java生成word报告echart_Java这几个用 Pyecharts 做出来的交互图表，领导说叼爆了！...

作者 | 旧时晚风拂晓城

编辑 | JackTian

来源 | 杰哥的IT之旅(ID：Jake_Internet)

转载请联系授权(微信ID：Hc220066)

一、Pyecharts简介和安装

1、简介

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。

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

pyecharts版本v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。

2、安装

安装 pyecharts

pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

import pyecharts

print(pyecharts.__version__) # 查看pyecharts版本

安装相关的地图扩展包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg # 全球国家地图

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg # 中国省级地图

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg # 中国市级地图

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg # 中国县区级地图

二、绘制地理图表

1、世界地图—数据可视化

利用 Starbucks.csv 中的数据，首先计算每个国家(Country)对应的门店数量，然后使用世界地图表示星巴克门面店在全球的分布。

import pandas as pd

from pyecharts.charts import Map

from pyecharts import options as opts

from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# 用pandas读取csv文件里的数据

df = pd.read_csv("Starbucks.csv")['Country']

data = df.value_counts()

datas = [(i, int(j)) for i, j in zip(data.index, data.values)]

# 实例化一个Map对象

map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))

# 世界地图

map_.add("门店数量", data_pair=datas, maptype="world")

map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示label

map_.set_global_opts(

title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布", pos_left='40%', pos_top='10'), # 调整title位置

legend_opts=opts.LegendOpts(is_show=False),

visualmap_opts=opts.VisualMapOpts(max_=13608, min_=1, is_piecewise=True,

pieces=[{"max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"}, # 分段 添加图例注释和颜色

{"max": 99, "min": 10, "label": "10-99", "color": "#A52A2A"},

{"max": 499, "min": 100, "label": "100-499", "color": "#0000FF "},

{"max": 999, "min": 500, "label": "500-999", "color": "#FF00FF"},

{"max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"},

{"max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"},

{"max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"}

])

)

# 渲染在网页上 有交互性

map_.render('星巴克门店在全球的分布.html')

运行效果如下：

2、国家地图—数据可视化

涟漪散点图

利用china.csv 中的数据，首先计算每个城市(City)对应的门店数量，然后使用 pyecharts包内 Geo 模块绘制星巴克门面店在中国分布的涟漪散点地图。

import pandas as pd

from pyecharts.globals import ThemeType, CurrentConfig, GeoType

from pyecharts import options as opts

from pyecharts.charts import Geo

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# pandas读取csv文件数据

df = pd.read_csv("china.csv")['City']

data = df.value_counts()

datas = [(i, int(j)) for i, j in zip(data.index, data.values)]

print(datas)

geo = Geo(init_opts=opts.InitOpts(width='1000px', height='600px', theme=ThemeType.DARK))

geo.add_schema(maptype='china', label_opts=opts.LabelOpts(is_show=True)) # 显示label 省名

geo.add('门店数量', data_pair=datas, type_=GeoType.EFFECT_SCATTER, symbol_size=8)

geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

geo.set_global_opts(title_opts=opts.TitleOpts(title='星巴克门店在中国的分布'),

visualmap_opts=opts.VisualMapOpts(max_=550, is_piecewise=True,

pieces=[{"max": 50, "min": 0, "label": "0-50", "color": "#708090"}, # 分段 添加图例注释 和颜色

{"max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"},

{"max": 200, "min": 101, "label": "101-200", "color": "#00008B"},

{"max": 300, "min": 201, "label": "201-300", "color": "#8B008B"},

{"max": 600, "min": 500, "label": "500-600", "color": "#FF0000"},

])

)

geo.render("星巴克门店在中国的分布.html")

运行效果如下：

动态轨迹图

from pyecharts import options as opts

from pyecharts.charts import Geo

from pyecharts.globals import ChartType, SymbolType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# 链式调用

c = (

Geo()

.add_schema(

maptype="china",

itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),

label_opts=opts.LabelOpts(is_show=True)

)

