python数据分析图表展示_小白学 Python 数据分析（21）：pyecharts 好玩的图表（系列终篇）...

人生苦短，我用 Python

前文传送门：

引言

各位同学好，今天是个阳光明媚的大周末。

本来今天是想将 pyecharts 的一些常用图片也介绍一下的，但是当我真正开始写的时候，想到了一个事情，这些基础的枯燥的内容还是不要再去折磨我的读者了。

取而代之的是不如写一点 pyecharts 好玩的东西，提升一些各位读者的兴趣，有兴趣了以后再去学习就显得不是那么困难了。

所以就有了这篇文章， pyecharts 好玩的图表。

二维图表可能大家都能经常见到，所以本文尽量不列举二维图表，尽量多的从 3D 图表玩起。

PS：顺便说一下， pyecharts 的文档质量非常好，所有的图表都有示例，对于刚接触的新手来讲十分友好，啥也不会的前提下，把 Demo CV 出来就能直接运行，学习代码，从 CV 开始。

以下示例均来自官方文档的示例，各位别喷我抄袭就成。

3D 柱状图

首先是 3D 柱状图， 2D 的柱状图各位同学应该经常能见到， 3D 的应该比较少见，我们先来看下效果：

示例的部分代码 Bar3d_punch_card.py：

import pyecharts.options as opts

from pyecharts.charts import Bar3D

# 省略部分数据代码

data = [[d[1], d[0], d[2]] for d in data]

(

Bar3D(init_opts=opts.InitOpts(width="1600px", height="800px"))

.add(

series_name="",

data=data,

xaxis3d_opts=opts.Axis3DOpts(type_="category", data=hours),

yaxis3d_opts=opts.Axis3DOpts(type_="category", data=days),

zaxis3d_opts=opts.Axis3DOpts(type_="value"),

)

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(

max_=20,

range_color=[

"#313695",

"#4575b4",

"#74add1",

"#abd9e9",

"#e0f3f8",

"#ffffbf",

"#fee090",

"#fdae61",

"#f46d43",

"#d73027",

"#a50026",

],

)

)

.render("bar3d_punch_card.html")

)

因为是 3D 图形，我们的数据是一个三维数据，上面的示例没有数据的代码，由于太长了，所以就没放。不过所有的代码都会上传至代码仓库，有需要的铜须可以去代码仓库获取。

日历图

如果经常上 GitHub ，那么对这张图表一定很熟悉：

这个就是日历图，上图是我本人的 GitHub 的提交记录，同样， pyecharts 也为我们提供了日历图的方法，示例如下：

import datetime

import random

from pyecharts import options as opts

from pyecharts.charts import Calendar

begin = datetime.date(2019, 1, 1)

end = datetime.date(2019, 12, 31)

data = [

[str(begin + datetime.timedelta(days=i)), random.randint(1, 20)]

for i in range((end - begin).days + 1)

]

c = (

Calendar()

.add("", data, calendar_opts=opts.CalendarOpts(range_="2019"))

.set_global_opts(

title_opts=opts.TitleOpts(title="Calendar-2019 Github 提交情况"),

visualmap_opts=opts.VisualMapOpts(

max_=20,

min_=1,

orient="horizontal",

is_piecewise=True,

pos_top="230px",

pos_left="100px",

),

)

.render("calendar_base.html")

)

结果如下：

仪表盘

仪表盘经常用来表示一件事情的完成情况，看着很高大上的样子，在 pyecharts 想做一个仪表盘实际上非常简单。

示例如下：

from pyecharts import options as opts

from pyecharts.charts import Gauge

c = (

Gauge()

.add("", [("完成率", 80)])

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

.render("gauge_base.html")

)

结果如下：

关系图

关系图，顾名思义就是描述关系的图，有时候我们看电视剧，出现的人物比较多记不住的时候，可以用 pyecharts 画个关系图捋顺关系（我真是个小机灵鬼）。

示例如下：

from pyecharts import options as opts

from pyecharts.charts import Graph

nodes = [

{"name": "肖恩", "symbolSize": 10},

{"name": "海棠朵朵", "symbolSize": 20},

{"name": "长公主", "symbolSize": 30},

{"name": "陈萍萍", "symbolSize": 40},

{"name": "范闲", "symbolSize": 50},

{"name": "林婉儿", "symbolSize": 40},

{"name": "庆帝", "symbolSize": 30},

{"name": "范若若", "symbolSize": 20},

{"name": "司理理", "symbolSize": 10}

]

links = []

for i in nodes:

for j in nodes:

links.append({"source": i.get("name"), "target": j.get("name")})

c = (

Graph()

