Pyecharts数据可视化

引言 

pyecharts是一个用于生成Echarts图表的类库，可以与Python进行对接，方便在Python中直接使用数据生成图。Echarts是百度开源的一个数据可视化JS库，生成的图可视化效果非常棒，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。

• 安装Pyecharts库

在cmd(终端)或Anaconda Prompt安装，有一些电脑必须在终端

pip install pyecharts

安装时可能会出现的问题：

比如：

那么我们就需要更新Python版本

python -m pip install --upgrade pip

Pyecharts的官网和社区网站：

官网：pyecharts - A Python Echarts Plotting Library built with love.

社区：Document

在这些网站上，你可以找到Pyecharts的文档、示例代码、问题解答和社区讨论等资源。此外，你还可以下载Pyecharts的最新版本，以及查看关于Pyecharts的新闻和更新信息。

Python有哪些好玩的库:

1. Faker：这个库可以创建一个程序来生成虚假数据，如姓名、电子邮件或详细的虚假个人资料。每次运行这个程序，都会产生不同的随机数据。
2. Pygame：Pygame是SDL多媒体库的Python装饰器，专门用于处理游戏相关的功能。
3. Pillow：Pillow专门用于处理图像，可使用该库创建缩略图，在文件格式之间转换、旋转、应用滤镜、显示图像等等。
4. Dash：Dash是用纯Python构建数据可视化App的理想选择，是Flask、Plotly.js和React.js的混合体。
5. Pywhatkit：这个库可以将文字转化为手写字体，生成漂亮的文字图片。
6. Python-docx：Python-docx是一个用于创建和修改Microsoft Word .docx文件的Python库。
7. Jinja2：Jinja2 是一个现代的、功能丰富、易于使用和理解的正则表达式库。
8. NumPy：NumPy是一个Python库，用于进行大量数值计算，包括数组计算。
9. Pandas：Pandas是一个用于数据处理的库，它提供了数据清理和转换的功能。
10. Scikit-learn：Scikit-learn是一个用于机器学习的库，提供了各种分类、回归、聚类算法等。
11. TensorFlow和Keras：这两个库都是用于深度学习的工具，可以用于构建和训练神经网络。
12. Matplotlib和Seaborn：这两个库都是用于数据可视化的工具，Matplotlib是一个Python 2D绘图库，Seaborn是一个基于matplotlib的Python数据可视化库。
13. Requests：Requests是用Python语言编写，基于urllib，采用Apache2 Licensed开源协议的HTTP库。

以上这些库都有自己独特的功能和用途，可以根据自己的兴趣选择合适的库进行学习和使用。

Pyecharts有哪些应用场景

Pyecharts的应用场景非常广泛，主要包括以下几个方面：

1. 数据可视化：Pyecharts最核心的应用场景就是数据可视化。它可以将各种类型的数据转换为直观的图表形式，帮助用户更好地理解和分析数据。

2. 报告和文档制作：Pyecharts可以生成高质量的图表，这些图表可以作为报告和文档的一部分，提高内容的可读性和吸引力。

3. 数据分析工具：Pyecharts可以作为数据分析工具的一部分，帮助用户更好地理解和分析数据，发现数据中的规律和趋势。

4. 教学和演示：Pyecharts可以用于教学和演示，通过生成各种类型的图表，帮助学生更好地理解概念和原理。

5. 决策支持：Pyecharts可以生成各种类型的图表，帮助决策者更好地了解和分析问题，做出更明智的决策。

总的来说，Pyecharts的应用场景非常广泛，可以应用于各种需要数据可视化的场景。

Pyecharts有哪些优点和缺点：

Pyecharts的优点主要包括：

1. 易于使用：Pyecharts提供了简单易用的API，使用户可以轻松地生成各种图表，无需熟悉复杂的前端技术和图表库的底层实现。

2. 支持多种数据格式：Pyecharts支持多种数据格式的输入，包括Python列表、NumPy数组、Pandas数据框等，同时也支持从数据库中读取数据，并支持数据的预处理和转换。

