Python可视化之pyecharts图表绘制

raising sheep

已于 2024-01-06 00:31:52 修改

阅读量864

点赞数 7

文章标签： python 信息可视化开发语言

于 2024-01-06 00:12:35 首次发布

本文链接：https://blog.csdn.net/w3474271593/article/details/135419941

版权

Pyecharts 是一个基于 ECharts 图表库的 Python 类库，它允许用户在 Python 环境中使用 ECharts 创建丰富的交互式图表和数据可视化。ECharts 是百度开源的一个强大的可视化 JavaScript 库，专注于提供交互性和可定制性的数据图表。

1.简介

Pyecharts是由Echarts团队开发的，是便于在Python环境中便捷使用Echarts可视化库

支持多种图表类型：
- Pyecharts 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、热力图等。这使得用户可以根据不同的数据特点选择合适的图表类型，满足各种数据可视化需求。
简单易用的 API：
- Pyecharts 的 API 被设计为简单易用，允许用户使用链式调用或函数式调用的方式来创建和配置图表。这样的设计使得用户可以快速上手，同时代码更具可读性。
支持多种数据格式：
- Pyecharts 提供了对多种数据格式的支持，包括 CSV、JSON、pandas 数据框等。这意味着用户可以方便地导入来自不同数据源的数据，无需进行繁琐的数据格式转换。
可定制化的主题和样式：
- Pyecharts 支持用户根据自己的需求定制图表的主题和样式。这使得用户可以根据项目的风格或个人偏好进行定制，创建出更加个性化的图表。
支持交互式操作：
- Pyecharts 提供了交互式操作的功能，使用户可以通过鼠标滚轮、拖拽等方式对图表进行缩放、平移等操作。这种交互性帮助用户更灵活地探索数据，进行数据分析和发现潜在的模式。

使用Pyecharts库前需要先进行下载

pip install pyecharts

2.pyecharts学习路线

3.常用图表绘制

1.绘制柱状图

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

# 构造数据
x_data = ["A", "B", "C", "D", "E"]
y_data = [10, 20, 15, 25, 30]

# 创建柱状图
bar_chart = (
    Bar()
    .add_xaxis(x_data)
    .add_yaxis("柱状图", y_data)
    .set_global_opts(title_opts=opts.TitleOpts(title="简单柱状图"))
)

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

我们构造了用于柱状图的数据。x_data 是 x 轴的数据，y_data 是对应的柱状图的数据。

创建了柱状图的实例 bar_chart。通过链式调用，我们使用 add_xaxis 设置 x 轴的数据，使用 add_yaxis 添加柱状图的数据，这里的第一个参数是系列的名称，第二个参数是 y 轴的数据。最后，使用 set_global_opts 设置全局配置，这里设置了图表的标题。

使用 render 方法将图表渲染为一个 HTML 文件，文件名为 "bar_chart.html"。这个文件可以通过浏览器打开，从而查看生成的柱状图。

2.绘制饼图

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

# 构造数据
data = [("A", 10), ("B", 20), ("C", 15), ("D", 25), ("E", 30)]

# 创建饼图
pie_chart = (
    Pie()
    .add("", data)
    .set_global_opts(title_opts=opts.TitleOpts(title="简单饼图"))
)

# 渲染图表
pie_chart.render("pie_chart.html")

通过 add 方法添加饼图的数据，第一个参数是系列的名称，第二个参数是数据。然后使用 set_global_opts 设置全局配置，这里设置了图表的标题。

3.散点图

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

# 构造数据
data = [(10, 20), (20, 30), (30, 40), (40, 50), (50, 60)]

# 创建散点图
scatter_chart = (
    Scatter()
    .add_xaxis([x for x, y in data])
    .add_yaxis(
        series_name="散点图",  # 系列名称
        y_axis=[y for x, y in data],
        symbol_size=20,  # 散点大小
        label_opts=opts.LabelOpts(is_show=True),  # 是否显示标签
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="简单散点图"),
        xaxis_opts=opts.AxisOpts(type_="value", name="X轴"),  # X轴配置
        yaxis_opts=opts.AxisOpts(type_="value", name="Y轴"),  # Y轴配置
    )
)

