pyecharts之分类型变量可视化(直方图、饼图、漏斗图）

Echarts 是一个由百度开源的数据可视化工具，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 就不用多说了。当 Python 遇到了 Echarts，就变成了 PyEcharts。
PyEcharts和Matplotlib功能相似，但有很大的区别，其最大的优势在于其交互性，pyecharts可以生成html格式， 随着鼠标移动而动态的展示信息，这一点是Matplotlib做不到的，炫酷。
本篇讨论分类型变量的三种基础可视化方法的pyecharts实现。

分类变量可视化——直方图

# 数据预处理
import pandas as pd 
data = pd.read_excel(r'.\pythonwd\blogortest\occupationcensus.xlsx') 
data.head(10)
Out: 
    id 就业方向
0  0.0   读研
1  1.0   银行
2  2.0   证券
3  3.0   私企
4  4.0  未就业
5  5.0   证券
6  6.0   证券
7  7.0   证券
8  8.0   证券
9  9.0  未就业
count = data['就业方向'].value_counts() # pd.Series
job = list(count.index)
job_count = count.values.tolist()
print(job)
['私企', '读研', '银行', '证券', '事业单位', '自由职业', '出国', '未就业']
print(job_count)
[40, 29, 22, 20, 11, 10, 8, 7]

# 调用 Bar
from pyecharts.charts import Bar
##链式调用
bar = (
    Bar()
    .add_xaxis(job)
    .add_yaxis('经济学院就业情况', job_count)
)
bar.render('bar.html')

分类变量可视化——饼图

from pyecharts.charts import Pie
pie = (
    Pie()
    .add("", [list(i) for i in zip(job,job_count)])
    #.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
    #.set_global_opts(title_opts=opts.TitleOpts(title="Pie-设置颜色"))
   # .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

    .render("pie.html")
)

分类变量可视化——漏斗图

# 漏斗图 
from pyecharts import options as opts
from pyecharts.charts import Funnel

funel = (
    Funnel()
    .add("", [list(i) for i in zip(job,job_count)])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="经济学院就业情况漏斗图"))
    .render("funnel.html")
)

可以看到，使用pyecharts可视化非常简单明了，是必须掌握的工具。（这里只是基础的用法，后续再学习图的优化)。