3. 功能丰富：Pyecharts支持生成多种类型的图表，包括基本图表（如折线图、柱状图、散点图、饼图）、地理图表（如地图、热力图、地理轨迹图）等，并支持图表的交互和动态更新。

4. 可扩展性强：Pyecharts的底层渲染引擎Echarts.js是一个功能强大的JavaScript图表库，支持大量的可定制化配置选项，同时也支持自定义主题和扩展插件。

然而，Pyecharts也存在一些缺点：

1. 文档目录未完全汉化且标题无法折叠，查找不便。许多API无参数说明，仅给出实例，甚至无注释。
2. Pyecharts的底层渲染引擎Echarts.js虽然功能强大，但是它是一个JavaScript图表库，对于不熟悉JavaScript的用户来说，可能需要额外的学习成本。

总的来说，Pyecharts是一款功能强大、易于使用的数据可视化库，但是也有一些可以改进的地方。

你可以使用以下代码生成一个简单的柱状图：

from pyecharts.charts import Bar  
from pyecharts import options as opts  
  
# 创建图表对象  
bar = Bar()  
  
# 添加数据和配置项  
bar.add_xaxis(["西瓜", "甘蔗", "橙子"])  
bar.add_yaxis("水果销量", [5, 3, 2])  
bar.set_global_opts(title_opts=opts.TitleOpts(title="水果销量统计"))  
  
# 显示图表  
bar.render_notebook()
#bar.render("fruit_sales.html")

Pyecharts的基本用法:

• 1语法结构

导入所需的库和模块

from pyecharts import options as opts  
from pyecharts.charts import Bar

 创建图表对象

bar = Bar()

添加数据和配置项

bar.add_xaxis(["苹果", "香蕉", "橙子"])  
bar.add_yaxis("水果销量", [5, 3, 2])  
bar.set_global_opts(title_opts=opts.TitleOpts(title="水果销量统计"))

显示图表

bar.render("fruit_sales.html")
bar.render_notebook()

以上代码将生成一个包含“苹果”、“香蕉”和“橙子”三个类别销量的柱状图，使用bar.render_notebook()查看图表，并将图表保存为名为“fruit_sales.html”的HTML文件。你可以在浏览器中打开该文件查看图表。

Pyecharts的语法结构主要包括以下部分：

1. 图表类型：Pyecharts支持多种类型的图表，包括折线图、柱状图、散点图、饼图等。不同的图表类型具有不同的属性和方法，需要根据具体需求选择合适的图表类型。

2. 数据系列：数据系列是图表中的数据单元，每个数据系列都有一个x轴和y轴的数据，以及一些其他的配置项，如颜色、标签等。

3. 配置项：配置项是用于配置图表外观和行为的属性。例如，可以设置图表的标题、副标题、图例、提示框等。

4. 渲染：渲染是将图表保存为HTML文件的过程。Pyecharts提供了render方法，可以将图表保存为HTML文件，并在浏览器中打开查看。

以下是一些使用Pyecharts的例子：

饼图

# 导入所需的库和模块
import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts
# 导入文件
df = pd.read_excel(r'../数据集/航空公司数据.xlsx')
df
# 数据分析
# 年龄分箱
df['年龄段']=pd.cut(
    df['年龄'],
    bins=[0,20,40,60,100],
    labels=['少年','青年','中年','老年']
)
#分组统计
result = df.groupby('年龄段').size()
# 数据准备
data = [[x,int(y)]for x,y in zip(result.index,result.values)]
Pie = (
    Pie()
    .add(
        '',#数据的系列每次，如果只有一个系列的数据，填空字符
        data,
        radius = ['30%','75%'],
        center = ['50%','50%'],
        rosetype = 'radius'
    )
)
Pie.render_notebook()
# pie.render('饼图.html')

