本文章内容仅供参考，思维导图如下：
一，Pycharts简介
1，Pyecharts的由来
（1）Echarts是一个由百度开源的基于js语言的数据可视化框架，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。
（2）由于python在数据分析领域的活跃，一个开发团队将echarts库移植到python中，命名为“pyecharts”。
（3）相较于matplotlib而言，pyecharts库绘制的图形种类更多，样式更精美、丰富。
2，官网和社区
Pyecharts团队提供了官网和社区。
其中官网有Pyecharts的使用文档，社区包含各种图形的项目案例代码和演示。
官网：pyecharts - A Python Echarts Plotting Library built with love.
社区:Document
3，Pyecharts的图形样例
（1）带有滑动条的柱形图
#导入模块
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.days_attrs)
.add_yaxis("超市A", Faker.days_values, color=Faker.rand_color())
.set_global_opts(
title_opts=opts.TitleOpts(title="带有滑动条的柱形图"),
datazoom_opts=opts.DataZoomOpts(),
)
.render("带有滑动条的柱形图.html")
)结果如下：
（2）带有时间轴的饼图
#导入模块
from pyecharts import options as opts
from pyecharts.charts import Pie, Timeline
from pyecharts.faker import Faker
attr = Faker.choose()
tl = Timeline()
for i in range(2015, 2020):
pie= ( ##饼图
Pie()
.add(
"某某",
[list(z) for z in zip(attr, Faker.values())],
rosetype="radius",
radius=["30%", "55%"],
)
.set_global_opts(title_opts=opts.TitleOpts("某某{}年".format(i)))
)
tl.add(pie, "{}年".format(i))
tl.render("带有时间轴的饼图.html")结果如下：
（3）热力地图
#导入模块
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType
c = ( //热力图
Geo()
.add_schema(maptype="广东")
.add(
"geo",
[list(z) for z in zip(Faker.guangdong_city, Faker.values())],
type_=ChartType.HEATMAP,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-广东地图")
)
.render("geo_guangdong.html")
)结果如下：
二，Pyecharts的基本用法
1，语法结构
c=(
Bar()
#每个图形由相应的类构成。
.add_xaxis(Faker.choose())
#图形对象的各种方法（如添加x轴数据）均可以采用换行链式编程方法。
.add_yaxis("A家店铺",Faker.values())
.add_yaxis("B家店铺",Faker.values())
#
.set_global_opts(title_opts=opts.TitleOpts(title="Bark-Mark(指定类型)"))
#全局配置项set_global_ops可以配置标题、坐标轴等通用的图形模块。
.set_series_opts(
#系列配置项set_series_opts可以配置和数据及图形相关的图表样式、文本样式、线条样式、标签样式。
label_opts=opts.LabelOpts(is_show=False),
#各子配置项中传入的对象均由Pyecharts中options包里定义好的类生成。
markpoint_opts=opts.MarkPointOpts(
data=[
opts.MarkPointItem(type_="max",name="最大值"),
opts.MarkPointItem(type_="min",name="最小值"),
opts.MarkPointItem(type_="avg",name="平均值"),
]
)
)
.render("bar_markpoint_tpye.html")
#代码的最后是图形渲染的方法，可以生成html文件，或是直接在jupyter中展示。
)
2，使用pyecharts的注意事项
（1）pyecharts 本质上
在做的事情就是将 Echarts 的配置项由 Python dict 序列化为 JSON 格式，所以 pyecharts 支持什么格式的数据类型取决于 JSON 支持什么数据类型。这也就意味着在你将数据传入到 pyecharts 的时候，需要自行将数据格式转换成上述 Python 原生的数据格式。
（2）使用数据分析
大都需要使用 numpy/pandas，但是 numpy 的 numpy.int64/numpy.int32/... 等数据类型并不继承自 Python.int。这就需要我们在使用Pyecharts画图之前要将数据类型转化为【int\float】类型。
（3）有两种数据类型转换为【int\float】类型数据的方法：
有两种将numpy.int64/numpy.int32/... 等数据类型转换为【int\float】类型数据的方法：
【1】、序列对象的 tolist() 方法： Series.tolist()
【不建议使用python自带的list函数来将序列转化成列表，这可能会无法实现元素数据类型的转换】
【2】、强制转换数据的类型，并重新生成一个列表对象：
# 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]三，数据对比类图形
1，多重柱形图
（1）含义：即多个系列数据绘制的柱形图，不同系列的数据的图形用一种颜色表示。
基本语法：
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(Faker.choose())
.add_yaxis("超市A", Faker.values())
.add_yaxis("超市B", Faker.values())
