Python pyecharts库

Python pyecharts库

---

pyecharts库是一个用于生成Echarts图表的类库。Echarts是一个使用JavaScript实现的开源可视化库，可以运行在浏览器中，生成交互式的图表和可视化。而pyecharts则是Echarts的Python接口，使得Python开发者能够利用Echarts的强大功能，通过Python代码轻松创建出丰富多样的图表。

pyecharts库提供了丰富的图表类型，包括但不限于折线图、柱状图、散点图、饼图、地图等，能够满足大部分数据可视化的需求。同时，它还支持多种交互方式，如缩放、拖拽、数据区域选择等，使得图表不仅具有美观的外观，还具备实用的交互功能。

使用pyecharts库，我们可以将数据分析的结果以直观、易于理解的方式呈现出来。无论是对于数据科学家、数据分析师还是普通的Python开发者，pyecharts都是一个非常实用的工具。通过简单的Python代码，我们就可以创建出专业级别的图表，帮助我们更好地理解和分析数据。

pyecharts库具有良好的扩展性。我们可以根据自己的需求，自定义图表的样式、颜色、标签等属性，使得图表更加符合我们的审美和使用习惯。同时，pyecharts还支持将图表保存为图片或HTML文件，方便我们在各种场景下进行分享和展示。

pyecharts库是一个功能强大、易于使用的Python可视化工具。它能够帮助我们轻松创建出专业级别的图表，提升数据分析和可视化的效率和质量。

pyecharts 特点与功能

---

pyecharts的特点主要体现在以下几个方面：

1. 丰富的图表类型：pyecharts支持多种类型的图表，包括折线图、柱状图、饼图、散点图、地图等，满足了大部分数据可视化的需求。

2. 高度定制化：用户可以自定义图表的各项属性，如颜色、标题、标签、提示框等，使得生成的图表更符合个人或项目的需求。

3. 易于集成：pyecharts生成的图表可以直接嵌入到网页中，也可以导出为HTML文件或图片，便于与其他系统进行集成和分享。

4. 简洁易用的API：pyecharts提供了简洁易用的API接口，使得用户可以通过少量的代码就能生成复杂的图表。

在功能方面，pyecharts提供了以下主要功能：

• 数据准备：可以通过pandas等数据处理库对原始数据进行预处理，得到适合绘制图表的数据格式。

• 图表绘制：通过调用pyecharts提供的各种图表类和方法，可以绘制出不同类型的图表。

• 图表配置：可以对图表的各项属性进行配置，包括颜色、字体、标签等，以满足个性化的需求。

• 图表导出：可以将绘制好的图表导出为HTML文件或图片，便于保存和分享。

• 交互功能：生成的图表支持交互功能，如鼠标悬停提示、数据区域选择等，增强了图表的可用性。

pyecharts是一个功能强大、易于使用的Python数据可视化库，可以帮助用户快速生成高质量的Echarts图表，为数据分析和展示提供了有力的支持。

pyecharts 安装

---

pip 安装：

---

安装pyecharts库非常简单，只需要使用Python的包管理工具pip即可。打开终端或命令提示符，输入以下命令即可进行安装：

pip install pyecharts

源码安装：

---

$ git clone https://github.com/pyecharts/pyecharts.git
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install
# 或者执行 python install.py

安装成功后可以查看 pyecharts 版本：

import pyecharts

print(pyecharts.__version__)

输出如下所示：

2.0.4

安装完成后，就可以在Python代码中导入pyecharts库，开始使用它来创建图表了。

安装过程中，pip会自动处理pyecharts的依赖关系，包括安装必要的库和模块。如果遇到安装问题，可以尝试升级pip到最新版本，或者检查Python环境是否配置正确。

一旦安装成功，你就可以开始探索pyecharts的强大功能了。从基本的折线图和柱状图开始，逐渐掌握更多类型的图表和高级配置选项。通过自定义图表的样式和交互功能，你可以创建出符合个人或项目需求的专业级图表。

