pyecharts的基础知识

最新推荐文章于 2024-06-05 14:58:43 发布

我像影子一样

最新推荐文章于 2024-06-05 14:58:43 发布

阅读量558

点赞数 3

分类专栏： python 可视化 pyecharts 文章标签： python 数据分析 echarts

本文链接：https://blog.csdn.net/m0_56181660/article/details/132714843

版权

python 同时被 3 个专栏收录

18 篇文章 0 订阅

订阅专栏

可视化

12 篇文章 1 订阅

订阅专栏

pyecharts

4 篇文章 0 订阅

订阅专栏

pyecharts概述

'''
使用pyecharts进行开发之前，开发者需要先在本地计算机中安装pyecharts。
下面为大家演示如何在Anaconda中安装pyecharts 1.5.1。打开Anaconda Prompt工具，在提示符的后面输入如下命令：
conda install pyecharts
安装完成后，在命令提示符后面输入python，之后输入如下导入语句：
from pyecharts.charts import Bar
执行以上语句后，若Anaconda Prompt窗口没有出现任何错误信息，说明pyecharts安装成功，否则说明安装失败。
本次用的是1.9.1版本
'''

多学一招——Echarts:
- Echarts，全称为Enterprise Charts（商业产品图表库），是一个使用 JavaScript 编写的、开源的可视化图表库，它提供了一系列直观且生动的、可交互的、可高度个性化定制的图表，可以流畅地运行在 PC 和移动设备上，并且兼容当前绝大部分浏览器（IE8/9/10/11、Chrome、Firefox、Safari等）。
- Echarts的底层基于ZRender（二维绘图引擎，支持Canvas、SVG、VML等多种渲染方法）创建了坐标系、图例、提示框等基础组件，并基于这些组件创建了丰富的图表，包括常见的折线图、柱形图、散点图、饼图等；用于地理数据可视化的统计地图、热力图等；用于关系数据可视化的树状图、旭日图；用于多维数据可视化的平行坐标；用于BI 的漏斗图、仪表盘，还有任意混搭展现的组合图表。
- 下面是一个由Echarts生成的气泡图。
关于气泡图中的每个组件介绍如下：
- 标题组件：包括主标题和副标题，位于图表的左上角。例如，气泡图的主标题为气泡图示例”，副标题为“我是副标题”。
- 图例组件：位于图表的顶部中心位置，可通过用户的单击显示或隐藏图例项对应的图形。例如，单击气泡图中“商家A”的图例项隐藏全部红色的圆形。
- 提示框组件：用于显示鼠标悬浮在图形上的提示内容。例如，气泡图中显示蓝色圆点的所属分类及数值信息的灰底浮层。
- 数据区域缩放组件：用于供用户选择关注细节的数据信息、概览图形数据的整体或去除离群点的影响，可细分为内置型数据区域缩放组件、滑动条型数据区域缩放组件、框选型数据区域缩放组件，关于每种组件的介绍如下：
  1. 内置型数据区域缩放组件：位于坐标系中，可供用户通过鼠标拖拽、鼠标滚轮、手指滑动的方式缩放或漫游坐标系。
  2. 滑动条型数据区域缩放组件：包括单独的滑动条，可供用户通过拖动滑块的方式缩放或漫游坐标系。
  3. 框选型数据区域缩放组件：可供用户通过拖动鼠标画选框的方式缩放数据区域。
- 视觉映射组件：标识某一数值范围内数值及颜色对应关系的控件，可细分为分段型视觉映射组件和连续型视觉映射组件
- 图表类

pyecharts基础知识

快速绘制图表（柱形图）

# 柱形图
from pyecharts.charts import Bar
from pyecharts import options as opts

# 创建Bar类对象，并指定画布的大小
bar = Bar(init_opts=opts.InitOpts(width = '600px', height='300px'))
# 添加x轴和y轴数据
bar.add_xaxis(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'])
bar.add_yaxis('商家A',[5,20,36,10,75,90])
# 设置标题、y轴标签
bar.set_global_opts(title_opts = opts.TitleOpts(title = '柱形图示例'),
                    yaxis_opts = opts.AxisOpts(name = '销售额（万元）',
                    name_location = 'center', name_gap=30)
                    )
bar.render_notebook()

链式调用（常用写法）

# 柱形图链式调用
from pyecharts.charts import Bar
from pyecharts import options as opts

bar = (
    # 创建Bar类对象，并指定画布的大小
    Bar(init_opts=opts.InitOpts(width = '600px', height='300px'))
    # 添加x轴和y轴数据
    .add_xaxis(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'])
    .add_yaxis('商家A',[5,20,36,10,75,90])
    # 设置标题、y轴标签
    .set_global_opts(title_opts = opts.TitleOpts(title = '柱形图示例'),
                        yaxis_opts = opts.AxisOpts(name = '销售额（万元）',
                        name_location = 'center', name_gap=30)
                        )
)
bar.render_notebook()

注意：以上两种写法结果一致！

认识图表类

常见图标类如下图所示：

上图中列举的所有类均继承自Base基类，它们都可以使用与类同名的构造方法创建实例。例如，Bar类的构造方法的语法格式如下：

Bar(init_opts=opts.InitOpts())
'''
以上方法的init_opts参数表示初始化配置项，该参数需要接收一个InitOpts类的对象，
通过构建的InitOpts类对象为图表指定一些通用的属性，比如背景颜色、画布大小等。
例如:
'''
bar = Bar(init_opts=opts.InitOpts(width='600px', height='300px'))

认识配置项

系列配置项：系列配置项是一些针对图表特定元素属性的配置项，包括图元样式、文本样式、标签、线条样式、标记样式、填充样式等，其中每个配置项都对应一个类。

以上每个类都可以通过与之同名的构造方法创建实例。例如，创建一个标签配置项，格式如下:

label_opts = opts.LabelOpts(is_show=True,  # 若为True，表示显示标签。
                            position='right', # 若为'right'，表示标注于图形右方；
                            color='gray',  # color设为‘gray'，表示标签文本的颜色为灰色。
                            font_size=14, # 若为14，说明标签文本的字体大小为14号。
                            rotate=10 # 若为10，说明标签逆时针旋转10度。
                           )

多学一招：创建配置项

'''
pyecharts可以通过构造方法或字典两种方式创建配置项，两者是等价的。
例如，创建一个指定画布大小的柱形图，代码如下：
'''
bar = Bar(init_opts=opts.InitOpts(width="600px", height="300px"))
# 以上示例等价于：
bar = Bar(dict(width="600px", height="300px"))
# 或者
bar = Bar({"width": "600px", "height": "300px"})

渲染图表

渲染图表的方法如下：

'''
图表基类Base主要提供了两个渲染图表的方法：render()和render_notebook()，关于这两个方法的介绍如下：
render()方法
render()方法用于将图表渲染到HTML文件，默认为位于程序根目录的render.html文件。render()方法的语法格式如下：
'''
render(self, path="render.html", template_name="simple_chart.html", env=None,**kwargs)

# 以上方法中的参数path表示生成文件的路径，默认为"render.html"；template_name表示模板的路径。
# render()方法会返回HTML文件的路径字符串。

render_notebook() 方法
render_notebook()方法用于将图表渲染到Jupyter Notebook工具中，它无需接收任何参数。例如：
bar.render_notebook()