折线图

from pyecharts import options as opts  
from pyecharts.charts import Line  
  
line = Line()  
line.add_xaxis(["周一", "周二", "周三", "周四", "周五", "周六", "周日"])  
line.add_yaxis("访问量", [320, 234, 198, 335, 679, 780, 1200])  
line.set_global_opts(title_opts=opts.TitleOpts(title="访问量统计"))  
line.render("line.html")

想要学习更多客源可以去官网或社区查看

在使用pyecharts时出现no test named 'false'报错，就要更新你的jinja2版本

pip install --upgrade jinja2

 总结：

学习Pyecharts数据可视化会给你一个新奇有趣的体验，会运用到很多有用的知识，所以需要一点点的去积累，通过将数据以图表的形式呈现，我们可以更直观地理解数据的分布、趋势和关系，从而更好地把握数据的内涵和价值。同时，数据可视化还可以帮助我们更好地解释和呈现研究成果，提高研究成果的可读性和说服力。

学习Pyecharts数据可视化是一个非常有意义的经历。通过学习和实践，我不仅掌握了数据可视化的知识和技能，还提高了自己的学习能力和解决问题的能力。我相信这些经验和技能将对我未来的学习和工作产生积极的影响。

目录

引言 

安装Pyecharts库

Pyecharts的官网和社区网站：

Pyecharts有哪些应用场景

数据可视化：Pyecharts最核心的应用场景就是数据可视化。它可以将各种类型的数据转换为直观的图表形式，帮助用户更好地理解和分析数据。

报告和文档制作：Pyecharts可以生成高质量的图表，这些图表可以作为报告和文档的一部分，提高内容的可读性和吸引力。

数据分析工具：Pyecharts可以作为数据分析工具的一部分，帮助用户更好地理解和分析数据，发现数据中的规律和趋势。

教学和演示：Pyecharts可以用于教学和演示，通过生成各种类型的图表，帮助学生更好地理解概念和原理。

决策支持：Pyecharts可以生成各种类型的图表，帮助决策者更好地了解和分析问题，做出更明智的决策。

Pyecharts有哪些优点和缺点：

Pyecharts的优点主要包括：

易于使用：Pyecharts提供了简单易用的API，使用户可以轻松地生成各种图表，无需熟悉复杂的前端技术和图表库的底层实现。

支持多种数据格式：Pyecharts支持多种数据格式的输入，包括Python列表、NumPy数组、Pandas数据框等，同时也支持从数据库中读取数据，并支持数据的预处理和转换。

功能丰富：Pyecharts支持生成多种类型的图表，包括基本图表（如折线图、柱状图、散点图、饼图）、地理图表（如地图、热力图、地理轨迹图）等，并支持图表的交互和动态更新。

可扩展性强：Pyecharts的底层渲染引擎Echarts.js是一个功能强大的JavaScript图表库，支持大量的可定制化配置选项，同时也支持自定义主题和扩展插件。

然而，Pyecharts也存在一些缺点：

Pyecharts的基本用法:

1语法结构

导入所需的库和模块

 创建图表对象

添加数据和配置项

显示图表

Pyecharts的语法结构主要包括以下部分：

图表类型：Pyecharts支持多种类型的图表，包括折线图、柱状图、散点图、饼图等。不同的图表类型具有不同的属性和方法，需要根据具体需求选择合适的图表类型。

数据系列：数据系列是图表中的数据单元，每个数据系列都有一个x轴和y轴的数据，以及一些其他的配置项，如颜色、标签等。

配置项：配置项是用于配置图表外观和行为的属性。例如，可以设置图表的标题、副标题、图例、提示框等。

渲染：渲染是将图表保存为HTML文件的过程。Pyecharts提供了render方法，可以将图表保存为HTML文件，并在浏览器中打开查看。

以下是一些使用Pyecharts的例子：

饼图

折线图

---