除了基本的图表类型外，pyecharts还支持链式调用和多种主题样式，让你可以更加灵活地构建图表。同时，pyecharts也提供了丰富的文档和示例代码，帮助开发者快速上手并深入理解库的使用方法和最佳实践。

pyecharts是一个强大而灵活的Python数据可视化库，通过简单的安装和配置，你就可以开始利用它创建出精美且实用的图表了。无论你是数据科学家、数据分析师还是普通的Python开发者，pyecharts都将是你进行数据可视化的得力助手。

pyecharts 图表类型

---

pyecharts 支持以下图表类型图表：

图表类型	pyecharts 类	包引入
折线图	Line	from pyecharts.charts import Line
柱状图	Bar	from pyecharts.charts import Bar
散点图	Scatter	from pyecharts.charts import Scatter
饼图	Pie	from pyecharts.charts import Pie
雷达图	Radar	from pyecharts.charts import Radar
热力图	HeatMap	from pyecharts.charts import HeatMap
K 线图	Kline	from pyecharts.charts import Kline
箱线图	Boxplot	from pyecharts.charts import Boxplot
地图	Map	from pyecharts.charts import Map
词云图	WordCloud	from pyecharts.charts import WordCloud
仪表盘	Gauge	from pyecharts.charts import Gauge
漏斗图	Funnel	from pyecharts.charts import Funnel
树图	Tree	from pyecharts.charts import Tree
平行坐标系图	Parallel	from pyecharts.charts import Parallel
桑基图	Sankey	from pyecharts.charts import Sankey
地理坐标系图	Geo	from pyecharts.charts import Geo
时间线图	Timeline	from pyecharts.charts import Timeline
3D 散点图	Scatter3D	from pyecharts.charts import Scatter3D
3D 柱状图	Bar3D	from pyecharts.charts import Bar3D
3D 曲面图	Surface3D	from pyecharts.charts import Surface3D

pyecharts作为一款功能强大的Python数据可视化库，提供了上述丰富的图表类型，满足了不同场景下的可视化需求。无论是展示时间序列数据的变化趋势，还是对比不同类别数据的数量差异，或者是揭示数据之间的关联关系，pyecharts都能提供合适的图表类型来呈现。

通过pyecharts，用户可以轻松创建各种高质量的图表，并通过配置选项来定制图表的样式和布局。同时，pyecharts还支持与Jupyter Notebook等工具的集成，使得在数据分析过程中可以方便地展示可视化结果。

在实际应用中，用户可以根据数据的特点和需求选择适合的图表类型，并利用pyecharts提供的API进行数据的处理和图表的绘制。例如，对于时间序列数据，可以选择折线图或K线图来展示数据的变化趋势；对于分类数据，可以选择柱状图或饼图来对比不同类别的数量；对于地理空间数据，可以选择地图或地理坐标系图来展示数据的地理分布。

pyecharts还支持数据的动态更新和交互功能，使得图表更具生动性和实用性。用户可以通过配置选项来添加交互元素，如提示框、数据区域选择等，从而增强用户与图表的交互体验。

pyecharts作为一款功能全面、易于使用的Python数据可视化库，为数据分析和可视化提供了强大的支持。无论是初学者还是专业人士，都可以通过pyecharts来创建出精美而富有洞察力的图表，帮助用户更好地理解和分析数据。

pyecharts 创建第一个图表

---

准备工作

---

在开始使用 pyecharts 创建图表之前，我们需要确保已经安装了 pyecharts 库。如果你还没有安装，可以通过以下命令来安装：

pip install pyecharts

安装完成后，我们就可以开始使用 pyecharts 来创建各种丰富的图表了。

创建第一个图表

---

首先，我们需要导入 pyecharts 库中需要使用的模块。通常，我们会导入 Bar（柱状图）或 Line（折线图）等基础图表类。这里，我们以创建一个简单的柱状图为例：

