python快速入门神器 知乎_Python数据可视化神器--pyecharts 快速入门

前言

本文首发于公众号：Python编程与实战，欢迎关注，转载请联系，谢谢！

我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的。后来发现了 pyecharts 模块，简直好用到不行，可视化类型非常多，它是基于 Echarts 开发的。

Echarts 是百度开源的一个数据可视化 JS 库，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，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 就诞生了。

下面带大家快速了解 pyecharts 以及基本使用方法：

/zh-cn/intro?id=%e2%9c%a8-%e7%89%b9%e6%80%a7)

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，为地理数据可视化提供强有力的支持

✨ 安装

1pip install pyecharts

注意：pyecharts 共有两个版本，v0.5.X 和 V1.0.X 间完全不兼容，且v0.5.X版本作者已经不维护了，请使用V1.0.X

Bar：柱状图/条形图

柱状图对应的模块是 Bar除此之外可以设置全局配置和系列配置项。配置项都是基于 options

示例代码：

1# coding: utf-8

2from example.commons import Faker

3from pyecharts import options as opts

4from pyecharts.charts import Bar

5

6def bar_base():

7

8 bar = Bar(init_opts=opts.InitOpts(page_title="bar页面")) # 设置html页面标题

9 # bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) # 设置x轴的参数

10

11 bar.add_xaxis(Faker.choose())

12 bar.add_yaxis("A", Faker.values())

13 bar.add_yaxis("B", Faker.values())

14

15 # 设置全局配置项，可选

16 bar.set_global_opts(opts.TitleOpts(title="主标题", subtitle="副标题"))

17 # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件

18 bar.render("bar.html") # 也可以自己指定文件名

19

20if __name__ == "__main__":

21 bar_base()

运行代码后会在当前目录生成一个 ”bar.html“ 的文件，我们在浏览器中打开它。效果图如下：

、

生成的页面支持-点击取消显示某 Series

除了上述的使用方法之外，pyecharts 所有方法均支持链式调用！

翻转XY轴

代码如下：

1 def bar_reversal_axis() -> Bar:

2

3 # pyecharts 所有方法均支持链式调用。

4 c = (

5 Bar(init_opts=opts.InitOpts(page_title="bar页面"))

6 .add_xaxis(Faker.choose())

7 .add_yaxis("商家A", Faker.values())

8 .add_yaxis("商家B", Faker.values())

9 .reversal_axis()

10 .set_global_opts(toolbox_opts=opts.ToolboxOpts()) # 设置工具箱配置项

11 .set_series_opts(label_opts=opts.LabelOpts(position="right")) # 系列配置项

12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴")) # 全局配置项

13 )

14 return c

15

16

17if __name__ == "__main__":

18 bar_reversal_axis().render("bar.html")

效果图如下：

部分堆叠数据

同个类目轴上系列配置相同的 stack 值可以堆叠放置

例如堆叠放置A，B的代码如下：

1 def bar_stack1() -> Bar:

2 c = (

3 Bar()

4 .add_xaxis(Faker.choose())

5

6 # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。

7 # stack: Optional[str] = None,

8 .add_yaxis("A", Faker.values(), stack="stack1")

9 .add_yaxis("B", Faker.values(), stack="stack1")

10 .add_yaxis("C", Faker.values())

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

12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（部分）"))

13 )

14 return c

区域缩放配置项

1 def bar_datazoom_slider() -> Bar:

2 c = (

3 Bar(init_opts=opts.InitOpts(page_title="bar页面"))

4 .add_xaxis(Faker.days_attrs)

5 .add_yaxis("商家A", Faker.days_values)

6 .set_global_opts(

7 title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-水平）"),

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

9 )

10 )

11 return c

效果图如下：

区域缩放配置项的设置方法在 DataZoomOpts 类中，我们可以点进去查看源码：

其中，主要用到的参数含义如下：

1 type_: str = "slider", # 组件类型，可选 "slider", "inside"

2 # 拖动时，是否实时更新系列的视图。如果设置为 false，则只在拖拽结束的时候更新。

3 is_realtime: bool = True,

4

5 # 布局方式是横还是竖。可选值为：'horizontal', 'vertical'

6 orient: str = "horizontal",

知道参数的含义后我们可以来试试效果

比如我们要将区域缩放布局改为竖，将 orient 定义为 vertical 即可，代码就不展示，可以自己动手试试！

效果图如下:

