在上一个小节，我介绍了 Echarts 图表可视化组件基础，了解了 Echarts 和静态页面结合的基本使用方法。本节我们来看一下，如何使用 Python 开发基于 Echarts 的图表组件，这里面需要用到 Echarts 的 Python 语言定制版本 PyEcharts 框架。我们来看一下 PyEcharts 的官方网站、培训教程、源码资源和安装部署。
PyEcharts 简介
Python 是一门富有表现力的开发语言，是数据科学和人工智能在学习和科研场景下的首选语言。Python 语言的主要特点包括以下几个方面。
-
简单、易学：Python 语言的语法规则、数据类型相对简单易学，可以快速入门。
-
开源、免费：Python 语言是一个基于 C/C++的开源的项目，可以免费使用。
-
跨平台支持：Python 语言支持主流的操作系统：Windows、Linux、Mac、IOS、安卓等，Python 程序可以在各个平台之间实现无缝迁移。
-
资源丰富：Python 语言具有丰富的开发资源库，可以直接复用，尤其是在数据科学和人工智能方面，资源尤为丰富。
-
可扩展性：Python 语言支持跨语言开发，比如 C/C++程序混合编程。
通过上一个小节，我们了解到：Echarts 是一个开源的、免费的、成熟的、商业级的图表可视化框架，它基于 JavaScript 语言开发，是国内使用最多和最为广泛的可视化图表框架之一。而 PyEcharts 则是 Echarts 数据可视化框架，在 Python 开发语言环境下的实现版本，借助 PyEcharts，开发者可以使用 Python 语言直接生成可视化图表。
PyEcharts 特点
PyEcharts 作为 Echarts 的 Python 开发语言定制版本，一方面继承了 Echarts 图表可视化框架的特性，另外一方面，其作为一个开源项目，也具备自己的特性。这两个方面结合构成了 PyEcharts 的五个特点。
-
基于 Python 语言设计：这是 PyEcharts 最大的特点，Python 语言入门简单，适合学生使用；同时它又有丰富的资源并支持跨平台开发，也适合科研人员研究使用。因此，Python 具有非常广泛的用户基础。PyEcharts 基于 Python 语言开发，也很好地继承了 Python 的这一特点。
-
图表类型丰富： 虽然 PyEcharts 没有继承 Echarts 的全部图表，但是它也提供了最常用的 30 多种图表类型（具体数量与 PyEcharts 的版本相关，而且在持续更新中）。这些可用的图表已足以满足日常的数据可视化的呈现需求。
-
源码开源免费：PyEcharts 是一个开源项目，可以免费用于商业用途。
-
文档教程健全：PyEcharts 提供了相对完备的文档教程和示例程序，可以有效降低学习门槛。
-
Web 集成方便：PyEcharts 可以很轻松地和 Flask、Django 等 Web 框架整合，以 Web 页面的方式呈现，便于跨团队、跨部门、跨地域的合作和分享。
PyEcharts 官网
PyEcharts 官方网站，提供了丰富的学习资源，包括：文档、教程和案例。官方网站地址为https://pyecharts.org/#/
PyEcharts 官方网站
PyEcharts 提供了丰富的文档教程，学员可以通过官方教程，快速地掌握它的使用方法和技巧。PyEcharts 官方教程页面如下图所示：
PyEcharts 官方教程
PyEcharts 除官方教程之外，还有一个案例演示平台：https://gallery.pyecharts.org/#/，学员可以通过该平台，查看 PyEcharts 支持的所有图表组件的演示案例，包括源码、配置方法、图表预览等。PyEcharts 案例演示平台如下图所示：
PyEcharts-Gallery
PyEcharts 源码
PyEcharts 是一个开源项目，其源码资源托管在 GitHub，源码地址：https://github.com/pyecharts/pyecharts，PyEcharts 源码结构如下图所示：
PyEcharts 源码结构如下图所示：
PyEcharts 源码结构
PyEcharts 安装
使用 PyEcharts 图表组件库之前，需要安装对应的 PyEcharts 库文件，安装的方式非常简单，只需要执行指令：pip install pyecharts 即可。安装完成以后可以通过：pip show pyecharts 指令查看安装结果信息，如下图所示：
文件安装
PyEcharts 安装完成以后，可以通过 import 指令直接引入库中的组件对象，不过需要注意的是：PyEcharts 的大版本 v0.5x 和 v1.x 之间，引入方式不同，因为后续 v0.5x 版本不再维护，我们后续所有的示例程序的版本都是基于 v1.0x。以柱状图为例，我们需要导入的对象如下所示：
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
上面的代码中，opts 为配置参数、Bar 为柱状图组件、JsCode 为代码段对象、ThemeType 为图表主题样式对象。
PyEcharts 配置
PyEcharts 的配置主要是图表的参数设置，内容包括图表的提示框组件参数、图例组件参数、工具箱组件参数、X 轴组件参数、Y 轴组件参数、数据缩放组件参数、视图效果组件参数和主题样式参数，配置好的参数最终体现在可视化的图表中，一个典型的图表参数与页面呈现图表地对应关系，如下图所示：
