數據可視化--pyecharts學習 基本圖表的建立

 

國內建議使用下面的鏡像安裝

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

 

當你使用的是python2.x時，請務必插入此代碼：

from __future__ import unicode_literals

當你使用的是python3.x時，請務必粉我一下！

 

 

 

參考pyechart官方文檔：http://pyecharts.org/#/zh-cn/

一切以官方為准！！！

當然里面也有一些錯誤，比如：Polar-Love這個部分函數命名錯誤

邁出可視第一步，數據分析不是事。

 

 

使用的【基本要領】在於：

1. 導入相關圖表包

2. 進行圖表的基礎設置，創建圖表對象

3. 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)

4. 利用render()方法來進行圖表保存

 

 

新的版本有了很多的調整，請具體參照官方文檔

比如使用  

  from pyecharts.charts import Bar

 代替  

 from pyecharts import Bar

 

 

 

 

 

如果想在直接生成html文件，需要調用.render("xxx.html")函數

 如果想在notebook中直接展示圖表，需要調用render_notebook()函數

 如果想要繪制出基本的圖形，需要調用make_snapshot(snapshot, bar.render(), "bar.png") ，其中需要安裝對應的瀏覽器的驅動

Note: 在使用 Pandas&Numpy 時，請確保將數值類型轉換為 python 原生的 int/float。比如整數類型請確保為 int，而不是 numpy.int32

 

 

 

新版本基本用法

直接參照最新官網的案例，挑選自己合適的demo進行改裝即可

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
# render 會生成本地 HTML 文件，默認會在當前目錄生成 render.html 文件
# 也可以傳入路徑參數，如 bar.render("mycharts.html")
bar.render()

 在notebook里面可以使用bar.render_notebook()直接可視化

 

以下是目前的可視化項目的大類，具體的還有小類，根據不同的數據特點來選擇不同的項目

• 基本圖表
  • Calendar：日歷圖
  • Funnel：漏斗圖
  • Gauge：儀表盤
  • Graph：關系圖
  • Liquid：水球圖
  • Parallel：平行坐標系
  • Pie：餅圖
  • Polar：極坐標系
  • Radar：雷達圖
  • Sankey：桑基圖
  • Sunburst：旭日圖
  • ThemeRiver：主題河流圖
  • WordCloud：詞雲圖

• 直角坐標系圖表
  • Bar：柱狀圖/條形圖
  • Boxplot：箱形圖
  • EffectScatter：漣漪特效散點圖
  • HeatMap：熱力圖
  • Kline/Candlestick：K線圖
  • Line：折線/面積圖
  • PictorialBar：象形柱狀圖
  • Scatter：散點圖
  • Overlap：層疊多圖

• 樹型圖表
  • Tree：樹圖
  • TreeMap：矩形樹圖

• 地理圖表
  • Geo：地理坐標系
  • Map：地圖
  • BMap：百度地圖 

• 3D 圖表
  • Bar3D：3D柱狀圖
  • Line3D：3D折線圖
  • Scatter3D：3D散點圖
  • Surface3D：3D曲面圖

• 組合圖表
  • Grid：並行多圖
  • Page：順序多圖
  • Tab：選項卡多圖
  • Timeline：時間線輪播多圖

• HTML 組件
  • Component 通用配置項
  • Table：表格
  • Image：圖像

 

pyecharts 對配置項基本上都采用 XXXOpts/XXXItems 以及 dict 兩種數據形式，這兩種是完全等價的。

比如下面三者效果是一致的

c = Bar(init_opts=opts.InitOpts(width="620px", height="420px")) c = Bar(dict(width="620px", height="420px")) c = Bar({"width": "620px", "height": "420px"})

 

將數據傳入到 pyecharts 的時候，需要自行將數據格式轉換成上述 Python 原生的數據格式。使用數據分析大都需要使用 numpy/pandas，但是 numpy 的 numpy.int64/numpy.int32/... 等數據類型並不繼承自 Python.int。

Q1: 如何轉換？

# for int [int(x) for x in your_numpy_array_or_something_else] # for float [float(x) for x in your_numpy_array_or_something_else] # for str [str(x) for x in your_numpy_array_or_something_else]

Q2: 有沒有更方便的轉換方法？

Series.tolist()

 

老式版本基本用法

我們先創建一組數據

//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]

柱狀圖-Bar

//導入柱狀圖-Bar
from pyecharts import Bar
//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()

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(1)---單獨的表格

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()

圖表布局 Grid(2)--合並的表格

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()

 

 

 

 

 

 

使用pyecharts繪制交互式動態地圖

python調用echart交互式可視化

 

參考博文：

https://www.jianshu.com/p/52dbe714d2f6

https://blog.csdn.net/weixin_42232219/article/details/90631442

https://www.jianshu.com/p/554d64470ec9