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

# 准备数据
x_data = ["苹果", "香蕉", "橙子", "梨", "桃子"]
y_data = [5, 20, 36, 10, 75]

# 初始化柱状图对象
bar = Bar()

# 添加X轴和Y轴数据，设置全局配置项
bar.add_xaxis(x_data)
bar.add_yaxis("水果销量", y_data)
bar.set_global_opts(title_opts=opts.TitleOpts(title="水果销量统计"))

# 渲染图表到HTML文件
bar.render("fruit_sales.html")

这段代码首先导入了 Bar 类和 options 模块，然后定义了X轴和Y轴的数据。接下来，我们创建了一个 Bar 对象，并添加了X轴和Y轴的数据。然后，我们使用 set_global_opts 方法设置了图表的标题。最后，我们调用 render 方法将图表渲染成一个HTML文件，可以在浏览器中查看。

图表展示与定制

---

执行上述代码后，会在当前目录下生成一个名为 fruit_sales.html 的文件。用浏览器打开这个文件，你就可以看到我们创建的柱状图了。

pyecharts 提供了丰富的配置项，允许你定制图表的各个细节，比如颜色、标签、图例、提示框等。你可以查阅 pyecharts 的官方文档来了解更多配置项的使用方法。

通过上面的步骤，我们成功使用 pyecharts 创建了第一个图表。pyecharts 是一个非常强大且灵活的Python数据可视化库，可以帮助我们快速创建各种美观的图表。随着你对 pyecharts 的深入了解，你将能够创建出更加复杂和精美的数据可视化作品。

使用主题

---

pyecharts 支持主题切换，用户可以根据自己的需求选择合适的主题来改变图表的样式。

pyecharts 提供了 10+ 种内置主题，开发者也可以定制自己喜欢的主题。

以下是一个简单的例子，演示了如何使用 pyecharts 切换主题：

from pyecharts import options as opts
from pyecharts.charts import Bar
# 内置主题类型可查看 pyecharts.globals.ThemeType
from pyecharts.globals import ThemeType

# 准备数据
x_data = ['一月', '二月', '三月', '四月', '五月']
y_data = [10, 20, 15, 25, 30]

# 创建柱状图
bar_chart = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))  # 初始主题为亮色系
bar_chart.add_xaxis(x_data)
bar_chart.add_yaxis("销售额", y_data)

# 配置图表
bar_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="月度销售额柱状图"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额（万元）"),
)

# 切换到暗色系主题
bar_chart.set_global_opts(theme=ThemeType.DARK)

# 渲染图表
bar_chart.render("themed_bar_chart.html")

以上例子演示了如何在 pyecharts 中使用 ThemeType 来切换主题，pyecharts 支持的主题类型包括 LIGHT（亮色系）、DARK（暗色系）等，你可以根据需求选择合适的主题。

• init_opts=opts.InitOpts(theme=ThemeType.LIGHT)：在创建图表对象时，通过 init_opts 参数指定图表的初始主题，这里设置为亮色系。

除了内置的主题，pyecharts 还允许你自定义主题。你可以通过修改主题的配置文件或使用 Theme 类来创建自己的主题。自定义主题提供了更大的灵活性，使你能够创造出独特且符合项目风格的图表。

以下是 pyecharts 支持的主题列表：

Light Themes（亮色系主题）:

• “LIGHT”: 亮色系默认主题
• “WESTEROS”: 经典的暖色调主题
• “CHALK”: 粉笔风格主题
• “ESSOS”: 温和的绿色调主题
• “INFOGRAPHIC”: 信息图形主题
• “MACARONS”: 美味糖果色主题

Dark Themes（暗色系主题）:

• “DARK”: 暗色系默认主题
• “PURPLE-PASSION”: 深紫色调主题
• “SHINE”: 简洁的黑色调主题
• “VINTAGE”: 复古风格主题
• “ROMA”: 古罗马风格主题
• “WALDEN”: 森林深色系主题
  用户可以通过设置自定义的颜色和样式来创建自定义主题。

