关于 使用pyecharts进行数据可视化分析 的学习报告I

pyecharts在数据可视化中的应用

pyecharts 是一款非常好用的，基于 python 的，数据可视化工具包，那么如何来使用 pyecharts ，下面就来简单介绍一下 pyecharts 的使用方法，具体安装过程可以参考

• pyecharts官方手册

注意事项

pyecharts 分为 v0.5.X 和 v1 两个大版本，v0.5.X 和 v1 间不兼容

v0.5.X版本	v1 版本
支持Python2.7，3.4+，且已不再维护	支持Python3.6 + 是目前的首选

简单的开发流程

1. 导入全局配置项和图表类型

from pyecharts import options as opts
from pyecharts.charts import  [name]

2. 添加或导入数据

x_data = ["1995","1996","1997","1998","1999","2000","2001","2002","2003","2004","2005","2006","2007","2008","2009"]
y_data = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44]

3. 初始化图表(以Line为例)，配置全局设置 ，添加xy轴数据

    Line()
   .set_global_opts( title_opts=opts.TitleOpts(title="Line-折线图", subtitle="Chale"),)
   .add_xaxis(xaxis_data = x_data)
   .add_yaxis( y_axis = y_data）

4. 导出

 .render("html/折线图.html")

render方法会在指定目录生成一个html文件,在浏览器打开可查看图例
下面有几个例题可以更详细的理解这个流程

项目实例

折线图(Line)

• 绘制美国1995年-2009年邮费变化折线图、阶梯图，数据如下：
  年份 ： [“1995”, “1996”, “1997”, “1998”, “1999”, “2000”, “2001”, “2002”, “2003”, “2004”, “2005”, “2006”,“2007”, “2008”, “2009”]
  邮费： [0.32, 0.32, 0.32, 0.32, 0.33, 0.33, 0.34, 0.37, 0.37, 0.37, 0.37, 0.39, 0.41, 0.42, 0.44]

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 9:54 
"""

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

#原始数据
x_data = ["1995","1996","1997","1998","1999","2000","2001","2002","2003","2004","2005","2006","2007","2008","2009"]
y_data = [0.32,0.32,0.32,0.32,0.33,0.33,0.34,0.37,0.37,0.37,0.37,0.39,0.41,0.42,0.44]

#折线图
(
#初始化
    Line()
#全局配置
    .set_global_opts(
        tooltip_opts=opts.TooltipOpts(is_show=True),
        xaxis_opts=opts.AxisOpts(type_="category"),
        title_opts=opts.TitleOpts(title="Line-折线图", subtitle="Chale"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        )
    )

#xy轴配置
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        series_name="美国1995年-2009年邮费折线图",
        y_axis=y_data,
        symbol="emptyCircle",
        is_symbol_show=True,
        label_opts=opts.LabelOpts(is_show=True),
    )
#导出
    .render("./html/basic_line_chart.html")
)


#阶梯图
c = (
    Line()
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图", subtitle="Chale"))
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis("美国1995年-2009年邮费阶梯图", y_axis=y_data, is_step=True)
    .render("./html/line_step.html")
)

堆叠柱形图(bar)、极坐标系-堆叠柱状图

• 2000年-2010年热狗大胃王比赛前三名成绩的堆叠柱形图、极坐标系-堆叠柱状图（南丁格尔玫瑰图）：
  数据文件：hot-dog-places.csv

• 可以通过 pandas 来导入 csv 文件

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 10:57 
"""

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.charts import Polar

#导入csv文件
hot_dog = pd.read_csv('file/hot-dog-places.csv')


#xy轴赋值
x = hot_dog.columns.values.tolist()
y1 = hot_dog.values[0:1][0].tolist()
y2 = hot_dog.values[1:2][0].tolist()
y3 = hot_dog.values[2:3][0].tolist()

#堆叠柱形图

c = (
   Bar()
#设置x轴
   .add_xaxis(x)
#设置堆叠数据
   .add_yaxis("Fst", y1, stack="stack1")
   .add_yaxis("Sec", y2, stack="stack1")
   .add_yaxis("Trd", y3, stack="stack1")
   .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
   .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠柱形图", subtitle="Chale"))
   .render("html/堆叠柱形图.html")
)


#玫瑰图
c = (
   Polar()
   .add_schema(angleaxis_opts=opts.AngleAxisOpts(data=x, type_="category"))
   .add("A", y1, type_="bar", stack="stack0")
   .add("B", y2, type_="bar", stack="stack0")
   .add("C", y3, type_="bar", stack="stack0")
   .set_global_opts(title_opts=opts.TitleOpts(title="Polar-AngleAxis", subtitle="Chale"))
   .render("html/南丁格尔玫瑰图.html")
)

饼图(pie)

• 某网站用户感兴趣的领域的投票结果绘制饼图、环形图
  数据文件：vote_result.csv

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 11:30
"""
import pandas as pd

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

#导入csv文件
vote_result = pd.read_csv('file/vote_result.csv')


#xy轴赋值
x = vote_result['感兴趣的领域'].tolist()
y= vote_result['票数'].tolist()


c = (
    Pie()
    .add("", [list(z) for z in zip(x,y)])
#设置饼图各部分颜色
    .set_colors(["#3FA7D6", "#F3CA40", "#F2A541", "#F3752B", "#9bf6ff", "#D78A76", "#0CCE6B"])
    .set_global_opts(title_opts=opts.TitleOpts(title="投票结果", subtitle="Chale"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("html/饼图.html")
)


d = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(x, y)],
#设置圆环宽度和大小
        radius=["40%", "75%"],
    )

    .set_global_opts(
        title_opts=opts.TitleOpts(title="环形饼图", subtitle="Chale"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),
    )
    .set_colors(["#3FA7D6", "#F3CA40", "#F2A541", "#F3752B", "#9bf6ff", "#D78A76", "#0CCE6B"])
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("html/环形饼图.html")
)

堆积柱形图II

• 奥巴马的政治举措民意调查结果的堆叠柱形图
  数据文件：approval_rate.csv

"""
@desc:
@author: Chale
@software: PyCharm on 2020/6/5 12:00
"""

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

#导入csv文件
approval_rate = pd.read_csv('file/approval_rate.csv')


#xy轴赋值
x = approval_rate['政治举措'].tolist()
y1 = approval_rate['支持'].tolist()
y2 = approval_rate['反对'].tolist()
y3 = approval_rate['不发表意见'].tolist()

c = (
    Bar()
#设置x轴
    .add_xaxis(x)

#设置y轴堆叠数据
    .add_yaxis("支持", y1, stack="stack1")
    .add_yaxis("反对", y2, stack="stack1")
    .add_yaxis("不发表意见", y3, stack="stack1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
    .set_global_opts(title_opts=opts.TitleOpts(title="奥巴马的政治举措民意调查结果", subtitle="Chale"))
    .render("html/堆叠柱形图aobama.html")
)

以上就是pyecharts在数据可视化中的应用中比较基础的部分

完。