pyecharts是一款將python與echarts結合的強大的數據可視化工具，本文將為你闡述pyecharts的使用細則
前言
我們都知道python上的一款可視化工具matplotlib,而前些陣子做一個Spark項目的時候用到了百度開源的一個可視化JS工具-Echarts，可視化類型非常多，但是得通過導入js庫在Java Web項目上運行，平時用Python比較多，於是就在想有沒有Python與Echarts結合的輪子。Google后，找到一個國人開發的一個Echarts與Python結合的輪子：pyecharts，下面就來簡述下pyecharts一些使用細則：
安裝
寫這篇文章用的是Win環境，首先打開命令行(win+R),輸入：
pip install pyecharts
但筆者實測時發現，由於牆的原因，下載時會出現斷線和速度過慢的問題導致下載失敗，所以建議通過清華鏡像來進行下載：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
想要學習Python？Python學習交流群：973783996滿足你的需求，資料都已經上傳群文件，可以自行下載！
出現上方的信息，即代表下載成功，我們可以來進行下一步的實驗了！
使用實例
使用之前我們要強調一點：就是python2.x和python3.x的編碼問題，在python3.x中你可以把它看做默認是unicode編碼，但在python2.x中並不是默認的，原因就在它的bytes對象定義的混亂，而pycharts是使用unicode編碼來處理字符串和文件的，所以當你使用的是python2.x時，請務必在上方插入此代碼：
from __future__ import unicode_literals
現在我們來開始正式使用pycharts，這里我們直接使用官方的數據：
柱狀圖-Bar
//導入柱狀圖-Bar
from pyecharts import Bar
//設置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
//設置數據
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
//設置柱狀圖的主標題與副標題
bar = Bar("柱狀圖", "一年的降水量與蒸發量")
//添加柱狀圖的數據及配置項
bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])
bar.add("蒸發量", columns, data2, mark_line=["average"], mark_point=["max", "min"])
//生成本地文件（默認為.html文件）
bar.render()
運行結果如下：
簡單的幾行代碼就可以將數據進行非常好看的可視化，而且還是動態的，在這里還是要安利一下jupyter，pyecharts在v0.1.9.2版本開始，在jupyter上直接調用實例（例如上方直接調用bar）就可以將圖表直接表示出來，非常方便。
筆者數了數，目前pyecharts上的圖表大概支持到二十多種，接下來，我們再用上方的數據來生成幾個數據挖掘常用的圖表示例：
餅圖-Pie
//導入餅圖Pie
from pyecharts import Pie
//設置主標題與副標題，標題設置居中，設置寬度為900
pie = Pie("餅狀圖", "一年的降水量與蒸發量",title_pos='center',width=900)
//加入數據，設置坐標位置為【25，50】，上方的colums選項取消顯示
pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)
//加入數據，設置坐標位置為【75，50】，上方的colums選項取消顯示，顯示label標簽
pie.add("蒸發量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)
//保存圖表
pie.render()
箱體圖-Boxplot
//導入箱型圖Boxplot
from pyecharts import Boxplot
boxplot = Boxplot("箱形圖", "一年的降水量與蒸發量")
x_axis = ['降水量','蒸發量']
y_axis = [data1,data2]
//prepare_data方法可以將數據轉為嵌套的 [min, Q1, median (or Q2), Q3, max]
yaxis = boxplot.prepare_data(y_axis)
boxplot.add("天氣統計", x_axis, _yaxis)
boxplot.render()
折線圖-Line
from pyecharts import Line
line = Line("折線圖","一年的降水量與蒸發量")
//is_label_show是設置上方數據是否顯示
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸發量", columns, data2, is_label_show=True)
line.render()
雷達圖-Rader
from pyecharts import Radar
radar = Radar("雷達圖", "一年的降水量與蒸發量")
//由於雷達圖傳入的數據得為多維數據，所以這里需要做一下處理
radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]]
radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]]
//設置column的最大值，為了雷達圖更為直觀，這里的月份最大值設置有所不同
schema = [
("Jan", 5), ("Feb",10), ("Mar", 10),
("Apr", 50), ("May", 50), ("Jun", 200),
("Jul", 200), ("Aug", 200), ("Sep", 50),
("Oct", 50), ("Nov", 10), ("Dec", 5)
]
//傳入坐標
radar.config(schema)
radar.add("降水量",radar_data1)
//一般默認為同一種顏色，這里為了便於區分，需要設置item的顏色
radar.add("蒸發量",radar_data2,item_color="#1C86EE")
radar.render()
散點圖-scatter
from pyecharts import Scatter
scatter = Scatter("散點圖", "一年的降水量與蒸發量")
//xais_name是設置橫坐標名稱，這里由於顯示問題，還需要將y軸名稱與y軸的距離進行設置
scatter.add("降水量與蒸發量的散點分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸發量",
yaxis_name_gap=40)
scatter.render()
圖表布局 Grid
由於標題與圖表是屬於兩個不同的控件，所以這里必須對下方的圖表Line進行標題位置設置，否則會出現標題重疊的bug。
from pyecharts import Grid
//設置折線圖標題位置
line = Line("折線圖","一年的降水量與蒸發量",title_top="45%")
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸發量", columns, data2, is_label_show=True)
grid = Grid()
//設置兩個圖表的相對位置
grid.add(bar, grid_bottom="60%")
grid.add(line, grid_top="60%")
grid.render()
from pyecharts import Overlap
overlap = Overlap()
bar = Bar("柱狀圖-折線圖合並", "一年的降水量與蒸發量")
bar.add("降水量", columns, data1, mark_point=["max", "min"])
bar.add("蒸發量", columns, data2, mark_point=["max", "min"])
overlap.add(bar)
overlap.add(line)
overlap.render()
總結
導入相關圖表包
進行圖表的基礎設置，創建圖表對象
利用add()方法進行數據輸入與圖表設置(可以使用print_echarts_options()來輸出所有可配置項)
利用render()方法來進行圖表保存