.add(

"",

[("广州", 55), ("北京", 66), ("杭州", 77), ("重庆", 88), ('成都', 100), ('海口', 80)],

type_=ChartType.EFFECT_SCATTER,

color="white",

)

.add(

"",

[("广州", "上海"), ("广州", "北京"), ("广州", "杭州"), ("广州", "重庆"),

('成都', '海口'), ('海口', '北京'), ('海口', '重庆'), ('重庆', '上海')

],

type_=ChartType.LINES,

effect_opts=opts.EffectOpts(

symbol=SymbolType.ARROW, symbol_size=6, color="blue"

),

linestyle_opts=opts.LineStyleOpts(curve=0.2),

)

.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

.set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图"))

.render("geo_lines_background.html")

)

运行效果如下：

3、省市地图—数据可视化

热力图

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Geo

from pyecharts.faker import Faker

from pyecharts.globals import GeoType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Geo()

.add_schema(maptype="广东", label_opts=opts.LabelOpts(is_show=True))

.add(

"热力图",

[list(z) for z in zip(Faker.guangdong_city, Faker.values())],

type_=GeoType.HEATMAP,

)

.set_series_opts(label_opts=opts.LabelOpts(is_show=True))

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-广东地图")

)

.render("geo_guangdong.html")

)

运行效果如下：

在地图上批量添加地址、经纬度数据，地理数据可视化

代码如下：

import pandas as pd # 导入数据分析模块

from pyecharts.charts import Geo # 导入地理信息处理模块

from pyecharts import options as opts # 配置

from pyecharts.globals import GeoType, CurrentConfig, ThemeType

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_excel("hotel.xlsx")

# 获取 地点 经纬度信息

geo_sight_coord = {df.iloc[i]['酒店地址']: [df.iloc[i]['经度'], df.iloc[i]['纬度']] for i in range(len(df))}

data = [(df['酒店地址'][j], f"{int(df['最低价'][j])}元(最低价)") for j in range(len(df))]

# print(data)

# print(geo_sight_coord)

g = Geo(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION, width="1000px", height="600px"))

g.add_schema(maptype="北京")

for k, v in list(geo_sight_coord.items()):

# 添加地址、经纬度数据

g.add_coordinate(k, v[0], v[1])

# 涟漪散点图

g.add("", data_pair=data, type_=GeoType.EFFECT_SCATTER, symbol_size=6)

g.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

g.set_global_opts(title_opts=opts.TitleOpts(title="北京-酒店地址分布"))

g.render("酒店地址分布.html")

运行效果如下：

三、柱形图

代码如下：

from pyecharts.charts import Bar

from pyecharts.faker import Faker

from pyecharts.globals import ThemeType, CurrentConfig

from pyecharts import options as opts

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

# 链式调用

c = (

Bar(

init_opts=opts.InitOpts( # 初始配置项

theme=ThemeType.MACARONS,

animation_opts=opts.AnimationOpts(

animation_delay=1000, animation_easing="cubicOut" # 初始动画延迟和缓动效果

))

)

.add_xaxis(xaxis_data=Faker.choose()) # x轴

.add_yaxis(series_name="商家A", yaxis_data=Faker.values()) # y轴

.add_yaxis(series_name="商家B", yaxis_data=Faker.values()) # y轴

.set_global_opts(

title_opts=opts.TitleOpts(title='标题', subtitle='副标题', # 标题配置和调整位置

title_textstyle_opts=opts.TextStyleOpts(

font_family='SimHei', font_size=25, font_weight='bold', color='red',

), pos_left="90%", pos_top="10",

),

xaxis_opts=opts.AxisOpts(name='x轴名称', axislabel_opts=opts.LabelOpts(rotate=45)), # 设置x名称和Label rotate解决标签名字过长使用

yaxis_opts=opts.AxisOpts(name='y轴名称'),

)

.render("bar_001.html")

)

运行效果如下：

代码如下：

import pandas as pd

import collections

from pyecharts import options as opts

from pyecharts.charts import Bar

from pyecharts.globals import ThemeType, CurrentConfig

import random

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_excel("hotel.xlsx")

area = list(df['酒店地址'])

area_list = []

for i in area:

_index = i.find("区")

# 字符串切片得到行政区名

i = i[:_index + 1]

area_list.append(i)

area_count = collections.Counter(area_list)

area_dic = dict(area_count)

# 两个列表对应 行政区 对应的酒店数量

area = [x for x in list(area_dic.keys())][0:10]

nums = [y for y in list(area_dic.values())][:10]

# 定制风格

bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

colors = ['red', '#0000CD', '#000000', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC']

random.shuffle(colors)

# 配置y轴数据 Baritem

y = []

for i in range(10):

y.append(

opts.BarItem(

value=nums[i],

itemstyle_opts=opts.ItemStyleOpts(color=colors[i]) # 设置每根柱子的颜色

)

)

bar.add_xaxis(xaxis_data=area)

bar.add_yaxis("酒店数量", yaxis_data=y)

bar.set_global_opts(xaxis_opts=opts.AxisOpts(

name='行政区',

axislabel_opts=opts.LabelOpts(rotate=45)

),

yaxis_opts=opts.AxisOpts(

name='酒店数量', min_=0, max_=330, # y轴刻度的最小值 最大值

),

title_opts=opts.TitleOpts(

title="行政区-酒店数量",

title_textstyle_opts=opts.TextStyleOpts(

font_family="KaiTi", font_size=25, color="black"

)

))

# 标记最大值 最小值 平均值 标记平均线

bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),

markpoint_opts=opts.MarkPointOpts(

data=[

opts.MarkPointItem(type_="max", name="最大值"),

opts.MarkPointItem(type_="min", name="最小值"),

opts.MarkPointItem(type_="average", name="平均值")]),

markline_opts=opts.MarkLineOpts(

data=[

opts.MarkLineItem(type_="average", name="平均值")]))

bar.render("行政区酒店数量最多的Top10.html")

运行效果如下：

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Bar

from pyecharts.faker import Faker

from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))

.add_xaxis(xaxis_data=Faker.days_attrs)

.add_yaxis("商家A", yaxis_data=Faker.days_values)

.set_global_opts(

title_opts=opts.TitleOpts(title="Bar-DataZoom(slider+inside)"),

datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],

)

.render("bar_datazoom_both.html")

)

运行效果如下：

四、饼图

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Pie

from pyecharts.faker import Faker

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Pie()

.add(

"",

[list(z) for z in zip(Faker.choose(), Faker.values())],

# 饼图的中心(圆心)坐标，数组的第一项是横坐标，第二项是纵坐标

# 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度

center=["35%", "50%"],

)

.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"]) # 设置颜色

.set_global_opts(

title_opts=opts.TitleOpts(title="Pie-设置颜色-调整图例位置"),

legend_opts=opts.LegendOpts(type_="scroll", pos_left="70%", orient="vertical"), # 调整图例位置

)

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

.render("pie_set_color.html")

)

运行效果如下：

代码如下：

import pyecharts.options as opts

from pyecharts.charts import Pie

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

x_data = ["深度学习", "数据分析", "Web开发", "爬虫", "图像处理"]

y_data = [688, 888, 560, 388, 480]

data_pair = [list(z) for z in zip(x_data, y_data)]

data_pair.sort(key=lambda x: x[1])

c = (

# 宽 高 背景颜色

Pie(init_opts=opts.InitOpts(width="1200px", height="800px", bg_color="#2c343c"))

.add(

series_name="学习方向", # 系列名称

data_pair=data_pair, # 系列数据项，格式为 [(key1, value1), (key2, value2)]

rosetype="radius", # radius：扇区圆心角展现数据的百分比，半径展现数据的大小

radius="55%", # 饼图的半径

center=["50%", "50%"], # 饼图的中心(圆心)坐标，数组的第一项是横坐标，第二项是纵坐标

label_opts=opts.LabelOpts(is_show=False, position="center"), # 标签配置项

)