.add("", nodes, links, repulsion=8000)

.set_global_opts(title_opts=opts.TitleOpts(title="庆余年人物关系图"))

.render("graph_base.html")

)

结果如下：

我这里就简单的使用「庆余年」的人物关系随便画了一下，不要当真哦。

3D 折线图

这个示例就是经典中的经典了，旋转中的弹簧，完全摘自官方文档：

import math

from pyecharts import options as opts

from pyecharts.charts import Line3D

from pyecharts.faker import Faker

data = []

for t in range(0, 25000):

_t = t / 1000

x = (1 + 0.25 * math.cos(75 * _t)) * math.cos(_t)

y = (1 + 0.25 * math.cos(75 * _t)) * math.sin(_t)

z = _t + 2.0 * math.sin(75 * _t)

data.append([x, y, z])

c = (

Line3D()

.add(

"",

data,

xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_="value"),

yaxis3d_opts=opts.Axis3DOpts(Faker.week_en, type_="value"),

grid3d_opts=opts.Grid3DOpts(

width=100, depth=100, rotate_speed=150, is_rotate=True

),

)

.set_global_opts(

visualmap_opts=opts.VisualMapOpts(

max_=30, min_=0, range_color=Faker.visual_color

),

title_opts=opts.TitleOpts(title="Line3D-旋转的弹簧"),

)

.render("line3d_autorotate.html")

)

结果如下：

这个示例中的难点在于使用三角函数，算出弹簧上的每一个点的空间位置，（x, y, z） 然后再将这组数据绘制在图表中，这个算法数学功底不好的人还真的看不懂（比如说小编我）。

水球图

水球图的命名就相当的形象了，我们先看下水球图长啥样：

我们使用 pyecharts 画水球图其实很简单的，如下：

from pyecharts import options as opts

from pyecharts.charts import Liquid

c = (

Liquid()

.add("lq", [0.6, 0.7])

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

.render("liquid_base.html")

)

示例中的两个参数 0.6 和 0.7 ，分别是后面的图层百分比和前面的图层百分比。

百度地图

pyecharts 还支持百度地图上的一些操作，这对于需要使用地图做图的同学来讲不得不说是一个福音，比如下面的全国主要城市空气质量图：

或者还有北京的公交线路图：

这两个示例代码都有点长，我就不贴出来了，有兴趣的同学可以访问我的代码仓库或者官方文档获取示例代码。

多 BB 两句

能看到这里的应该都是真爱了，就容我多 BB 两句，这篇文章不仅仅是这个系列的最后一篇，同样也是整个「小白学 Python」的最后一篇了，从去年的 11 月份开始写，直到今天，耗时差不多 5 个月，输出了「基础系列」、「爬虫系列」、「数据分析系列」共计 84 篇内容，这个过程中，确实收获满满，不知道有没有从一开始跟着看能看到现在的朋友，如果有可以在评论区举手。

还记得去年刚开始写的时候，有很多同学加我微信，应该和很多人都聊过我后面的规划，今天，我终于完成了这个规划，感觉很开心也很有成就感，感谢各位同学的一路陪伴和支持，后续还会继续分享 python 相关的内容，还希望各位能继续捧场。

后续的内容已经在规划中了，各位不会等太久（想搞点机器学习相关的入门内容，不知道搞不搞得定，不管搞不搞得定，先搞了再说）。

这次其实挺想给自己放个假的，但是不敢停下来，做一件事情，能坚持这么久，确实很不容易，如果一旦停下来，再想捡起来，这难度将会成倍数的上涨，我不敢保证自己还能捡的起来，所以，继续加油！奥利给！

代码仓库

老规矩，所有的示例代码都会上传至代码管理仓库 Github 和 Gitee 上，方便大家取用。

参考