# 渲染图表
scatter_chart.render("scatter_chart.html")

series_name：指定系列的名称。
symbol_size：设置表示数据点的符号（标记）的大小。
label_opts：配置与数据标签相关的选项，例如是否显示标签 (is_show)。
xaxis_opts 和 yaxis_opts：配置 X 轴和 Y 轴的选项，例如轴类型和轴名称。

5.中国地图

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

# 构造数据
data = [("北京", 100), ("上海", 200), ("广州", 150), ("深圳", 180), ("重庆", 120)]

# 创建地图
china_map = (
    Map()
    .add("城市", data, maptype="china")
    .set_global_opts(title_opts=opts.TitleOpts(title="中国地图"))
)

# 渲染图表
china_map.render("china_map.html")

使用 Map 类时，调用了 ECharts 的地图功能，而 ECharts 内置了世界地图和中国地图等数据。因此，当你指定 maptype="china" 时，Pyecharts 会利用 ECharts 内置的中国地图数据进行绘制。

6.动态轨迹图

from pyecharts.commons.utils import JsCode
from pyecharts import options as opts
from pyecharts.charts import Geo, Timeline

# 构造时间序列数据
trajectory_data = [
    {"time": "2022-01-01", "city": "北京"},
    {"time": "2022-01-02", "city": "上海"},
    {"time": "2022-01-03", "city": "广州"},
    # 添加更多时间序列数据...
]

# 构造城市坐标
city_coordinates = {
    "北京": [116.397, 39.907],
    "上海": [121.473, 31.230],
    "广州": [113.324, 23.102],
    # 添加更多城市坐标...
}

# 创建 Geo 图表
trajectory_map = (
    Geo(init_opts=opts.InitOpts(width="800px", height="600px"))
    .add_schema(maptype="china")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(
            max_=10,  # 数据值的最大值
            min_=0,   # 数据值的最小值
            range_color=["blue", "green"],  # 渐变颜色
            is_piecewise=True,  # 是否为分段型
        ),
        title_opts=opts.TitleOpts(title="动态轨迹图"),
    )
)

# 创建时间轴
timeline = Timeline(init_opts=opts.InitOpts(width="800px", height="600px"))

# 更新动态轨迹数据
for data_point in trajectory_data:
    city = data_point["city"]
    coordinates = city_coordinates.get(city)
    if coordinates:
        map_data = [(city, 1)]  # 每个时间点一个城市，数值设置为1
        trajectory_map.add_coordinate(city, coordinates[0], coordinates[1])
        trajectory_map.add("动态轨迹", map_data, type_="effectScatter", color="blue")

    timeline.add(trajectory_map, time_point=data_point["time"])

# 渲染图表
timeline.render("trajectory_map.html")

导入模块和数据准备：

from pyecharts.commons.utils import JsCode：导入 Pyecharts 中用于写 JavaScript 代码的 JsCode 类。
from pyecharts import options as opts：导入 Pyecharts 的 options 模块并别名为 opts。
from pyecharts.charts import Geo, Timeline：导入 Geo 和 Timeline 类。
trajectory_data：一个包含字典的列表，表示时间和城市信息。每个字典有 'time' 和 'city' 键对应的值。
city_coordinates：一个字典，将城市名映射到对应的经纬度坐标。

创建 Geo 图表：

Geo(init_opts=opts.InitOpts(width="800px", height="600px"))：创建一个 Geo 图表，设置初始宽度和高度。
.add_schema(maptype="china")：添加地图类型的模式（在这里是中国地图）。
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))：配置系列选项，例如关闭标签以获得更好的可视化效果。
.set_global_opts(...)：配置图表的全局选项，包括视觉映射选项、标题选项等。

创建时间轴：