绘图种类1不对_实用工具 | 一款丰富强大的Python绘图工具

最新推荐文章于 2021-01-31 22:11:29 发布

wangsmaster

最新推荐文章于 2021-01-31 22:11:29 发布

阅读量198

点赞数

文章标签：绘图种类1不对

本文链接：https://blog.csdn.net/weixin_31138555/article/details/113707208

版权

Python受欢迎的主要原因之一就是它丰富的工具包，画图是我们在开发过程中非常常见的一种场景，因此，画图工具自然不胜枚举。其中，比较知名的就是matplotlib^[1]，它可以覆盖我们日常工作中大多数场景。但是，它自身也有诸多弊端，例如，对新手不够友好、多图展示和离线查看比较麻烦。本文就来介绍一下另一款强大的Python画图工具--pyecharts，它可以作为matplotlib的有力补充。

前言

可视化是一种给人最直观感受的方式，当我们做数据分析、算法验证、效果展示时，绘图就成了一种非常有必要的手段。就如同，我们要看近几个月的股票走势，当看到成千上百个连续数据点时，很难从中发掘出什么规律，但是，当把它按照一定维度绘制出来，就能对股票的走势一目了然。提到Python绘图，很多人第一时间会想到matplotlib，的确，它是Python中使用最多、应用最为广泛的一款Python工具包。但是，在使用matplotlib的过程中我也感受到了一些让我觉得不足的场景：

•多图展示•离线查看•动态效果•图像种类

多图展示

当我需要把多张数据结果在同一个画布上展示出来时，就需要结合循环、subplotlib等方式，而且需要代码冗长，另外，最为重要的是当展示在同一张画布时灵活度较小，而且图像大小会受到一定局限。

离线查看

在有些时候，使用matplotlib绘图，窗口会随着程序的终止而自动销毁，虽然可以借助matplotlib中保存图像的函数解决问题，但是保存后会损失掉原图像中的部分信息，例如，动态效果。

动态效果

有些时候需要绘制三维等复杂图像，或者自带动态效果的图像，由于matplotlib的UI是基于比较老的tkinter开发的，所以，会出现明显的卡顿和不流畅现象。

图像种类

matplotlib能够满足我们日常工作中大多数场景，它包含柱状图、散点图、折线图等等，能够满足大多数数据分析的场景。但是在一些特殊场景却捉襟见肘，例如，地图、仪表盘、水球图、词云图。

因此，本文就来介绍另一款强大的绘图工具pyecharts^[2]。在介绍pyecharts之前首先来了解一下Echarts。

Echarts

技术栈中和可视化最为密切的应该就数JavaScript了，当我们浏览网页、使用基于js开发的分发工具时，会被它的可视化效果惊艳到，因此，能够利用JavaScript开发一款图表工具？Echarts的回答是肯定的。ECharts，缩写来自 Enterprise Charts，即为商业级数据图表，是百度的一个开源的数据可视化工具。能够同时在PC 端和移动设备上流畅运行，不仅支持丰富的绘图方式，而且可以使用拖拽、旋转等交互操作，它同时具备如下多项优点：

•支持种类多•开源免费•使用简单•兼容性好

因此，一经开源便备受欢迎。看到Echarts如此好用，有人就会想是否可以把它迁移到Python上面？ 答案是肯定的，Pyecharts就此应运而生，它把使用体验非常优秀的Echarts带入到Python中，下面就来看一下这款在JS中备受欢迎的图表工具在Python中如何使用。

Pyecharts

Pyecharts最初吸引我尝试的原因就是它优秀的交互性，它能够轻松的绘制出不同种类的图表，然后存储成html格式文件，当我们需要查看图表时，我们可以随时用任何一款浏览器打开html文件查看图表，在html文件中，它可以同时保存多幅图像，此外，还可以保留原图中的所有信息，此外，使用html存储图像信息还有一个非常显著的优点就是轻量化，因为这些原因，当我看到Pyecharts第一眼就被它惊艳到了。

当使用一段时间Pyecharts之后发现了它更多让人内心舒适的优点：

•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，Sanic，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，并且支持原生百度地图，为地理数据可视化提供强有力的支持

下面就来讲一下Pyecharts的使用方式。

安装

pip安装：

# 安装 v1 以上版本$ pip install pyecharts -U# 如果需要安装 0.5.11 版本的开发者，可以使用$ pip install pyecharts==0.5.11

源码安装

# 安装 v1 以上版本$ git clone https://github.com/pyecharts/pyecharts.git# 如果需要安装 0.5.11 版本，请使用 git clone https://github.com/pyecharts/pyecharts.git -b v05x$ cd pyecharts$ pip install -r requirements.txt$ python setup.py install

使用

下面以一个示例来解释一下Pyecharts的使用。

from pyecharts.charts import Barfrom pyecharts import options as optsbar = Bar()bar.add_xaxis(["衬衫", "毛衣", "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, 137, 129, 145, 60, 49])bar.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))bar.render()

上述示例中就是Pyecharts的使用流程，

•导入图表类，例如，柱状图等。•添加数据•调用render生成html文件

执行上述程序，会在项目路径下生成一个html文件，用浏览器打开这个html文件就可以看到对应的图表，

除此之外，还可以用于绘制如下图表，

地图

仪表盘

盒形图

漏斗图

等30+ 种常见图表。

此外，还可以将多个图表通过布局的方式整合在同一个html中，方便查看和对比。