.set_global_opts(

title_opts=opts.TitleOpts(

title="Customized Pie",

pos_left="center",

pos_top="20",

title_textstyle_opts=opts.TextStyleOpts(color="#fff"),

),

legend_opts=opts.LegendOpts(is_show=False),

)

.set_series_opts(

tooltip_opts=opts.TooltipOpts(

trigger="item", formatter="{a}
{b}: {c} ({d}%)" # 'item': 数据项图形触发，主要在散点图，饼图等无类目轴的图表中使用

),

label_opts=opts.LabelOpts(color="rgba(255, 255, 255, 0.3)"),

)

.render("customized_pie.html")

)

运行效果如下：

五、环图

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Pie

from pyecharts.faker import Faker

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Pie()

.add(

"",

[list(z) for z in zip(Faker.choose(), Faker.values())],

# 饼图的半径，数组的第一项是内半径，第二项是外半径

# 默认设置成百分比，相对于容器高宽中较小的一项的一半

radius=["40%", "60%"],

)

.set_colors(["blue", "green", " #800000", "red", "#000000", "orange", "purple"])

.set_global_opts(

title_opts=opts.TitleOpts(title="Pie-Radius"),

legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),

)

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

.render("pie_radius.html")

)

运行效果如下：

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Pie

from pyecharts.faker import Faker

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Pie()

.add(

"",

[list(z) for z in zip(Faker.choose(), Faker.values())],

radius=["40%", "60%"],

label_opts=opts.LabelOpts(

position="outside",

formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c} {per|{d}%} ",

background_color="#eee",

border_color="#aaa",

border_width=1,

border_radius=4,

rich={

"a": {"color": "#999", "lineHeight": 22, "align": "center"},

"abg": {

"backgroundColor": "#e3e3e3",

"width": "100%",

"align": "right",

"height": 22,

"borderRadius": [4, 4, 0, 0],

},

"hr": {

"borderColor": "#aaa",

"width": "100%",

"borderWidth": 0.5,

"height": 0,

},

"b": {"fontSize": 16, "lineHeight": 33},

"per": {

"color": "#eee",

"backgroundColor": "#334455",

"padding": [2, 4],

"borderRadius": 2,

},

},

),

)

.set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例"))

.render("pie_rich_label.html")

)

运行效果如下：

六、玫瑰图

代码如下：

from pyecharts import options as opts

from pyecharts.charts import Pie

from pyecharts.faker import Faker

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

labels = ['可乐', '雪碧', '橙汁', '奶茶', '冰啤酒', '柠檬水']

values = [6, 12, 28, 52, 72, 96]

v = Faker.choose()

c = (

Pie()

.add(

"",

[list(z) for z in zip(v, Faker.values())],

radius=["40%", "75%"],

center=["22%", "50%"],

rosetype="radius",

label_opts=opts.LabelOpts(is_show=False),

)

.add(

"",

[list(z) for z in zip(labels, values)],

radius=["40%", "75%"],

center=["70%", "50%"],

rosetype="area",

)

.set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"),

legend_opts=opts.LegendOpts(is_show=False)

)

.render("pie_rosetype.html")

)

from pyecharts import options as opts

from pyecharts.charts import Pie

from pyecharts.globals import CurrentConfig

import pandas as pd

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

provinces = ['北京','上海','黑龙江','吉林','辽宁','内蒙古','新疆','西藏','青海','四川','云南','陕西','重庆',

'贵州','广西','海南','澳门','湖南','江西','福建','安徽','浙江','江苏','宁夏','山西','河北','天津']

num = [1,1,1,17,9,22,23,42,35,7,20,21,16,24,16,21,37,12,13,14,13,7,22,8,16,13,13]

color_series = ['#FAE927','#E9E416','#C9DA36','#9ECB3C','#6DBC49',

'#37B44E','#3DBA78','#14ADCF','#209AC9','#1E91CA',

'#2C6BA0','#2B55A1','#2D3D8E','#44388E','#6A368B'

'#7D3990','#A63F98','#C31C88','#D52178','#D5225B',

'#D02C2A','#D44C2D','#F57A34','#FA8F2F','#D99D21',

'#CF7B25','#CF7B25','#CF7B25']