HeatMap：热力图

热力图主要通过颜色去表现数值的大小，必须要配合 visualMap 组件使用。直角坐标系上必须要使用两个类目轴。

热力图使用的方法函数是 add_yaxis，下面是函数的用法说明：

i 1def add_yaxis(

2 # 系列名称，用于 tooltip 的显示，legend 的图例筛选。

3 series_name: str,

4

5 # Y 坐标轴数据

6 yaxis_data: Sequence,

7

8 # 系列数据项

9 value: Sequence,

10

11 # 是否选中图例

12 is_selected: bool = True,

13

14 # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。

15 xaxis_index: Optional[Numeric] = None,

16

17 # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。

18 yaxis_index: Optional[Numeric] = None,

19

20 # 标签配置项，参考 `series_options.LabelOpts`

21 label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

22

23 # 标记点配置项，参考 `series_options.MarkPointOpts`

24 markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

25

26 # 标记线配置项，参考 `series_options.MarkLineOpts`

27 markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

28

29 # 提示框组件配置项，参考 `series_options.TooltipOpts`

30 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

31

32 # 图元样式配置项，参考 `series_options.ItemStyleOpts`

33 itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

34

35

其中seriesname， yaxisdata， value 是三个必传参数示例代码如下：

import random

from example.commons import Faker

from pyecharts import options as opts

from pyecharts.charts import HeatMap

def heatmap_base() -> HeatMap:

value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]

c = (

HeatMap()

.add_xaxis(Faker.clock)

.add_yaxis("series", Faker.week, value)

.set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"),

visualmap_opts=opts.VisualMapOpts(), )

)

return c

if __name__ == "__main__":

heatmap_base().render("heatMap.html")

效果图如下：

WordCloud：词云图

词云图用的的方法函数是 add，使用方法如下：

1 def add(

2 # 系列名称，用于 tooltip 的显示，legend 的图例筛选。

3 series_name: str,

4

5 # 系列数据项，[(word1, count1), (word2, count2)]

6 data_pair: Sequence,

7

8 # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选

9 shape: str = "circle",

10

11 # 单词间隔

12 word_gap: Numeric = 20,

13

14 # 单词字体大小范围

15 word_size_range=None,

16

17 # 旋转单词角度

18 rotate_step: Numeric = 45,

19

20 # 提示框组件配置项，参考 `series_options.TooltipOpts`

21 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

22

23

其中seriesname， datapair， shape 是三个必传参数示例代码如下：

# coding: utf-8

import random

from pyecharts.charts import WordCloud

from pyecharts import options as opts

words = [

("火箭", 10000),

("勇士库里", 8888),

("在你写这个教程之前，我已经会用了", 6181),

("哈登", 6386),

("金州拉文", 5055),

("杜兰特", 6467),

("戳眼", 2244),

("NBA", 1868),

("季后赛", 1484),

("约老师", 1112),

("利拉德", 865),

("双卡双待", 847),

("字母歌MVP", 5582),

("卡哇伊", 555),

("猛龙", 550),

("大帝", 462),

("西蒙斯不投三分", 366),

("JB", 360),

("科尔垃圾", 282),

("格林公式", 273),

("欧文", 2650),

]

def wordcloud_base() -> WordCloud:

c = (

WordCloud()

.add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)

.set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))

)

return c

if __name__ == "__main__":

wordcloud_base().render("wordCloud.html")

效果图如下：

保存为图片

前面我们讲的几种图形生成方法，最后都保存成 html文件，pyecharts 还提供了保存为图片的方式

需要安装 snapshot_selenium，同时需要将浏览器驱动保存路径 cheromdriver.exe 加入到环境变量中

1pip install snapshot_selenium

示例代码如下：

1 # coding: utf-8

2 import random

3

4 from pyecharts.charts import WordCloud

5 from pyecharts import options as opts

6 from snapshot_selenium import snapshot as driver

7 from pyecharts.render import make_snapshot

8

9 words = [

10 ("火箭", 10000),

11 ("勇士库里", 8888),

12 ("在你写这个教程之前，我已经会用了", 6181),

13 ("哈登", 6386),

14 ("金州拉文", 5055),

15 ("杜兰特", 6467),

16 ("戳眼", 2244),

17 ("NBA", 1868),

18 ("季后赛", 1484),

19 ("约老师", 1112),

20 ("利拉德", 865),

21 ("双卡双待", 847),

22 ("字母歌MVP", 5582),

23 ("卡哇伊", 555),

24 ("猛龙", 550),

25 ("大帝", 462),

26 ("西蒙斯不投三分", 366),

27 ("JB", 360),

28 ("科尔垃圾", 282),

29 ("格林公式", 273),

30 ("欧文", 2650),

31]

32

33

34 def wordcloud_base() -> WordCloud:

35 c = (

36 WordCloud()

37 .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)

38 .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))

39 )

40 return c

41

42

43 if __name__ == "__main__":

44 make_snapshot(driver, wordcloud_base().render(), "wordcloud.png")

45 # wordcloud_base().render("wordCloud.html")

最后会在当前目录生成一张 wordcloud.png 的图片

总结

1.根据自己想制作的图形，导入相关的包

2.进行图表的基础设置，创建图表对象

3.需要了解该图表对象下面的函数中参数的含义，及其使用方法

4.配置项主要是在 options中进行配置，有全局配置项和系列配置项，需要了解配置项下面对象含义使用方法

5.利用render()方法来报存图表

pyecharts 还有许多好玩的 3D图表 和 地图图表，由于篇幅有限，下篇将继续介绍 地图系玩法！

Python编程与实战