHALK": 粉笔风格主题
  • "ESSOS": 温和的绿色调主题
  • "INFOGRAPHIC": 信息图形主题
  • "MACARONS": 美味糖果色主题

Dark Themes(暗色系主题):

  • "DARK": 暗色系默认主题
  • "PURPLE-PASSION": 深紫色调主题
  • "SHINE": 简洁的黑色调主题
  • "VINTAGE": 复古风格主题
  • "ROMA": 古罗马风格主题
  • "WALDEN": 森林深色系主题

用户可以通过设置自定义的颜色和样式来创建自定义主题。


设置全局配置项

set_global_opts 是 pyecharts 中用于设置全局配置项的方法,该方法允许你配置整个图表的一些全局属性,如标题、坐标轴、图例等。

以下是一些常用的全局配置项:

bar_chart.set_global_opts(

   title_opts=opts.TitleOpts(title="月度销售额柱状图", subtitle="副标题"),

   xaxis_opts=opts.AxisOpts(name="月份"),

   yaxis_opts=opts.AxisOpts(name="销售额(万元)"),

   legend_opts=opts.LegendOpts(pos_left="center", pos_top="top"),

   toolbox_opts=opts.ToolboxOpts(),

   tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

)

说明:

  • title_opts: 标题配置项,可以设置主标题和副标题,以及相关的样式设置。
  • xaxis_optsyaxis_opts: x 轴和 y 轴的配置项,可以设置轴的名称、轴线样式等。
  • legend_opts: 图例配置项,可以设置图例的位置、样式等。
  • toolbox_opts: 工具箱配置项,用于添加一些交互工具,如保存为图片、数据视图等。
  • tooltip_opts: 提示框配置项,可以设置提示框的触发方式、样式等。

实例

from pyecharts import options as opts

from pyecharts.charts import Bar


# 准备数据

x_data = ['一月', '二月', '三月', '四月', '五月']

y_data = [10, 20, 15, 25, 30]


# 创建柱状图

bar_chart = Bar()

bar_chart.add_xaxis(x_data)

bar_chart.add_yaxis("销售额", y_data)


# 配置全局属性

bar_chart.set_global_opts(

   title_opts=opts.TitleOpts(title="月度销售额柱状图", subtitle="副标题"),

   xaxis_opts=opts.AxisOpts(name="月份"),

   yaxis_opts=opts.AxisOpts(name="销售额(万元)"),

   legend_opts=opts.LegendOpts(pos_left="center", pos_top="top"),

   toolbox_opts=opts.ToolboxOpts(),

   tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

)


# 渲染图表

bar_chart.render("global_options_bar_chart.html")

生成的图表如下:

更多 pyecharts 模块内容可以参考: https://pyecharts.org/#/zh-cn/intro

相关文章
|
10天前
|
Go C# Python
Python 的 shutil 模块
`shutil`是Python标准库中的模块,提供高级文件和目录操作,如复制、移动、重命名、删除以及创建和删除目录。它扩展了`os`模块的功能,支持递归操作,例如`shutil.copytree()`用于递归复制目录,`shutil.rmtree()`用于递归删除目录。`shutil.move()`不仅移动文件,还可用于重命名。`shutil.remove()`和`shutil.rmtree()`分别用于删除文件和目录。这个模块对于文件管理任务非常实用。
|
10天前
|
缓存 数据库连接 API
Python模块如何影响代码的可读性?
【7月更文挑战第15天】Python模块如何影响代码的可读性?
13 3
|
10天前
|
并行计算 大数据 编译器
Python模块如何影响性能?
【7月更文挑战第15天】Python模块如何影响性能?
5 1
|
10天前
|
数据采集 程序员 开发者
Python模块
【7月更文挑战第15天】Python模块
7 1
|
11天前
|
关系型数据库 数据处理 数据库
Python中的异步编程:理解asyncio模块及其应用
在现代编程中,异步编程变得越来越重要。Python中的asyncio模块为开发者提供了强大的工具,帮助他们利用异步编程模式来处理高并发和IO密集型任务。本文将深入探讨asyncio模块的核心概念、基本用法以及实际应用场景,帮助读者更好地理解和运用Python中的异步编程技术。
|
11天前
|
开发者 Python
确保你的Python环境中已经安装了`python-docx`模块。如果还没有安装,可以通过pip来安装:
确保你的Python环境中已经安装了`python-docx`模块。如果还没有安装,可以通过pip来安装:
|
11天前
|
资源调度 计算机视觉 Python
`scipy.ndimage`是SciPy库中的一个子模块,它提供了许多用于处理n维数组(通常是图像)的函数。
`scipy.ndimage`是SciPy库中的一个子模块,它提供了许多用于处理n维数组(通常是图像)的函数。
|
11天前
|
Python
`scipy.signal`模块是SciPy库中的一个子模块,它提供了信号处理、滤波、频谱分析等功能。这个模块包含了许多用于信号处理的函数和类,其中`butter()`和`filtfilt()`是两个常用的函数。
`scipy.signal`模块是SciPy库中的一个子模块,它提供了信号处理、滤波、频谱分析等功能。这个模块包含了许多用于信号处理的函数和类,其中`butter()`和`filtfilt()`是两个常用的函数。
|
11天前
|
数据可视化 Python
时间序列分析是一种统计方法,用于分析随时间变化的数据序列。在金融、经济学、气象学等领域,时间序列分析被广泛用于预测未来趋势、检测异常值、理解周期性模式等。在Python中,`statsmodels`模块是一个强大的工具,用于执行各种时间序列分析任务。
时间序列分析是一种统计方法,用于分析随时间变化的数据序列。在金融、经济学、气象学等领域,时间序列分析被广泛用于预测未来趋势、检测异常值、理解周期性模式等。在Python中,`statsmodels`模块是一个强大的工具,用于执行各种时间序列分析任务。
|
11天前
|
API Python
首先,我们导入了`http.client`模块,它是Python标准库中的一个模块,用于创建和发送HTTP请求。
首先,我们导入了`http.client`模块,它是Python标准库中的一个模块,用于创建和发送HTTP请求。