# 创建DataFrame

df = pd.DataFrame({'provinces': provinces, 'num': num})

# 降序排序

df.sort_values(by='num', ascending=False, inplace=True)

# 提取数据

v = df['provinces'].values.tolist()

d = df['num'].values.tolist()

# 绘制饼图

pie1 = Pie(init_opts=opts.InitOpts(width='1250px', height='750px'))

# 设置颜色

pie1.set_colors(color_series)

pie1.add("", [list(z) for z in zip(v, d)],

radius=["30%", "100%"],

center=["50%", "50%"],

rosetype="area"

)

# 设置全局配置项

pie1.set_global_opts(title_opts=opts.TitleOpts(title='多省区市\n确诊病例连续多日',subtitle='零新增',

title_textstyle_opts=opts.TextStyleOpts(font_size=25,color= '#0085c3'),

subtitle_textstyle_opts= opts.TextStyleOpts(font_size=50,color= '#003399'),

pos_right= 'center',pos_left= 'center',pos_top='42%',pos_bottom='center'

),

legend_opts=opts.LegendOpts(is_show=False),

toolbox_opts=opts.ToolboxOpts())

# 设置系列配置项

pie1.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12,

formatter="{b}:{c}天", font_style="italic",

font_weight="bold", font_family="SimHei"

),

)

# 渲染在html页面上

pie1.render('南丁格尔玫瑰图示例.html')

运行效果如下：

七、词云图

词云就是通过形成关键词云层或关键词渲染，过滤掉大量的文本信息，对网络文本中出现频率较高的关键词的视觉上的突出。

import jieba

import collections

import re

from pyecharts.charts import WordCloud

from pyecharts.globals import SymbolType

from pyecharts import options as opts

from pyecharts.globals import ThemeType, CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

with open('barrages.txt') as f:

data = f.read()

# 文本预处理 去除一些无用的字符 只提取出中文出来

new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S) # 只要字符串中的中文

new_data = " ".join(new_data)

# 文本分词--精确模式

seg_list_exact = jieba.cut(new_data, cut_all=False)

result_list = []

with open('stop_words.txt', encoding='utf-8') as f:

con = f.readlines()

stop_words = set()

for i in con:

i = i.replace("\n", "") # 去掉读取每一行数据的\n

stop_words.add(i)

for word in seg_list_exact:

# 设置停用词并去除单个词

if word not in stop_words and len(word) > 1:

result_list.append(word)

print(result_list)

# 筛选后统计

word_counts = collections.Counter(result_list)

# 获取前100最高频的词

word_counts_top100 = word_counts.most_common(100)

# 打印出来看看统计的词频

print(word_counts_top100)

# 链式调用

c = (

WordCloud(

init_opts=opts.InitOpts(width='1350px', height='750px', theme=ThemeType.MACARONS)

)

.add(

series_name="词频", # 系列名称

data_pair=word_counts_top100, # 系列数据项 [(word1, count1), (word2, count2)]

word_size_range=[15, 108], # 单词字体大小范围

textstyle_opts=opts.TextStyleOpts( # 词云图文字的配置

font_family='KaiTi',

),

shape=SymbolType.DIAMOND, # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选

pos_left='100', # 距离左侧的距离

pos_top='50', # 距离顶部的距离

)

.set_global_opts(

title_opts=opts.TitleOpts( # 标题配置项

title='弹幕词云图',

title_textstyle_opts=opts.TextStyleOpts(

font_family='SimHei',

font_size=25,

color='black'

),

pos_left='500',

pos_top='10',

),

tooltip_opts=opts.TooltipOpts( # 提示框配置项

is_show=True,

background_color='red',

border_color='yellow',

),

toolbox_opts=opts.ToolboxOpts( # 工具箱配置项

is_show=True,

orient='vertical',

)

)

.render('弹幕词云图.html')

)

运行效果如下：

八、仪表盘

from pyecharts.charts import Gauge

from pyecharts.globals import CurrentConfig

from pyecharts import options as opts

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

c = (

Gauge()

