pyecharts官网使用说明书---保姆级手把手教你画图版

最新推荐文章于 2024-05-09 19:01:01 发布

宋佳蓉

最新推荐文章于 2024-05-09 19:01:01 发布

阅读量8.5k

点赞数 8

本文链接：https://blog.csdn.net/weixin_46091037/article/details/104264198

版权

pyecharts官网使用说明书---保姆级手把手教你画图版

1.画图脚本结构
2.参数的类型
3.参数与结构相结合
4.总结
5.举个例子

pyecharts经过几次升级后，官网越来越~~难读懂~~（规范）了，每次去pyecharts官网找参数，都要了我这个小菜鸡半条命，各个参数含义清晰易懂，就是不知道要放在哪部分里面使用。。。在经过无数次的磨练之后，终于总结出来画图的规律，于是便有了这篇文章。
现在让我们在来拨茧抽丝，接开pyecharts画图的奥秘。
首先放上pyecharts官网：https://pyecharts.org/#/zh-cn/intro

1.画图脚本结构

如果画好一个理想中图表，需要以下四个部分的参数进行整合：
图表函数+数据+全局配置(标题、图纸大小、横纵坐标、工具栏等)+系列配置(图表线条、填充颜色、标签等)

但是如果你要画一个简单的图表，仅用图表函数+数据两部分即可搞定：
例如简单的柱形图：

from pyecharts.charts import Bar
Bar()#先写柱状图的基础函数
.add_xaxis(xaxis_data = ["A","B","C"])#add横轴的数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#add纵轴的数据
.render_notebook()#显示图表

在这里插入图片描述
画水滴图：

from pyecharts.charts import Liquid
c = Liquid().add(series_name='水球图',data = [0.6])
c.render_notebook()

在这里插入图片描述
只要你在官网中找到可配置的图形函数，在图形函数后加上add(数据)，即可画出相应的图形。
看到这里你可能会有一个疑问，如何知道各个参数后面是接字典，还是列表，还是字符串？为什么有的图形函数后接的是add，有的是add_xaxis和add_yaxis？如何更换图表颜色，设置图表大小，添加图表标题？下面就来解答一下这些问题。

2.参数的类型

先来解答一下第一个问题，如何确定各个参数所对应数据的类型？回答照官网的指示来设置。
虽然pyecharts官网的参数所代表的含义及类型都写的很明确，但是经常会有参数类型不知如何确认，参数不知如何放置的情况。故先说一下参数的类型如何确认。
在官网中，每个参数后面都会标注出所对应的数据类型，下面就来解释一下这些数据类型都是什么含义：

str：字符串
（width: str ）➡（width = “900px”）
int：整数
（item_gap: int）➡（item_gap = 10）
Numeric：数据
（animation_threshold: Numeric）➡（animation_threshold = 2000）
bool：布尔值
（animation: bool）➡（animation = True）
Sequence：列表
（xaxis_data: Sequence）➡（xaxis_data = [1, 2, 3]）
Optional：当option出现时，只关注optional后的【】中的类型即可。
（title_target: Optional[str]）➡（title_target = “self”）
（tool_box: Optional[Sequence]）➡（tool_box = [“rect”]）
Union：当Union出现的时候，可根据实际情况选择【】中的一种类型即可。
（min_: Union[int, float]）➡（min_ = 0）#此为类型选为int
➡（min_ = 0.2）#此为类型选为float
（itemstyle_opts: Union[opts.ItemStyleOpts, dict, None]）➡（itemstyle_opts = opts.ItemStyleOpts() ）
#也可以是将opts.ItemStyleOpts()中参数对应的数据用字典的形式表示出来➡（{itemstyle_opts = {“color” : “red”}）#写成字典的形式要注意两点1、参数要加引号2、参数后接冒号（：）而非等号

3.参数与结构相结合

之前说过pyecharts主要分为4块：图表函数、add数据、全局配置、系列配置。

3.1图表函数

在这四块构成中，首先要确定的就是图表函数，图表函数很简单，你需要画什么图形，就在官网链接上找到相应的图表函数，from pyecharts.charts import 相应的图表函数，即可使用。
官网基本图表类型链接：https://pyecharts.org/#/zh-cn/basic_charts

#以下分别调用柱状图、折线图、饼图、地图
from pyecharts.charts import Bar, Line, Pie, Map

ps：注意一下官网上函数的所属关系
在这里插入图片描述
看日历图这个函数Calendar包含在pyecharts.charts中的，所以调用时应from pyecharts.charts import Calendar

3.2add数据

确认好我们要画的图形函数后，下一步就是在图形中添加相应的数据，而这个数据就是借用add函数来添加。
首先我们还是来看一下这个函数的所属关系：

1、柱状图
常识来看柱状图是需要有x轴和y轴两种数据的。从下图官网截图可以看出函数Bar后所附的为add_yaxis函数，既然有y轴的，也就意味着有对应的x轴add_xaxis。
在这里插入图片描述
官网上并未标注出add_xaxis这各部分，但是当你看到一个函数后出现了add_yaxis，也就意味着一定要写add_xaxis这部分。

Bar()#先写柱状图的基础函数
.add_xaxis(xaxis_data = ["A","B","C"])#add横轴的数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#add纵轴的数据

2、水球图
有一种图，不是直角坐标系图，不需要同时存在x、y轴两种数据，只有单独数据就可以了，如下面的水球图。
在这里插入图片描述
在水球图Liquid函数后面接的是add，则使用的时候Liquid().add() 即可。