.set_global_opts(
title_opts={"text": "Bar-通过 dict 进行配置", "subtext": "举例结果图"}
)
.render("bar_dict.html")
)
图例：
官方社区链接：
Bar - Bar_base_dict_config - Document (pyecharts.org)
2，堆积柱形图
（1）基本语法
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values(), stack="stack1")
.add_yaxis("商家B", Faker.values(), stack="stack1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（全部）"))
.render("bar_stack0.html")
)结果：
3，条形图
（1）基本语法
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴"))
.render("bar_reversal_axis.html")
)结果：
4，3D柱形图
（1）基本语法
Bar3D类创建3D柱形图对象
add方法添加数据：
（1）data参数中输入z轴数据（需要一个n*3形状的二维列表，n是柱体的个数）
（2）xaxis3d_opts 和 yaxis3d_opts分别输入x轴和y轴刻度值
官方社区链接：
Bar3d - Bar3d_punch_card - Document (pyecharts.org)
官方图：
5，环型饼图
（1）基本语法：
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
c = (
Pie()
.add(
"",
[list(z) for z in zip(Faker.choose(), Faker.values())],
radius=["40%", "75%"],
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Pie-Radius"),
legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
.render("pie_radius.html")
)官方社区链接：
Pie - Pie_radius - Document (pyecharts.org)
官方图：
6，玫瑰图
（1）基本语法：
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
v = Faker.choose()
c = (
Pie()
.add(
"",
[list(z) for z in zip(v, Faker.values())],
radius=["30%", "75%"],
center=["25%", "50%"],
rosetype="radius",
label_opts=opts.LabelOpts(is_show=False),
)
.add(
"",
[list(z) for z in zip(v, Faker.values())],
radius=["30%", "75%"],
center=["75%", "50%"],
rosetype="area",
)
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"))
.render("pie_rosetype.html")
)官方社区链接：
Pie - Pie_rosetype - Document (pyecharts.org)
官方图：
7，雷达图
（1）概念：
雷达图在显示各维度数据的对比情况的同时，还可以对全部维度的整体情况有一个直观的展示。
（1）基本语法：
import pyecharts.options as opts
from pyecharts.charts import Radar
"""
Gallery 使用 pyecharts 1.1.0
参考地址: https://echarts.apache.org/examples/editor.html?c=radar
目前无法实现的功能:
1、雷达图周围的图例的 textStyle 暂时无法设置背景颜色
"""
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
(
Radar(init_opts=opts.InitOpts(bg_color="#CCCCCC"))
.add_schema(
schema=[
opts.RadarIndicatorItem(name="销售（sales）", max_=6500),
opts.RadarIndicatorItem(name="管理（Administration）", max_=16000),
opts.RadarIndicatorItem(name="信息技术（Information Technology）", max_=30000),
opts.RadarIndicatorItem(name="客服（Customer Support）", max_=38000),
opts.RadarIndicatorItem(name="研发（Development）", max_=52000),
opts.RadarIndicatorItem(name="市场（Marketing）", max_=25000),
],
splitarea_opt=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
textstyle_opts=opts.TextStyleOpts(color="#fff"),
)
.add(
series_name="预算分配（Allocated Budget）",
data=v1,
linestyle_opts=opts.LineStyleOpts(color="#CD0000"),
)
.add(
series_name="实际开销（Actual Spending）",
data=v2,
linestyle_opts=opts.LineStyleOpts(color="#5CACEE"),
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="基础雷达图"), legend_opts=opts.LegendOpts()
)
.render("basic_radar_chart.html")
)
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