.add(

series_name='业务指标', # 系列名称，用于 tooltip 的显示，legend 的图例筛选。

data_pair=[['完成率', 88.8]], # 系列数据项，格式为 [(key1, value1), (key2, value2)]

radius='70%', # 仪表盘半径，可以是相对于容器高宽中较小的一项的一半的百分比，也可以是绝对的数值。

axisline_opts=opts.AxisLineOpts(

linestyle_opts=opts.LineStyleOpts( # 坐标轴轴线配置项

color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")],

width=30,

)

),

title_label_opts=opts.LabelOpts( # 轮盘内标题文本项标签配置项

font_size=25, color='blue', font_family='KaiTi'

)

)

.set_global_opts(

title_opts=opts.TitleOpts( # 标题配置项

title='仪表盘',

title_textstyle_opts=opts.TextStyleOpts(

font_size=25, font_family='SimHei',

color='black', font_weight='bold',

),

pos_left="410", pos_top="8",

),

legend_opts=opts.LegendOpts( # 图例配置项

is_show=False

),

tooltip_opts=opts.TooltipOpts( # 提示框配置项

is_show=True,

formatter="{a}
{b} : {c}%",

)

)

.render('gauge.html')

)

运行效果如下：

九、水球图

from pyecharts import options as opts

from pyecharts.charts import Grid, Liquid

from pyecharts.commons.utils import JsCode

from pyecharts.globals import CurrentConfig, ThemeType

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

lq_1 = (

Liquid()

.add(

series_name='电量', # 系列名称，用于 tooltip 的显示，legend 的图例筛选。

data=[0.25], # 系列数据，格式为 [value1, value2, ....]

center=['60%', '50%'],

# 水球外形，有' circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow' 可选。

# 默认 'circle' 也可以为自定义的 SVG 路径

shape='circle',

color=['yellow'], # 波浪颜色 Optional[Sequence[str]] = None,

is_animation=True, # 是否显示波浪动画

is_outline_show=False, # 是否显示边框

)

.set_global_opts(title_opts=opts.TitleOpts(title='多个Liquid显示'))

)

lq_2 = (

Liquid()

.add(

series_name='数据精度',

data=[0.8866],

center=['25%', '50%'],

label_opts=opts.LabelOpts(

font_size=50,

formatter=JsCode(

"""function (param) {

return (Math.floor(param.value * 10000) / 100) + '%';

}"""

),

position='inside'

)

)

)

grid = Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add(lq_1, grid_opts=opts.GridOpts()).add(lq_2, grid_opts=opts.GridOpts())

grid.render("multiple_liquid.html")

运行效果如下：

爬取2019年全年成都空气质量数据

import pandas as pd

dates = pd.date_range('20190101', '20191201', freq='MS').strftime('%Y%m') # 构造出日期序列 便于之后构造url

for i in range(len(dates)):

df = pd.read_html(f'http://www.tianqihoubao.com/aqi/chengdu-{dates[i]}.html', encoding='gbk', header=0)[0]

if i == 0:

df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False) # 追加写入

i += 1

else:

df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False, header=False)

查看爬取的数据

十、折线图

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间(根据常用比例设置)而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

绘制2019年成都AQI指数走势图

import pandas as pd

import pyecharts.options as opts

from pyecharts.charts import Line

from pyecharts.globals import CurrentConfig

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_csv('2019年成都空气质量数据.csv')

date = [x for x in range(len(df['日期']))]

value = [int(i) for i in df['AQI指数']]

# 绘制折线图

line = Line()

line.add_xaxis(xaxis_data=date)

line.add_yaxis(

"AQI指数", # 系列数据项

value, # y轴数据

areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='#00FFFF'), # 设置图形透明度 填充颜色

label_opts=opts.LabelOpts(is_show=False), # 标签配置项

markpoint_opts=opts.MarkPointOpts( # 标记点配置项

data=[

opts.MarkPointItem(type_="max", name="最大值"),

opts.MarkPointItem(type_="min", name="最小值"),

opts.MarkPointItem(type_="average", name="平均值")