设置全局配置项

---

set_global_opts 是 pyecharts 中用于设置全局配置项的方法，该方法允许你配置整个图表的一些全局属性，如标题、坐标轴、图例等。

以下是一些常用的全局配置项：

bar_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="月度销售额柱状图", subtitle="副标题"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额（万元）"),
    legend_opts=opts.LegendOpts(pos_left="center", pos_top="top"),
    toolbox_opts=opts.ToolboxOpts(),
    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
)

说明：

title_opts: 标题配置项，可以设置主标题和副标题，以及相关的样式设置。
xaxis_opts 和 yaxis_opts: x 轴和 y 轴的配置项，可以设置轴的名称、轴线样式等。
legend_opts: 图例配置项，可以设置图例的位置、样式等。
toolbox_opts: 工具箱配置项，用于添加一些交互工具，如保存为图片、数据视图等。
tooltip_opts: 提示框配置项，可以设置提示框的触发方式、样式等。

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

# 准备数据
x_data = ['一月', '二月', '三月', '四月', '五月']
y_data = [10, 20, 15, 25, 30]

# 创建柱状图
bar_chart = Bar()
bar_chart.add_xaxis(x_data)
bar_chart.add_yaxis("销售额", y_data)

# 配置全局属性
bar_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="月度销售额柱状图", subtitle="副标题"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额（万元）"),
    legend_opts=opts.LegendOpts(pos_left="center", pos_top="top"),
    toolbox_opts=opts.ToolboxOpts(),
    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
)

# 添加个性化配置
# 自定义颜色
bar_chart.set_series_opts(itemstyle_opts={
    "normal": {
        "color": ["#C4CCD3", "#E6E9ED", "#F5F7FA"],
        "barBorderRadius": 10,
        "shadowBlur": 5,
        "shadowColor": "rgba(0, 0, 0, 0.5)",
        "shadowOffsetX": 0,
        "shadowOffsetY": 3,
    }
})

# 调整柱状图的宽度和间距
bar_chart.set_global_opts(datazoom_opts=[opts.DataZoomOpts()])

# 渲染图表
bar_chart.render("customized_bar_chart.html")

# 至此，我们已经创建了一个包含全局配置和个性化设置的月度销售额柱状图
# 渲染后的图表将保存在名为"customized_bar_chart.html"的文件中
# 你可以通过浏览器打开这个文件来查看最终的图表效果

# 如果需要进一步优化图表或添加更多功能，可以参考pyecharts的官方文档
# pyecharts提供了丰富的配置项和示例，可以满足各种复杂的可视化需求

# 例如，你可以尝试添加标签提示、修改图例位置、调整坐标轴刻度等
# 也可以结合其他图表类型，如折线图、散点图等，来创建更丰富的可视化效果

# 总之，pyecharts是一个强大而灵活的可视化库，值得学习和使用

👨‍💻博主Python老吕说：如果您觉得本文有帮助，辛苦您🙏帮忙点赞、收藏、评论，您的举手之劳将对我提供了无限的写作动力！🤞

print('Hello,World!')  # 每日一码，用Python跟世界说Hello,World!

---

🔥精品付费专栏:《Python全栈工程师》、《跟老吕学MySQL》、《Python游戏开发实战讲解》

---

🌞精品免费专栏:《Python全栈工程师·附录资料》、《Pillow库·附录资料》、《Pygame·附录资料》、《Tkinter·附录资料》、《Django·附录资料》、《NumPy·附录资料》、《Pandas·附录资料》、《Matplotlib·附录资料》、《Python爬虫·附录资料》

---

🌐前端免费专栏:《HTML》、《CSS》、《JavaScript》、《Vue》

---

💻后端免费专栏:《C语言》、《C++语言》、《Java语言》、《R语言》、《Ruby语言》、《PHP语言》、《Go语言》、《C#语言》、《Swift语言》、《跟老吕学Python编程·附录资料》

---

💾数据库免费专栏:《Oracle》、《MYSQL》、《SQL》、《PostgreSQL》、《MongoDB》

---