pyecharts

沐硕

于 2024-05-10 19:29:08 发布

阅读量313

点赞数 8

分类专栏：编程语言文章标签：信息可视化 python3.11 pycharm

本文链接：https://blog.csdn.net/2302_77293761/article/details/138678547

版权

编程语言专栏收录该内容

2 篇文章 0 订阅

订阅专栏

pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。

今天我们就用jupyter notebook（工具）和pyecharts（库）绘制图形

一、Pyecharts绘制饼图

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

num = [110, 136, 108, 111, 112, 103]
lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃']

# 创建饼图
pie_chart = (
    Pie(init_opts=opts.InitOpts(width='720px', height='320px'))
    .add("", [(j, i) for i, j in zip(num, lab)])
    .set_global_opts(title_opts=opts.TitleOpts(title="狗狗种类分布"))
    .render("pie_chart.html")  # 保存为 HTML 文件
)

# 导入库

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

#数据
x_data = ['张三','李四','王五','赵六']
y_data = [830,214,300,1100]

# Pie 设置指定的格式
data_pair = [list(z) for z in  list(zip(x_data,y_data))] # [['张三', 830], ['李四', 214], ['王五', 300], ['赵六', 1100]]

c = Pie(init_opts=opts.InitOpts(width='500px',height='500px'))
c.add(series_name='访问来源',data_pair=data_pair,radius=['40%','75%']) #radius 讲饼图展示位环形图

# 设置全局项
c.set_global_opts(title_opts=opts.TitleOpts(title='测试数据',pos_left='center',pos_top=20),
legend_opts=opts.LegendOpts(orient='vertical',pos_top='15%',pos_left='2%')) #图例


# 设置每项数据占比
c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a} <br/> {b}:{c} ({d}%)")) #formatter 图表悬停时数据展示格式化
c.render("环图.html")

二、Pyecharts绘制柱状图

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

num = [110, 136, 108, 48, 111, 112, 103]
lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']

(
    Bar(init_opts=opts.InitOpts(width='720px', height='320px'))
    .add_xaxis(xaxis_data=lab)
    .add_yaxis(series_name='', y_axis=num)  # 将参数名改为 y_axis
    .render("bar_chart.html")  # 将图表保存为 HTML 文件
)

三、Pyecharts绘制地理迁移图

from pyecharts.charts import Geo,Map
import pyecharts.options as opts
from pyecharts.globals import ChartType,SymbolType

city_num = [('广州',105),('成都',105),('北京',105),('西安',105)]
start_end = [('广州','成都'),('广州','北京'),('广州','西安')]

(
    Geo()
    .add_schema(maptype='china',#设置地图类型
               itemstyle_opts = opts.ItemStyleOpts(color='#323c48',#设置背景颜色
                                                   border_color='#111'))#边界颜色
    .add('',data_pair =  city_num,color = 'white')#添加数据，默认是点
    .add('',data_pair=start_end,type_=ChartType.LINES,#把start_end用线描绘
         effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW, #把特效的线改成箭头
                                     color='blue',
                                     symbol_size=8   #箭头的大小
                                    )
        )
).render("qinxi.html")

四、折线图

#导入相关库
import pyecharts.options as opts #全局变量设置
from pyecharts.charts import Line #折线图
 
#数据
x = ['seaborn','matplotlib','plotly','pyecharts','python']
y1 = [440,550,770,450,800]
y2 = [570,1340,1370,1111,2222]
 
#用函数来绘制图形
c = Line()
c.add_xaxis(xaxis_data=x) #x轴数值
c.add_yaxis(series_name='',y_axis=y1) #y轴数值与标签设置
c.add_yaxis(series_name='',y_axis=y2)
 
#对工具箱中名称修改
data_zoom = {
    "show":True,
    "title":{"zoom":"data zoom","back":"data zoom restore"}
 
}
    
#set_global_opts全局变量设置
c.set_global_opts(
      title_opts=opts.TitleOpts(title='测试数据'), #图表标题
      legend_opts=opts.LegendOpts(is_show=True), #图例为True时展示
      tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'), #触发类型，就是鼠标悬停在图表上时显示的内容
      toolbox_opts=opts.ToolboxOpts(is_show=True,orient='horizontal',
                                    feature=opts.ToolBoxFeatureOpts(data_zoom=data_zoom))#显示工具箱（下载图片、转换图形为柱状图、刷新等）
)
 
 
c.render_notebook() #在jupyter notebook中生成图形

五、热点词云

# 导入库
import pyecharts.options as opts
from pyecharts.charts import WordCloud

# 数据

data = [
    ('python', 4583345),
    ('excel', 2324539),
    ('人工智能', 2296099),
    ('机器学习', 1376545),
    ('深度学习', 1337607),
    ('mysql', 4583345),
    ('数据', 5324539),
    ('数据分析', 3296099),
    ('数据挖掘', 1376545)
]

c = WordCloud()
c.add(series_name='图表', data_pair=data)
c.set_global_opts(title_opts=opts.TitleOpts(title='热词展示'))
c.render("reci.html")

七、动态GDP图

"""
演示第三个图表：GDP动态柱状图开发
"""
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
data_lines = f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储，格式为：
# { 年份: [ [国家, gdp], [国家,gdp], ......  ], 年份: [ [国家, gdp], [国家,gdp], ......  ], ...... }
# { 1960: [ [美国, 123], [中国,321], ......  ], 1961: [ [美国, 123], [中国,321], ......  ], ...... }
# 先定义一个字典对象
data_dict = {}
for line in data_lines:
    year = int(line.split(",")[0])      # 年份
    country = line.split(",")[1]        # 国家
    gdp = float(line.split(",")[2])     # gdp数据
    # 如何判断字典里面有没有指定的key呢？
    try:
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])

# print(data_dict[1960])
# 创建时间线对象
timeline = Timeline({"theme": ThemeType.LIGHT})
# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1], reverse=True)
    # 取出本年份前8名的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)   # y轴添加gdp数据

    # 构建柱状图
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前8GDP数据")
    )
    timeline.add(bar, str(year))


# for循环每一年的数据，基于每一年的数据，创建每一年的bar对象
# 在for中，将每一年的bar对象添加到时间线中

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)
# 绘图
timeline.render("1960-2019全球GDP前8国家.html")

八、中国地图

"""
演示全国疫情可视化地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open("D:/疫情.txt", "r", encoding="UTF-8")
data = f.read()     # 全部数据
# 关闭文件
f.close()
# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)        # 基础数据字典
# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]
# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list = []      # 绘图需要用的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name, province_confirm))


# 创建地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数", data_list, "china")
# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,           # 是否显示
        is_piecewise=True,      # 是否分段
        pieces=[
            {"min": 1, "max": 99, "lable": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")