]

),

markline_opts=opts.MarkLineOpts( # 标记线配置项

data=[opts.MarkLineItem(type_="average", name="平均值")])

)

line.set_global_opts(

title_opts=opts.TitleOpts(title='2019成都AQI指数走势图(按日统计)')

)

line.render('2019成都AQI指数走势图(按日统计).html')

运行效果如下：

import pandas as pd

import pyecharts.options as opts

from pyecharts.charts import Line

from pyecharts.globals import CurrentConfig, ThemeType

import math

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']]

data = df['日期'].str.split('-', expand=True)[1]

df['月份'] = data

# 按月份分组 聚合 统计每月AQI指数平均值

counts = df.groupby('月份').agg({'AQI指数': 'mean'})

date = [f'{x}月' for x in range(1, 13)]

value = [math.ceil(i) for i in counts['AQI指数']]

line = Line(init_opts=opts.InitOpts(theme=ThemeType.DARK))

line.set_colors(['red'])

line.add_xaxis(xaxis_data=date)

line.add_yaxis(

"AQI指数均值", # 系列数据项 用于图例筛选

value, # y轴数据

label_opts=opts.LabelOpts(is_show=False),

markpoint_opts=opts.MarkPointOpts( # 标记点配置项

data=[

opts.MarkPointItem(type_="max", name="最大值"),

opts.MarkPointItem(type_="min", name="最小值"),

opts.MarkPointItem(type_="average", name="平均值")

]

),

markline_opts=opts.MarkLineOpts( # 标记线配置项

data=[opts.MarkLineItem(type_="average", name="平均值")])

)

line.set_global_opts( # 全局配置项

title_opts=opts.TitleOpts(

title='2019成都AQI全年走势图(按月统计)',

pos_left='32%', pos_top='3%',

title_textstyle_opts=opts.TextStyleOpts(

font_family='SimHei', font_size=20, color='#F0FFF0'

)

),

xaxis_opts=opts.AxisOpts(name='月份'), # x轴标签

yaxis_opts=opts.AxisOpts(name='AQI指数均值') # y轴标签

)

line.render('2019成都AQI指数走势图(按月统计).html')

运行效果如下：

十一、箱形图

箱形图(Box-plot)又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

import pandas as pd

from pyecharts import options as opts

from pyecharts.charts import Boxplot

from pyecharts.globals import CurrentConfig, ThemeType

CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'

df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']]

df.sort_values(by='AQI指数', inplace=True) # 按AQI指数大小排序 升序

data = df['日期'].str.split('-', expand=True)[1]

df['月份'] = data

item1, item2, item3, item4 = [], [], [], []

# 分为4个季度

for i, j in zip(df['月份'], df['AQI指数']):

if i in ['01', '02', '03']:

item1.append(j)

elif i in ['04', '05', '06']:

item2.append(j)

elif i in ['07', '08', '09']:

item3.append(j)

elif i in ['10', '11', '12']:

item4.append(j)

x_data = [f'第{i}季度' for i in range(1, 5)]

y_data = [item1, item2, item3, item4]

boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

boxplot.set_colors(['red'])

boxplot.add_xaxis(xaxis_data=x_data)

boxplot.add_yaxis(series_name='', y_axis=boxplot.prepare_data(y_data))

boxplot.set_global_opts(

title_opts=opts.TitleOpts(

title='2019年成都季度AQI指数箱型图',

pos_left='300', pos_top='5',

title_textstyle_opts=opts.TextStyleOpts(

font_family='KaiTi', font_size=20, color='black'

)

),

xaxis_opts=opts.AxisOpts(name='季度'),

yaxis_opts=opts.AxisOpts(name='AQI指数')

)

boxplot.render('2019年成都季度AQI指数箱型图.html')

运行效果如下：

原创不易，码字不易，如果你觉得这篇文章对你有点用的话，就请为本文留个言，点个在看，或者转发一下吧，让更多人看到。因为这将是我持续输出更多优质文章的最强动力！感谢大家！