PyEcharts 图表参数
上图的左侧部分，以红色字体标注出来的图表元素是 PyEcharts 图表的配置项类型，右侧部分代表的是各个配置项在代码中对应的标识符号。在04 课时，我们学习了 Echarts 的参数配置内容，可以发现，PyEcharts 的配置参数和图表呈现元素之间的映射关系，与 Echarts 完全相同，差异点只在于实现语言。基于 PyEcharts 配置参数的具体方法，我会在06 课时，给大家做详细的介绍。
PyEcharts 示例
了解了 PyEcharts 文件引入和配置参数之后，我们来看一个具体的案例，通过案例学习一下 PyEcharts 图表设计的方法。
PyEcharts 图表开发的过程主要分为四个步骤：PyEcharts 图表组件引入、图表对象声明、图表对象参数设置、图表对象渲染。首先我们来看一下案例运行之后的效果，然后我们再逐步拆解实现过程。下图是一个基于 PyEcharts 实现的柱状图的呈现效果：
PyEcharts 柱状图案例
首先是图表组件引入。要想实现以上的柱状图，需要在源码中，引入 PyEcharts 柱状图组件，具体的代码如下所示：
from pyecharts.charts import Bar
然后是引入柱状图组件，完成图表对象的声明，具体代码如下所示：
bar = Bar()
上述代码通过类 Bar 声明了一个柱状图图表组件的实例对象：bar。完成对象的声明以后，接下来需要进行参数配置，具体的代码如下所示：
# 参数设置：x 轴数据
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
# 参数设置：y 轴数据
bar.add_yaxis("商家 A", [5, 20, 36, 10, 75, 90])
上述代码分别设置了柱状图图表对象的 x 轴数据和 y 轴数据。参数设置完成以后，就是最后一步：图表对象渲染。图表对象的渲染只需要一行代码，具体的代码如下所示：
# 图表渲染：默认文件命：render.html,默认路径：当前目录
bar.render()
PyEcharts 图表组件的渲染，在不添加任何参数的情况下，默认会在 Python 程序文件当前目录下，生成一个名为：render.html 的 HTML 页面文件。如下图所示：
渲染文件
该页面文件的源码结构如下所示：
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Awesome-pyecharts</title>
<script type="text/javascript" src="https://assets.pyecharts.org/assets/echarts.min.js"></script>
</head>
<body>
<div id="8e37f723c1d747c584bfcae32007d042" class="chart-container" style="width:900px; height:500px;"></div>
<script>
var chart_8e37f723c1d747c584bfcae32007d042 = echarts.init(
document.getElementById('8e37f723c1d747c584bfcae32007d042'), 'white', {renderer: 'canvas'});
var option_8e37f723c1d747c584bfcae32007d042 = {
"animation": true,
"animationThreshold": 2000,
"animationDuration": 1000,
"animationEasing": "cubicOut",
"animationDelay": 0,
"animationDurationUpdate": 300,
"animationEasingUpdate": "cubicOut",
"animationDelayUpdate": 0,
"color": [
"#c23531",
"#2f4554",
"#61a0a8",
"#d48265",
"#749f83",
"#ca8622",
"#bda29a",
"#6e7074",
"#546570",
"#c4ccd3",
"#f05b72",
"#ef5b9c",
"#f47920",
"#905a3d",
"#fab27b",
"#2a5caa",
"#444693",
"#726930",
"#b2d235",
"#6d8346",
"#ac6767",
"#1d953f",
"#6950a1",
"#918597"
],
"series": [
{
"type": "bar",
"name": "\u5546\u5bb6A",
"data": [
5,
20,
36,
10,
75,
90
],
"barCategoryGap": "20%",
"label": {
"show": true,
"position": "top",
"margin": 8
}
}
],
"legend": [
{
"data": [
"\u5546\u5bb6A"
],
"selected": {
"\u5546\u5bb6A": true
}
}
],
"tooltip": {
"show": true,
"trigger": "item",
