Python可视化神器1-Pyecharts绘图详细教程-初识Pyecharts

最新推荐文章于 2025-03-14 18:45:55 发布
最新推荐文章于 2025-03-14 18:45:55 发布
阅读量1.3k 收藏 10
点赞数 28
文章标签： python 开发语言 pycharm 自动化 测试工具 echarts
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_23827149/article/details/145295332
版权

前言

文档位于 pyecharts - A Python Echarts Plotting Library built with love.

示例位于 Document

echarts

官网 https://www.echartsjs.com/zh/index.html

1. 简介

1.1 Pyecharts 是什么

  • Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，Pyecharts 诞生了
  • 可以理解为 Pyecharts 是实现 Echarts 与 Python 对接的一个库

1.2 Pyecharts 特性

  • 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
  • 囊括了 30+ 种常见图表，应有尽有
  • 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
  • 可轻松集成至 Flask，Django 等主流 Web 框架
  • 高度灵活的配置项，可轻松搭配出精美的图表
  • 详细的文档和示例，帮助开发者更快的上手项目
  • 多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

2. 安装

2.1 Pyecharts 版本

Pyecharts一共有三个大版本：V0.X 、 V1.X 、V2.X ，版本之间差别比较大！，v0.5.X 和 v1 间不兼容，v1 是一个全新的版本，详见 ISSUE#892，ISSUE#1033。

v0.5.X

支持 Python2.7，3.4+

经开发团队决定，0.5.x 版本将不再进行维护，0.5.x 版本代码位于 05x 分支，文档位于 05x-docs.pyecharts.org。

v1

仅支持 Python3.6+

新版本系列将从 v1.0.0 开始，文档位于 pyecharts.org，即本文档。

v2

支持 Python3.6 ~ Python 3.11

新版本系列从 Echarts 4 切换到 Echarts 5

宏哥本系列用的 Pyecharts 版本是2.0.4  ! 如下图所示：

谨记：不要装错啦！不同版本有些图参数设置不一样！

2.2安装

（1）直接 pip 安装：

pip(3) install pyecharts==2.0.4

 显示successfully，表示安装成功！！！

但宏哥实测时发现，由于墙的原因，下载时会出现断线和速度过慢的问题导致下载失败，所以建议通过清华镜像来进行下载：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

（2）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

（3）查看已安装版本：

import pyecharts
print(pyecharts.__version__)

2.3 常用安装方式

pip install xxx（库名）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ xxx（库名）

常用的国内镜像源：

2.4 安装地图文件（可选）

后期涉及到地图部分的可视化，所以这里就把地图包先装上（如果自己的可视化不包含地图，可以先不装，需要的时候再装也可以）：

  • 全球国家地图: echarts-countries-pypkg
  • 中国省级地图: echarts-china-provinces-pypkg
  • 中国市级地图: echarts-china-cities-pypkg
pip install pyecharts
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg

3.pyecharts常用的方法

(1)add(...)主要方法,用于加载要绘制的图表数据和设置各种配置。

(2)show_config();打印输出图标的所有配置项信息

(3)render(“xxx.html”):用于绘制生成html文件,默认在根目录下生成一个html文件，当未指定要绘制的文件名称，默认render.html。支持设置文件保存位置。

4.绘制图表的基本步骤

(1)初始化图表类型

Xxx=图表类型()

chart_name = Type() #初始化具体类型图表

例如，绘制柱图

mybar=Bar()

(2)添加配置项

xxx.add(.....)

add() #加数据及配置项,基本都在操作这个函数

(3)生成html文件

xxx.render(“xxx.html”)

render() #生成 .html文件，可设置文件类型

5. 图表类型

5.1 直角坐标系图表

  • Bar: 柱状图/条形图
  • Boxplot: 箱形图
  • EffectScatter: 连清特效散点图
  • HeatMap: 热力图
  • Kline/Candlestick: K线图
  • Line: 折线/面积图
  • PictorialBar: 象形柱状图
  • Scatter: 散点图
  • Overlap: 层查多图

5.2 基本图表

  • Calendar: 日历图
  • Funnel: 漏斗图
  • Gauge: 仪表盘
  • Graph: 关系图
  • Liquid: 水球图
  • Parallel: 平行坐标系
  • Pie: 饼图
  • Polar: 极坐标系
  • Radar: 雷达图
  • Sankey: 桑基图
  • Sunburst: 旭日图
  • ThemeRiver:主题河流图
  • WordCloud: 词云图

