pycharm、jupyter notebook、lab使用pyecharts绘图简易版

机器学习、深度学习都需要使用数据预处理，报告时需要使用可视化工具类展示数据处理的过程，pycharts不仅绘制的图形不仅简洁、美观，而且代码比较少。

安装

pip install pyecharts

pycharm中使用

import pyecharts

print(pyecharts.__version__)

Demo

from pyecharts.charts import Bar

bar = Bar()
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])
# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
# 也可以传入路径参数，如 bar.render("mycharts.html")
bar.render()

jupyter notebook中使用

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

bar = (
    Bar(init_opts = opts.InitOpts(ThemeType.WESTEROS))
    .add_xaxis(['postive','neutral','negative'])
    .add_yaxis("data1",value,bar_width='20%')
    .add_yaxis("data2",value,bar_width='20%')
    .set_global_opts(title_opts=opts.TitleOpts(title="情感属性分布"))
)

bar.render_notebook()

jupyter lab中使用

Jupyter Lab 渲染的时候有两点需要注意

1. 在顶部声明 Notebook 类型，必须在引入 pyecharts.charts 等模块前声明

 from pyecharts.globals import CurrentConfig, NotebookType
 CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB

2. 在第一次渲染的时候调用 load_javascript() 会预先加载基本 JavaScript 文件到 Notebook 中。如若后面其他图形渲染不出来，则请开发者尝试再次调用，因为 load_javascript 只会预先加载最基本的 js 引用。而主题、地图等 js 文件需要再次按需加载。
3. load_javascript() 和 render_notebook() 方法需要在不同的 cell 中调用，这是 Notebook 的内联机制，其实本质上我们是返回了带有 html, javascript 对象的 class。notebook 会自动去调用这些方法。

from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB


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

bar = (
    Bar(init_opts = opts.InitOpts(ThemeType.WESTEROS))
    .add_xaxis(['postive','neutral','negative'])
    .add_yaxis("data1",value,bar_width='20%')
    .add_yaxis("data2",value,bar_width='20%')
    .set_global_opts(title_opts=opts.TitleOpts(title="情感属性分布"))
)
bar.load_javascript()

bar.render_notebook()