"triggerOn": "mousemove|click",
"axisPointer": {
"type": "line"
},
"textStyle": {
"fontSize": 14
},
"borderWidth": 0
},
"xAxis": [
{
"show": true,
"scale": false,
"nameLocation": "end",
"nameGap": 15,
"gridIndex": 0,
"inverse": false,
"offset": 0,
"splitNumber": 5,
"minInterval": 0,
"splitLine": {
"show": false,
"lineStyle": {
"width": 1,
"opacity": 1,
"curveness": 0,
"type": "solid"
}
},
"data": [
"\u886c\u886b",
"\u7f8a\u6bdb\u886b",
"\u96ea\u7eba\u886b",
"\u88e4\u5b50",
"\u9ad8\u8ddf\u978b",
"\u889c\u5b50"
]
}
],
"yAxis": [
{
"show": true,
"scale": false,
"nameLocation": "end",
"nameGap": 15,
"gridIndex": 0,
"inverse": false,
"offset": 0,
"splitNumber": 5,
"minInterval": 0,
"splitLine": {
"show": false,
"lineStyle": {
"width": 1,
"opacity": 1,
"curveness": 0,
"type": "solid"
}
}
}
]
};
chart_8e37f723c1d747c584bfcae32007d042.setOption(option_8e37f723c1d747c584bfcae32007d042);
</script>
</body>
</html>
页面源码
通过以上渲染完成以后的代码，对比04 课时，Echarts 与 HTML 结合生成的图表页面的源码，我们可以发现 PyEcharts 图表组件的渲染过程，其实是生成 HTML 和 JavaScripts Echarts 静态页面的过程，内容包括：Echarts 文件引入、HTML DOM 对象声明、图表对象初始化和参数设置。PyEcharts 通过渲染函数 Render()，实现了从 Python 程序到浏览器默认能够识别的 HTML 和 JavaScripts 脚本程序的转化。
通过以上操作，我们完成了一个 PyEcharts 基本的图表对象的创建工作，通过浏览器即可以直接预览渲染生成的页面文件的内容。该程序完整的代码结构如下所示：
from pyecharts.charts import Bar
# 柱状图对象声明
bar = Bar()
# 参数设置：x 轴数据
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
# 参数设置：y 轴数据
bar.add_yaxis("商家 A", [5, 20, 36, 10, 75, 90])
图表渲染：默认文件命：render.html,默认路径：当前目录
bar.render()
小结
本节课，我介绍了 PyEcharts 图表组件的官方网站、源码资源、安装方式、配置方法和实例程序。通过以上内容的学习，我想你应该掌握了 PyEcharts 开发环境的安装方法。
依照惯例，我会在这里将一些共性的问题展示出来，以便你能更好地理解这门课的内容。
问题 1：老师，我很好奇，大数据和 AI 的区别是什么呀？大数据，再深化下去，并和其他很多方面整合，才是 AI 吗？大数据的话，需要的编程语言、技术栈、框架等，都是需要些什么的呢？
这是一个相对复杂的问题，了解这个之前需要明确两点：一是你从哪个视角来看，是业务视角还是技术视角；二是你是否具备关于 AI 和大数据的完整的知识体系。
从业务视角，大数据也好，AI 也好，都是手段，不是目标，业务用户关注的是最终提供给终端用户的服务能力；
从技术视角，大数据特指四个层次的东西：分布式存储和计算、数据仓库、工具平台（类似 redash）、数据应用（报表、BI）；AI 特指：神经网络模型、深度学习框架（TF、PyTorch、Caffe 等）、拟人化能力（语音识别、机器视觉、NLP、知识图谱等）。
综上所述，二者是不同方向上的两条技术线，彼此有交集，有依赖，也相互独立，可以共同构建业务服务能力，对外输出。
问题 2：老师，可以在 Windows 系统下安装 redash 吗？或者说 Windows 系统下有什么可视化工具吗？
Windows 安装是可以的，Redash7.0 实际部署成功过，不过用的 python2.7，相对比较复杂。Celery4.x 以后的版本不支持在 windows 上运行，需要特殊处理。GitHub 上直接下载的源码，如果使用 python3.x 版本调试，但需要修正大量的代码，这就比较考验个人的代码调试和错误处理能力了。
问题 3：Redash 展现的图表可以随着数据的变化而变化吗？
Redash 的仪表盘支持定时刷新机制，可以满足这个需求。如下图所示：
扫一扫
1459
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