5.3 树形图表

  • Tree：树图
  • TreeMap：矩形树图

5.4 地理图表

  • Geo：地理坐标系
  • Map：地图
  • BMap：百度地图

5.5. 3D图表

  • Bar3D: 3D柱状图
  • Line3D: 3D折线图
  • Scatter3D: 3D散点图
  • Surface3D: 3D曲面图
  • Lines3D:3D 路径图
  • Map3D-三维地图
  • GraphGL-GL关系图

5.6. 组合图表

  • Grid: 并行多图
  • Page: 顺序多图
  • Tab: 选项卡多图
  • Timeline: 时间线轮播多图

5.7. HTML组件

  • Component 通用配置项
  • Table: 表格
  • Image: 图像

6. 绘图输出

6.1 输出到 jupyter notebook

# 将图形渲染到 notebook
def render_notebook()

6.2 输出到 html 文件

def render(
 # 生成图片路径
 path: str = "render.html",

 # 模板路径
 template_name: str = "simple_chart.html",

 # jinja2.Environment 类实例，可以配置各类环境参数
 env: Optional[Environment] = None,
)

7.图形设置

图形的设置方法都是同宗同源，大致主要为以下几种：

1、设置颜色：

.add_yaxis( "商家A", Faker.values(), itemstyle_opts=opts.ItemStyleOpts(color='red')

2、设置间距与宽度：通过添加gap百分比，默认为类目间距的 20%

.add_yaxis('门店', data2,category_gap="50%")

3、设置是否显示数据：通过添加label_opts = opts.LabelOpts(is_show=False）

.add_yaxis('MSE', data1,label_opts = opts.LabelOpts(is_show=False))

4、设置平均线：

.add_yaxis('MSE', data1, markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")])

5、设置y轴显示数据的范围：在.set_global_opts里添加yaxis_opts=opts.AxisOpts(min_=0.35,)min_和max_

.set_global_opts(title_opts=opts.TitleOpts(title="MSE", subtitle="MSE与决策树数量关系图"), yaxis_opts=opts.AxisOpts(min_=0.35,max_=0.6))

6、设置datazoom_opts拉动条形轴：在.set_global_opts里添加datazoom_opts=[opts.DataZoomOpts()],

.set_global_opts(title_opts=opts.TitleOpts(title="MSE", subtitle="MSE与决策树数量关系图"), datazoom_opts=[opts.DataZoomOpts()], yaxis_opts=opts.AxisOpts(min_=0.33,))

7、设置画布大小：

Bar(init_opts=opts.InitOpts(width="720px", height="680px"))

8、设置图形中的竖直区域

.set_series_opts( markarea_opts=opts.MarkAreaOpts( data=[ opts.MarkAreaItem(x=(s,e)) for s,e in zip([10],[12]) ] ))

9、横坐标显示不全，倾斜横坐标

.set_global_opts(title_opts=opts.TitleOpts(title="天气情况"), xaxis_opts=opts.AxisOpts(name='日期',axislabel_opts={"rotate":50}))

8.五分钟上手

8.1简单示例

首先开始来绘制你的第一个图表。

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2025-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])

bar.render()

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：

注：调用 render() 方法的时候会在本地生成一个 HTML 文件，默认会在当前目录生成 render.html 文件，同时也可以传入路径的参数，如 bar.render("mycharts.html") ，拿着这个 HTML 文件直接扔到浏览器中运行就能看到我们刚才创建的柱状图了。

8.2链式调用

链式调用的除了写法和前面的不同，作用完全相同，各位同学选择自己习惯的写法就行。

pyecharts 的方法都支持链式调用，就是上面这一段我们可以换成链式调用的写法，如下：

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2025-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
    .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
)

bar.render()

注： 这里链式，通俗点就是直接在Bar()后面用 . 直接调用，像调用函数一样，记得最外面有一个小括号哦。

8.3配置项

使用 options 配置项，在 pyecharts 中，一切皆 Options。

在使用 pyecharts 的时候，大量的配置是使用 options 完成的，下面看一个使用 options 进行主标题和副标题配置的小示例：

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2025-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

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

# V1 版本开始支持链式调用
# 你所看到的格式其实是 `black` 格式化以后的效果
# 可以执行 `pip install black` 下载使用

bar = (
    Bar()
    .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
    .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
    .set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
    # 或者直接使用字典参数
    # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar.render('render_1.html')

# 不习惯链式调用的开发者依旧可以单独调用方法
bar = Bar()
bar.add_xaxis([2017,2018,2019,2020,2021,2022,2023])
bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
bar.set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
bar.render('render_1.html')

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：

 如果想要将结果保存成图片，需要使用 snapshot-selenium 将结果渲染成图片，如果没有安装的话需要先安装，安装命令如下：

pip install snapshot_selenium

这里有一点需要注意，如果想要正常的使用 snapshot_selenium ，需要本地有和当前 Chrome 正常配套的 ChromeDriver ，如果没有，需要先安装。

