我们来介绍pyecharts库的基础入门。
1：pyecharts库简介：
pyecharts分为两个版本，v0.5.X 和 v1，这两个版本是互不兼容的，有我没你的样子，v0.5.X这个版本支持python2.7,3.4+，而新版的v1只支持我们的python3.6+。更加悲催的是v0.5.X已经被开发团队抛弃了，像个没人管的孤儿了，现在的真正的骄子就是v1了。我们下面主要对v1进行简单介绍。
2：pyecharts库的安装：
我们还是老办法，首先装上这个库。来win+R打开控制台。具体如下图：
由于我的已经装好了，所以再次执行
此安装命令时，就会告诉我already satisfied.之前如果没装的猿友们会出现collect这种。然后会有一个进度条。
装好后我们直接在pycharm中导入即可，当然你可能用其他的编辑器，操作可能有所不同。
3：pyecharts的简单使用：
<1>柱状图的简单绘制：
我们直接上代码
from pyecharts.charts import Bar bar = ( Bar().add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"]) #添加横轴 .add_yaxis("山阴鞋价",[250,260,240,150])添加纵轴相关 .add_yaxis("长治鞋价",[300,360,320,180]) #纵轴的前面是相于一个标签，这两个标签可以切换 ) bar.render("E:地区鞋价格.html") #这里我指定了我的存放路径和文件名
我们来看运行效果,大家可以注意到这是在html文件中展示的
我们点击上面的标签是可以切换的，可以只展示一个，如下图
所以啊，这就很方便，很迷人。
其实还可以想想，若是将excel表格数据展示出来，岂不是更直观？
我们来试试。
先来看我的一个excel表格数据
是啊，这是某年统计的北京房价，太j8贵了。我们现在要讲这些数据展示，也就是数据可视化。我们这里还要就借用一个库，panada库，可以帮助我们读取excel数据，我们上代码再说话
import pandas from pyecharts.charts import Bar df = pandas.read_excel("E:\\北京地区房价.xlsx") # 读取excel表格数据 height,width = df.shape print(height,width,type(df)) #打印出表格数据 print(df) bar = Bar() # 实例化 bar .add_xaxis(df["北京城区"].tolist()) bar.add_yaxis("北京房价",df["价格每平"].tolist()) bar.render("E:中国北京房价.html")
我们来看运行结果
我们先来看读取到的表格数据
十五行两列,还有展示一些原始的数据
我们来看图,这里，我们就更直观的显示了
这只是pycharts库的柱状图，也是基础操作，当然可以对其进行渲染什么的，可以设置主题。
我们小小的展示一下，东西实在太多了。
我们来看代码：
下面展示一些 内联代码片。
f
rom pyecharts.charts import Bar from pyecharts.globals import ThemeType # 导入主题 from pyecharts import options as opts bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#这里我设置为亮色 bar.add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"]) bar.add_yaxis("山阴鞋价",[250,260,240,150]) bar.add_yaxis("长治鞋价",[300,360,320,180]) bar.render("E:地区鞋价格.html")
看下面的图，我们就改变了颜色
我们还可以设置标题
添加这一句就可以了 bar.set_global_opts(title_opts=opts.TitleOpts(title=“主标题”, subtitle=“副标题”))
当然除了这些还有其他的很多操作，包括相关的配置等等，在数据可视化图的方面，还可以设置散点图，折线图，雷达图等等。
这里，就不一一展示了
这个库强大的很，我们来看看它的地图方面
我们上代码：
from pyecharts import options as opts from pyecharts.charts import Map population=[["广东",11169],["山东",10005.63], ["河南",9559.13],["四川",8302],["江苏",8029.3], ["河北",7519.52],["湖南",6860.2],["安徽",6254.8], ["湖北",5902],["浙江",5657]] map = (Map().add("省人口数量",population,"china") #这里可以指定国家 .set_global_opts(title_opts=opts.TitleOpts(title="人口数量") ,visualmap_opts=opts.VisualMapOpts(max_=12000))) map.render_notebook() map.render("E:省人口数量部分.html")
我们来看运行结果
这是我们中国的地图，我这里设置了一下相关地区的人口
这个图点上去指定地点可以1展示些相关的数据。图还可以放大
像这样
我们来做一个地区空气的图
上代码
from pyecharts.charts import Map from pyecharts import options as opts from pyecharts.globals import ThemeType pro_dis ={'湖北':34, '浙江':33, '广东': 34, '湖南':39, '河南':39, '安徽': 38, '重庆':57, '山东':54, '江西': 54, '四川':55, '江苏':54, '北京':25, '福建':26, '上海':14, '广西':43, '陕西':35, '河北':38, '云南':38, '海南':41, '黑龙江':46, '辽宁':46, '山西':28, '天津':144, '甘肃':243, '内蒙古':100, '新疆':123, '宁夏':52, '贵州':42, '吉林':34, '台湾':50, '香港':83, '澳门':62, '青海':26, '西藏':17 } map = Map(init_opts=opts.InitOpts(bg_color="blue",theme=ThemeType.ROMANTIC)) map.set_global_opts(title_opts=opts.TitleOpts(title="全国地区空气质量",pos_right="right"), ) map.add("地区空气质量",data_pair=pro_dis.items(),maptype="china") map.render("E:地区空气质量.html")
我们来看效果
我们的简单介绍就到这里，更多的与pycharts有关的使用，欢迎关注下期博文。
