一、认识图表类
pyecharts支持绘制30余种丰富的ECharts图表,针对每种图表均提供了相应的类并且封装到pyecharts.charts 模块中。
类 | 说明 |
Line | 折线图 |
Bar | 柱形图/条形图 |
Pie | 饼图 |
Scatter | 散点图 |
EffectScatter | 带有涟漪特效动画的散点图 |
Boxplot | 箱型图 |
Radar | 雷达图 |
Line3D | 3D折线图 |
Bar3D | 3D柱形图 |
Scatter3D | 3D散点图 |
Surface3D | 3D曲面图 |
Map | 统计地图 |
HeatMap | 热力图 |
Funnel | 漏斗图 |
Gauge | 仪表盘 |
Sankey | 桑基图 |
Tree | 树状图 |
二、配置项
认识配置项
pyecharts 遵循“先配置后使用”的基本原则。pyecharts.options模块中包含众多关于定制图表组件及样式的配置项。按照配置内容的不同,配置项可以分为全局配置项和系列配置项。
1.全局配置项
全局配置项是一些针对图表通用属性的配置项,包括初始化属性、标题组件、图例组件、工具箱组件、视觉映射组件、提示框组件、数据区域缩放组件,其中每个配置项都对应一个类。
若 pyecharts需要为图表设置全局配置项(InitOpts除外),则需要将全局配置项传入set_global_opts() 方法。set_global_opts()方法的语法格式如下:
set_global_opts(self, title_opts=opts.TitleOpts(),
legend_opts=opts.Legendopts(), tooltip_opts=None,
toolbox_opts=None, brush_opts=None, xaxis_opts=None,
yaxis_opts=None, visualmap_opts=None, datazoom_opts=None,
graphic_opts=None, axispointer_opts=None)
该方法各参数的含义如下。
title_opts :表示标题组件的配置项。
legend_opts :表示图例组件的配置项。
tooltip_opts :表示提示框组件的配置项。
toolbox_opts :表示工具箱组件的配置项。
brush_opts :表示区域选择组件的配置项。
xaxis_opts,yaxis_opts :表示x轴、y轴的配置项。
visualmap_opts :表示视觉映射组件的配置项。
datazoom_opts :表示数据区域缩放组件的配置项。
graphic_opts : 表示原生图形.元素组件的配置项。
axispointer_opts : 表示坐标轴指示器组件的配置项。
2.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。
类 | 说明 |
ItemStyleOpts | 图元样式配置项 |
TextStyleOpts | 文本样式配置项 |
LabelOpts | 标签配置项 |
LineStyleOpts | 线条样式配置项 |
SplitLineOpts | 分割线配置项 |
MarkPointOpts | 标记点配置项 |
MarkLineOpts | 标记线配置项 |
Mark AreaOpts | 标记区域配置项 |
EffectOpts | 涟漪特效配置项 |
AreaStyleOpts | 区域填充样式配置项 |
SplitAreaOpts | 分隔区域配置项 |
GridOpts | 直角坐标系网格配置项 |
三、渲染图表
图表基类Base主要提供了两个渲染图表的方法:render()和render_notebook()
1、render()方法
render()方法用于将图表渲染到HTML文件,默认位于程序根目录的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。
2、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。
pyecharts常用网址
# 在anaconda prompt命令行工具下,通过pip清华镜像源安装pyecharts
# pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
# echarts官网:https://www.echartsjs.com/index.html
# pyecharts官网:https://pyecharts.org/#/zh-cn/intro
# pyecharts众多图表示例代码:https://gallery.pyecharts.org/#/README
# pyecharts github项目国内镜像: https://gitee.com/mirrors/pyecharts
实操
年份(年) | 诊疗量(万人次) | 同比增速(%) |
2014 | 87430 | 7.40 |
2015 | 90912 | 4.00 |
2016 | 96225 | 5.83 |
2017 | 101885 | 5.81 |
2018 | 107147 | 5.16 |
2019 | 116390 | 8.63 |
2020 | 105764 | -9.13 |
2021 | 120215 | 13.66 |
# 导入需要的库,得导入到anaconda所在的盘和目录下,否则将无法识别
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ["2014", "2015", "2016", "2017", "2018", "2019", "2020", "2021"]
bar = (
Bar(init_opts=opts.InitOpts(width="1000px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="诊疗量(万人次)",
y_axis=[87430,90912,96225,101885,107147,116390,105764,120215,],
label_opts=opts.LabelOpts(is_show=False),
z_level = 0,
# 柱状图所有图形的 zlevel 值。
# z_level: types.Numeric = 0,
# 柱状图组件的所有图形的z值。控制图形的前后顺序。
# z值小的图形会被z值大的图形覆盖。
# z相比zlevel优先级更低,而且不会创建新的 Canvas。
)
.extend_axis( # 扩展 X/Y 轴
yaxis=opts.AxisOpts( # yaxis新增 Y 坐标轴配置项,AxisOpts坐标轴配置项
name="同比增速(%)",
type_="value", #'value': 数值轴,适用于连续数据
min_=-20,
max_=20,
interval=10, # 强制设置坐标轴分割间隔
axislabel_opts=opts.LabelOpts(formatter="{value} %"),# 坐标轴标签配置项 formatter回调函数,value传入的数据值
)
)
.set_global_opts(
# tooltip_opts=opts.TooltipOpts(# TooltipOpts:提示框配置项
# is_show=False, ),
xaxis_opts=opts.AxisOpts( # 坐标轴配置项
type_="category", #'category': 类目轴,适用于离散的类目数据,为该类型时必须通过 data 设置类目数据。
# axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"), # 坐标轴指示器配置项
), # is_show是否显示坐标轴指示器,type_指示器类型# 'line' 直线指示器'shadow' 阴影指示器'none' 无指示器
yaxis_opts=opts.AxisOpts(
name="诊疗量(万人次)",
type_="value",
min_=0,
max_=130000,
interval=50000, # 强制设置坐标轴分割间隔
axislabel_opts=opts.LabelOpts(formatter="{value}"), # 坐标轴标签配置项 formatter回调函数,value传入的数据值
# axistick_opts=opts.AxisTickOpts(is_show=True), # 坐标轴刻度配置项
# splitline_opts=opts.SplitLineOpts(is_show=True), # 分割线配置项
),
)
)
bar.set_global_opts(
title_opts=opts.TitleOpts(title='2014-2021年中国中医类医疗卫生机构诊疗量',
pos_left='30%'), # 设置标题及位置
legend_opts=opts.LegendOpts(is_show=False)) # 设置不显示图例组件的配置项
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="同比增速(%)",
yaxis_index=1, # 使用的 y 轴的 index,在单个图表实例中存在多个 y 轴的时候有用
y_axis=[7.40,4.00,5.83,5.81,5.16,8.63,-9.13,13.66],
symbol='triangle', symbol_size=20, # 设置折线图的图标样式及大小
label_opts=opts.LabelOpts(is_show=False), # 设置不显示图例
z_level = 2,
# 折线图所有图形的 zlevel 值。
# z_level: types.Numeric = 0,
# zlevel用于 Canvas 分层,不同zlevel值的图形会放置在不同的 Canvas 中,Canvas 分层是一种常见的优化手段。
# zlevel 大的 Canvas 会放在 zlevel 小的 Canvas 的上面。
# 折线图组件的所有图形的z值。控制图形的前后顺序。z值小的图形会被z值大的图形覆盖。
# z 相比 zlevel 优先级更低,而且不会创建新的 Canvas。
)
)
bar.overlap(line).render_notebook() # 渲染到notebook中展示
示例图