Python学习之-pyechart详解

前言：

什么是pyechart？
Pyecharts 是一个用于生成 Echarts 图表的 Python 库。Echarts 是一个由百度开源的数据可视化工具，它提供的图表种类丰富，交互性强，兼容性好，非常适合用于数据分析结果的展示。Pyecharts 作为 Echarts 的 Python 接口，它允许用户通过书写 Python 代码来创建各种炫酷的图表。

使用步骤：
使用 Pyecharts 创建图表的基本步骤通常包括：
导入相应的图表类
创建一个图表对象
添加数据和配置项
渲染图表到文件

1 示例

下面是一些 Pyecharts 中常用的图表类型和相应的方法：

1.1 柱状图（Bar）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis(["苹果", "梨", "橙子", "香蕉"])
    .add_yaxis("商家A", [5, 20, 36, 10])
    .add_yaxis("商家B", [15, 6, 45, 20])
    .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar.render("bar_chart.html")

2.2 折线图（Line）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""

from pyecharts.charts import Line

line = (
    Line()
    .add_xaxis(["苹果", "梨", "橙子", "香蕉"])
    .add_yaxis("商家A", [5, 20, 36, 10])
    .add_yaxis("商家B", [15, 6, 45, 20])
    .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
line.render("line_chart.html")

2.3. 饼图（Pie）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""

from pyecharts.charts import Pie

pie = (
    Pie()
    .add("水果", [("苹果", 5), ("梨", 3), ("香蕉", 6), ("橙子", 8)])
    .set_global_opts(title_opts={"text": "水果销量"})
    .set_series_opts(label_opts={"formatter": "{b}: {c}"})
)
pie.render("pie_chart.html")

2.4 散点图（Scatter）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""

from pyecharts.charts import Scatter

scatter = (
    Scatter()
    .add_xaxis(["苹果", "梨", "橙子", "香蕉"])
    .add_yaxis("商家A", [5, 20, 36, 10])
    .set_global_opts(title_opts={"text": "散点图示例"})
)
scatter.render("scatter_chart.html")

2.5 地图（Map）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""

from pyecharts.charts import Map

map = (
    Map()
    .add("中国地图", [("广东", 100), ("北京", 120), ("上海", 150), ("重庆", 80)])
    .set_global_opts(title_opts={"text": "中国地图数据"})
)
map.render("china_map.html")

2.6 漏斗图"（Funnel）

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""
from pyecharts.charts import Funnel
from pyecharts import options as opts

funnel = (
    Funnel()
    .add(
        "商品",
        [list(z) for z in zip(["展现", "点击", "购买", "加购", "收藏"], [100, 80, 60, 40, 20])],
        sort_="descending",  # 定义漏斗图的排序方式，可以是'ascending', 'descending'
        label_opts=opts.LabelOpts(position="inside")  # 标签的位置选项
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="漏斗图", subtitle="纯属虚构"))
)

funnel.render("funnel_chart.html")

2.7 动态图表

要创建数据动态变化的图表（动态图表），在Pyecharts中，一种简单的方式是通过定期更新图表数据并重新渲染图表。这种方法适合生成一系列静态HTML文件，每个文件代表数据的一个时间点，但这并不是真正的动态或实时更新。

对于实时动态更新的情况，比较推荐的方法是结合使用Pyecharts和一些Web框架（如Flask或Django），通过浏览器定时请求服务器获取最新数据，并更新前端展示的图表。这种方法会涉及到前端的JavaScript编程，需要定时向服务器请求新的数据，并用JavaScript更新图表。
以下是一个简单的使用Flask和Pyecharts实现数据动态更新的例子：

2.7.1 安装Flask：如果你还没有安装Flask，可以使用pip进行安装:

pip install flask

2.7.2 创建 Flask 应用：创建一个Python文件，比如app.py，然后编写你的Flask应用：

#!/usr/bin/env python
# coding=utf-8
"""
# @Time    : 2024/4/9 22:02
# @Author  : Summer
# @File    : pyechart.py
# @describe:
"""
from flask import Flask, render_template
from pyecharts.charts import Line
from pyecharts import options as opts
from random import randrange
import json

app = Flask(__name__, template_folder="templates")


@app.route("/")
def index():
    return render_template("index.html")


@app.route("/lineChart")
def get_line_chart():
    c = (
        Line()
        .add_xaxis(["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"])
        .add_yaxis("商家A", [randrange(0, 100) for _ in range(7)])
        .add_yaxis("商家B", [randrange(0, 100) for _ in range(7)])
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-Chart", subtitle="随机数据"))
        .dump_options_with_quotes()  # 将图表对象转换为JSON字符串
    )
    return json.dumps({"chart": c})  # 返回JSON响应


if __name__ == "__main__":
    app.run(debug=True)

2.7.3 创建HTML模板：在与app.py相同的目录下创建一个templates文件夹，并在该文件夹内创建一个index.html文件：

<!DOCTYPE html>
<html>
<head>
    <meta charset="UTF-8">
    <title>动态数据图表</title>
    <!-- 引入ECharts -->
    <script src="https://cdn.jsdelivr.net/npm/echarts/dist/echarts.min.js"></script>
    <!-- 引入Pyecharts生成图表所需的JavaScript库 -->
    <script src="https://cdn.jsdelivr.net/npm/echarts-gl/dist/echarts-gl.min.js"></script>
    <script src="https://cdn.jsdelivr.net/npm/echarts-stat/dist/ecStat.min.js"></script>
</head>
<body>
    <!-- 图表容器 -->
    <div id="main" style="width: 600px;height:400px;"></div>
    <script type="text/javascript">
        var myChart = echarts.init(document.getElementById('main'));
        
        // 定时任务获取图表数据
        setInterval(function() {
            fetch('/lineChart')
            .then(response => response.json())
            .then(data => {
                // 使用刚指定的配置项和数据显示图表。
                myChart.setOption(JSON.parse(data.chart));
            })
            .catch(error => console.error(error));
        }, 2000); // 每2秒请求一次数据更新
        
    </script>
</body>
</html>

这个示例中，Flask 应用提供了两个路由：/用于展示图表，而/lineChart返回随机生成的图表数据。HTML页面通过JavaScript（使用fetch API）每两秒向/lineChart发送请求，获取最新的图表数据，然后通过ECharts更新图表。

3 pyechart 优点：

易于使用：Pyecharts提供了简洁的API，使得创建图表变得非常简单。你只需要通过几个步骤就可以快速生成一个图表。
丰富多样的图表类型：Pyecharts支持多种类型的图表，包括折线图、柱状图、饼图、散点图等，可以满足各种数据可视化需求。
高度定制化：你可以通过调整各种参数来定制图表的颜色、样式、轴标签等，以满足你的具体需求。
交互功能强大：Pyecharts生成的图表支持各种交互操作，如缩放、平移、悬停提示等，使得用户可以更深入地探索和分析数据。
支持多种输出格式：你可以将图表输出为图片、PDF、SVG等格式，方便在各种场合使用。
与Jupyter Notebook集成良好：Pyecharts与Jupyter Notebook完美集成，可以在Jupyter Notebook中直接创建和显示图表。
强大的社区支持：Pyecharts有一个活跃的社区，你可以在社区中寻求帮助、分享经验或者参与讨论。
总之，Pyecharts是一个功能强大、易于使用的Python可视化库，它可以帮助你轻松地创建出高质量的Echarts图表，满足你在数据分析和可视化方面的需求。