8.4渲染成图片示例

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2025-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

bar = (
    Bar()
        .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
        .add_yaxis("产品销量", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
)
make_snapshot(snapshot, bar.render(), "bar_1.png")

这时，在同目录下生成了一个名称为 bar_1.png 的图片，就不贴出来了，和上面的图片是一样的，只是这张 png 图片是透明底的。

8.5使用主题

pyecharts 还提供了 10+ 种内置主题，如果有需要也可以自己定制自己喜欢的主题，示例如下：

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2025-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

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

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
        .add_yaxis("产品A", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .add_yaxis("产品B", [78000,80200,93000,101000,64000,70500,87000])
        .set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
)

bar.render('render_2.html')

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：

 9.小结

本文就是简单的介绍了一些Pyecharts的特性以及展示了几个基本图形。

pyecharts 画图
weixin_42141390的博客
12-04 1万+
pyechart 用于 web 绘图，是百度画图的一个高级接口
Python 有哪些好的学习资料或者博客？
m0_57290404的博客
08-16 793
第一阶段：python基础入门​黑马程序员最新Python教程，8天python从入门到精通，学python看这套就够了_哔哩哔哩_bilibili黑马程序员最新Python教程，8天python从入门到精通，学python看这套就够了共计110条视频，包括：Python导学视频、第一章-01-初识Python、第一章-02-什么是编程语言、第一章-03-Python环境安装(Windows)、第一章-04-【拓展】-Python环境安装(MacOS)、第一章-05-【拓展】-Python环境安装(Linu
pyecharts中文教程
08-13
本资源为pyecharts的中文教程，详细介绍了pyecharts的主要绘图及代码，可供参考和学习。
pyecharts极简入门教程
数据森麟
08-01 5111
作者：luanhz来源：小数志导读数据可视化是整个数据分析流程中的关键环节，甚至有着一图定成败的关键性地位。前期，陆续推出了matplotlib和seaborn详细入门教程，对于常规的数...
Python----数据可视化（pyecharts：介绍安装，全局配置，系列配置，绘图）
最新发布
weixin_64110589的博客
03-14 1389
PyEcharts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，诞生了。
pyecharts教程
IT小辉同学
04-21 245
pyecharts教程
大数据新视界 -- 大数据大厂之 Hive 临时表与视图：灵活数据处理的技巧（上）（29 / 30）
【青云交】华为云云享专家，在技术圈个人影响力位居前 17，跻身博客之星 TOP23。全国原力、全网领军人物双料登顶，作者周榜位居前二，苏州地区各榜也统统拿下榜首之位，实力爆棚！
12-05 4029
本文深度剖析 Hive 临时表与视图，从原理到实践全方位解读其特性、创建技艺、应用场景及协同策略，佐以多元案例与精准代码，为大数据从业者呈献高效数据处理的智慧锦囊与实操宝典，引领灵活数据分析新潮流。
python进阶学习路线（全）
weixin_34075551的博客
04-20 9881
学习路线： 1.硬件： 1、操作系统简介 2、第二篇：操作系统 2.linux基础： 1、初始Linux 2、基本使用 3、Linux进阶 3.python基础 ： 1、python基础大纲 2、变量与交互 3、快捷键 4...
我的挣扎 与 TBtools 的开发
abai0410的博客
09-05 1362
到底还是写了一篇推文，却着实想不到一个合适的题目。可能这是我写过最长的一篇推文，约莫万字。这篇推文的主要内容应该包括：TBtools 开发为了什么？TBtools 是怎么开发出来的？TBtools 版本迭代历史？JIGplot <- JJplot2 <- JJplot 的迭代过程？我是如何接触生信的？本硕博均是园艺果树专业，如何一步一步自学并入门生信。一份生信编程入门书籍清单 和 社群与论坛推荐。一些不堪回首的往事。感谢陪伴我和帮助过我的人。PS：推文在 TBtools 文稿 Online 前后
python pyecharts模块中文教程
早起CaiCai的学习空间
04-17 2831
pyecharts 中文文档:https://pyecharts.org/#/zh-cn/intro pyecharts-map 代码示例:http://gallery.pyecharts.org/#/Map/README
python之pyecharts画图
weixin_34280060的博客
05-08 3484
