简介
Echarts是百度开源的一个数据可视化 JS 库,主要用于实现美观的数据可视化。Pyecharts 主要是生成Echarts的类库,简单点说就是Python和Echarts的对接。
安装Pyecharts
本文建议用户通过管理员权限来安装Pyecharts,不然后期有可能会遇到存在pip list中但无法调用的问题
具体安装步骤:
-
在搜索框中输入 cmd
-
右键Command Prompt,然后以管理员身份运行
-
在执行框中输入如下代码
pip install pyecharts
安装成功后,结果如下图所示
这里使用的是最新版本的 Pyecharts:1.9,pyecharts 所有方法均支持链式调用
import pyecharts
print(pyecharts.__version__)
基本使用
Jupyter Notebook 直接调用 render_notebook 随时随地渲染图表,默认为 Jupter-Notebook
导入基础包
from pyecharts import options as opts # options 配置项,在 pyecharts 中,一切皆 Options
from pyecharts.globals import ThemeType
Bar Chart(柱状图/条形图)
创建一个 Bar Chart 用于展示不同商家在各种服装上的销量,这里运用的是链式调用
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
.add_yaxis("商家A", [2, 90, 36, 18, 72, 90])
.add_yaxis("商家B", [1, 30, 72, 35, 88, 66])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
bar.render_notebook()
其结果展示如下所示
上图是可进行筛选操作的视图,例如只想看商家A
饼图 (Pie)
创建一个 Bar Chart 用于展示商家A在各种服装上的销量,这里运用的是链式调用
由于最新版本的Pyecharts饼图的最新系列数据项格式为 [(key1, value1), (key2, value2)],因此在这里要使用zip()函数对数据进行预处理,代码如下:
seller_A_data_pair = [list(z) for z in zip(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [2, 90, 36, 18, 72, 90])]
随后进行饼图的绘制
from pyecharts.charts import Pie
pie = (
Pie(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add(
#系列名称,即该饼图的名称,即当鼠标移动到饼图上时显示的名称
series_name="服装分析",
#系列数据项,格式为[(key1,value1),(key2,value2)]
data_pair=seller_A_data_pair,
#通过半径区分数据大小 “radius” 和 “area” 两种,建议使用radius
rosetype="radius",
#饼图的半径,设置成默认百分比,相对于容器高宽中较小的一项的一半
radius="50%",
#饼图的圆心,第一项是相对于容器的宽度,第二项是相对于容器的高度
center=["50%", "50%"],
#标签配置项
label_opts=opts.LabelOpts(is_show=False, position="center"),
)
#全局设置
.set_global_opts(
#设置标题
title_opts=opts.TitleOpts(
#名字
title="商家A销量分析",
#组件距离容器左侧的位置
pos_left="center",
#组件距离容器上方的像素值
pos_top="20",
#设置标题颜色
title_textstyle_opts=opts.TextStyleOpts(color="dimgrey"),
),
#图例配置项,参数 是否显示图里组件
legend_opts=opts.LegendOpts(is_show=False),
)
#系列设置
.set_series_opts(
tooltip_opts=opts.TooltipOpts(
trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
),
#设置标签颜色
label_opts=opts.LabelOpts(color="dimgrey"),
)
)
pie.render_notebook()
结果如下图
当鼠标移动到饼图上时,展示图如下所示
python中自定义颜色设置可参考如下对照表
箱线图(Boxplot)
创建一个 Box Plot 用于分析不同商家在整体销量上的一个分布状态
from pyecharts.charts import Boxplot
box = (
Boxplot(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(["不同商家"])
.add_yaxis("商家A",[[2, 90, 36, 18, 72, 90]])
.add_yaxis("商家B",[[1, 30, 72, 35, 88, 66]])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
box.render_notebook()
结果如下图
上图是可进行筛选操作的视图,例如只想看商家A
将鼠标移至商家A 上可看到具体细节:
折线图(Line)
创建一个折线图用于分析不同商家在整体销量上的一个变化趋势,由于示例简单,因此X轴暂时用不同服装类型表示,折线图最好还是用于时间序列。
line = (
Line(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
.add_yaxis("商家A",[2, 90, 36, 18, 72, 90])
.add_yaxis("商家B",[1, 30, 72, 35, 88, 66])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
line.render_notebook()
结果如下图
上图是可进行筛选操作的视图,例如只想看商家A
将鼠标移至指定点上可看到具体细节
雷达图 (Rader)
利用雷达图看看各商家在各产品上的销量差异
from pyecharts.charts import Radar
radar = (
Radar(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_schema([opts.RadarIndicatorItem(name='衬衫',max_=150),# 设置指示器名称和最大值
opts.RadarIndicatorItem(name='羊毛衫',max_=150),
opts.RadarIndicatorItem(name='雪纺衫',max_=150),
opts.RadarIndicatorItem(name='裤子',max_=100),
opts.RadarIndicatorItem(name='高跟鞋',max_=100),
opts.RadarIndicatorItem(name='袜子',max_=100),
]) # opts.RadarIndicatorItem用于设置指示器名称和最大值
.add("商家A",[[2, 90, 36, 18, 72, 90]])
.add("商家B",[[1, 30, 72, 35, 88, 66]])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
radar.render_notebook()
结果如下图
上图是可进行筛选操作的视图,例如只想看商家A
将鼠标移至指定点上可看到对应商家的具体细节
散点图(scatter)
利用散点图查看各商家在销量上的分布
from pyecharts.charts import Scatter
scatter = (
Scatter(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis([2, 90, 36, 18, 72, 90])
.add_yaxis("不同商家销量",[1, 30, 72, 35, 88, 66])
.set_global_opts(
#x轴配置
xaxis_opts=opts.AxisOpts(
name ='商家A',
name_location = 'center',
name_gap = 15,
# 坐标轴类型 'value': 数值轴
type_="value",
# 坐标轴刻度配置项
axistick_opts=opts.AxisTickOpts(is_show=True),#显示刻度
# 分割线配置项
splitline_opts=opts.SplitLineOpts(is_show=True) #显示分割线
),
#y轴配置
yaxis_opts=opts.AxisOpts(
name ='商家B',
# 坐标轴类型 'value': 数值轴
type_="value",
# 坐标轴刻度配置项
axistick_opts=opts.AxisTickOpts(is_show=True),#显示刻度
# 分割线配置项
splitline_opts=opts.SplitLineOpts(is_show=True),#显示分割线
),
title_opts=opts.TitleOpts(title="不同商家的销量"))
)
scatter.render_notebook()
结果如下图
将鼠标移至指定点上可看到对应点y轴的具体数值
柱状图和折线图合并 (Overlap)
展示不同商家在各种服装上的销量,以及变化趋势
bar = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
.add_yaxis("商家A", [2, 90, 36, 18, 72, 90])
.add_yaxis("商家B", [1, 30, 72, 35, 88, 66])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
line = (
Line(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
.add_yaxis("商家A",[2, 90, 36, 18, 72, 90])
.add_yaxis("商家B",[1, 30, 72, 35, 88, 66])
.set_global_opts(title_opts=opts.TitleOpts(title="服装",subtitle="不同商家的销量"))
)
bar.overlap(line).render_notebook()
结果如下图
上图是可进行筛选操作的视图,例如只想看商家A