一、柱状图–竖和横 from pyecharts.charts import Bar from pyecharts import options as opts bar = Bar() bar.add_xaxis(['毛衣','寸衫',"领带",'裤子',"风衣","高跟鞋","袜子"]) bar.add_yaxis('商家A',[114,55,27,101,125,27,105]) bar.add_yaxis('商家B',[57,134,101,22,69,90,129]) bar.set_global_
Pyecharts基础教程
2301_77070523的博客
12-24 1682
除了基本的使用方法外，pyecharts还提供了许多进阶的使用技巧，如动态数据、数据映射、多系列等。在未来的工作中，我们可以结合实际需求，灵活运用pyecharts提供的各种功能和技巧，制作出更加丰富、生动的数据可视化作品。pyecharts是一个用于生成Echarts图表的类库，其基于Python语言开发，能够方便快捷地生成各种类型的Echarts图表，如折线图、柱状图、饼图等。在pyecharts中，每一个图表都是一个对象，我们需要先创建一个图表对象，然后通过该对象的方法进行图表的配置和渲染。
软件测试|Python数据可视化神器——pyecharts教程（一）
Tester_muller的博客
02-14 496
我们都知道百度开源了一个Echarts数据可视化库，支持绘制各种主流的图表。Python在数据分析方面是十分强大的，于是，pyecharts就应运而生了。囊括了 30+ 种常见图表，应有尽有高度灵活的配置项，可轻松搭配出精美的图表多达 400+ 地图，为地理数据可视化提供强有力的支持简洁的 API 设计，使用如丝滑般流畅，支持链式调用pyecharts官方文档和以往的神级第三方库一样，安装的步骤还是一条pip命令。如上所示，即表示安装成功。
Pyecharts教程1——制作第一个Echarts
Plum_Steven的博客
03-07 1932
利用Pyecharts制作柱状图
软件测试|Python数据可视化神器——pyecharts教程（十）
Tester_muller的博客
09-11 1109
漏斗图（Funnel Chart）是一种用于可视化数据流程或转化率的图表类型。它通常由一系列阶段组成，每个阶段都有一个名称和一个值，表示在该阶段的转化量或数据流程的进展情况。漏斗图的名称来源于其外观，类似于实际的漏斗形状，它的顶部较宽，底部较窄，符合数据逐渐减少或筛选的情况。在这篇文章中，我们将介绍如何使用Python的Pyecharts库创建漏斗图，以展示数据流程中的各个阶段或转化率。
学习笔记 | pyecharts (V0.5版本) 画图
大虎牙的博客
05-18 1042
1. 柱状图 from pyecharts import Bar #从pyecharts库中导入Bar子类 bar = Bar("贵州GDP柱状图", "副标题") #定义Bar()柱状图，同时设置主标题和副标题 bar.add("GDP",["贵阳市", "遵义市", "六盘水市", "安顺市", "黔东南州"],[40, 30, 26, 22, 15]) #调用add()函数添加图表的数据和设置各种配置项 #bar.show_config() #打印输出图表的所有配置项 bar.render()
python学习之路 - pyecharts快速入门
qq_41444892的博客
08-23 2720
pyecharts快速入门
PyEcharts教程
02-16
### PyEcharts 使用教程 #### 安装 PyEcharts 为了安装 PyEcharts，推荐使用 pip 工具来获取最新版本。执行如下命令可以完成安装： ```bash pip install pyecharts ``` 对于希望使用特定版本的情况，可以通过指定版本号来进行安装[^1]。 #### 配置环境 PyEcharts 的配置相对简单，在大多数情况下，默认设置已经能够满足需求。如果需要自定义主题或其他全局选项，则可以在项目初始化阶段通过 `pyecharts.globals` 进行调整。例如更改默认的主题样式为 'dark' 主题: ```python from pyecharts.globals import ThemeType from pyecharts.charts import Bar bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK)) ``` 这段代码展示了如何创建一个柱状图实例并应用暗黑风格主题[^2]。 #### 示例代码 下面给出一个简单的折线图绘制例子作为入门指导： ```python from pyecharts.charts import Line from pyecharts import options as opts line = ( Line() .add_xaxis(["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]) .add_yaxis( series_name="", y_axis=[120, 200, 150, 80, 70, 110, 130], is_smooth=True, markpoint_opts=opts.MarkPointOpts(data=[ opts.MarkPointItem(type_='max', name='最大值'), opts.MarkPointItem(type_='min', name='最小值') ]), markline_opts=opts.MarkLineOpts(data=[ opts.MarkLineItem(type_='average', name='平均值') ]) ) .set_global_opts(title_opts=opts.TitleOpts(title="某地气温变化")) ) line.render('temperature_change.html') # 渲染图表到 HTML 文件中查看效果 ``` 此段脚本构建了一个展示一周内温度波动情况的折线图，并设置了平滑曲线以及标注了最高最低温点和均值线[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值