3.3全局配置参数

在我们可以用函数+add函数来画出一个简单的图形，但是默认配置项很多时候并不能满足我们的需求，这个时候就需要配置参数的帮助，首先我们来说一下全局配置参数。
这个全局配置参数是指官网里面的配置项-全局配置项的参数。
老规矩，先上链接https://pyecharts.org/#/zh-cn/global_options
按照官网的指示，全局配置函数的调用如下

from pyecharts.charts import Liquid
from pyecharts import options as opts
Liquid().add(series_name='水球图',data = [0.6]).set_global_opts(此处应有相应参数)
#设置全局配置项时，在图形函数后调用.set_global_options()即可

下面来说一下set_global_opts()中都可以设置哪些参数：

#以下是来自函数的官方定义
def set_global_opts(
    self,
    title_opts: types.Title = opts.TitleOpts(),
    legend_opts: types.Legend = opts.LegendOpts(),
    tooltip_opts: types.Tooltip = None,
    toolbox_opts: types.Toolbox = None,
    brush_opts: types.Brush = None,
    xaxis_opts: types.Axis = None,
    yaxis_opts: types.Axis = None,
    visualmap_opts: types.VisualMap = None,
    datazoom_opts: types.DataZoom = None,
    graphic_opts: types.Graphic = None,
    axispointer_opts: types.AxisPointer = None,
):

建议函数定义+官网参数详解联合使用，效果翻倍。
比如说我想对工具栏进行相应的设置，首先找到工具栏设置参数：ToolboxOpts，具体代码如下。
设置工具栏的同时对标题部分（TitleOpts）也进行命名：

from pyecharts.charts import Bar
from pyecharts import options as opts
Bar()
.add_xaxis(xaxis_data = ["A","B","C"])#x轴数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#y轴数据
.set_global_opts(toolbox_opts = opts.ToolboxOpts(orient = 'vertical'),#工具栏设置
		 title_opts = opts.TitleOpts(title = "我是标题啊")

需要注意的点：
在官网的全局配置项中，你会发现有一个InitOpts：初始化配置项，这个初始化配置项又不存在于函数set_global_opts中，那这个初始配置项该如何配置呢？这个初始化配置项是在图表函数中进行设置的，还是拿柱状图举例：
在这里插入图片描述
若设置柱状图的长和宽：

from pyecharts.charts import Bar
from pyecharts import options as opts
Bar(init_opts=opts.InitOpts(width='720px',height='320px'))#在图表函数中设置初始化配置项
.add_xaxis(xaxis_data = ["A","B","C"])#x轴数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#y轴数据
.render_notebook()#展示图表

3.4系列配置参数

这个系列配置参数主要包含一些图表内部比较细致的配置，线条颜色、文字样式等等。
系列配置项函数：set_series_opts
首先还是系列配置部分官网链接：https://pyecharts.org/#/zh-cn/series_options
接下来是set_series_opts函数的参数构成：

def set_series_opts(
    self,
    label_opts: types.Label = None,
    linestyle_opts: types.LineStyle = None,
    splitline_opts: types.SplitLine = None,
    areastyle_opts: types.AreaStyle = None,
    axisline_opts: types.AxisLine = None,
    markpoint_opts: types.MarkPoint = None,
    markline_opts: types.MarkLine = None,
    markarea_opts: types.MarkArea = None,
    effect_opts: types.Effect = opts.EffectOpts(),
    tooltip_opts: types.Tooltip = None,
    itemstyle_opts: types.ItemStyle = None,
    **kwargs,
):

使用方法同全局设置一样，先找到要设置的参数对应的函数，再一次按照参数类型进行配置即可。
如：我想将之前画的柱状图的颜色改成橘色，首先找到颜色对应的是参数：itemstyle_opts中的color，那代码如下：

Bar(init_opts=opts.InitOpts(width='720px',height='320px'))
.add_xaxis(xaxis_data = ["A","B","C"])
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])
.set_series_opts(itemstyle_opts = opts.ItemStyleOpts(color="orange")).render_notebook()#在系列配置项中将柱状图颜色定义为橘色

在这里插入图片描述

4.总结

pyecharts画图核心部分就是以上四个部分，只要按部就班，找到需要设置的函数所处位置，确定要设置的参数类型，按照顺序一点点堆叠起来，画图就不会有问题了。

5.举个例子

就以2020年的新冠疫情图为例，如果我想做一个有时间趋势的疫情图该如何设置呢？
首先要确定图表函数：中国地图。
其次如何加入时间轴：介入组合图表时间线轮播多图Timeline。

#输入2020-01-28，2020-02-02两天的新冠确诊人数数据
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map,Timeline 
data = pd.DataFrame([['2020-01-28', '湖北', 272.0],['2020-01-28', '浙江', 299.0],['2020-01-28', '广东', 229.0],['2020-01-28', '河南', 27.0],['2020-01-28', '湖南', 222.0],['2020-01-28', '江西', 72.0],['2020-01-28', '安徽', 157.0],['2020-01-28', '重庆', 147.0], ['2020-01-28', '山东', 121.0], ['2020-01-28', '四川', 18.0], ['2020-01-28', '江苏', 1.0], ['2020-01-28', '上海', 8.0], ['2020-01-28', '北京', 91.0], ['2020-01-28', '福建', 82.0], ['2020-01-28', '广西', 58.0], ['2020-01-28', '陕西', 46.0], ['2020-01-28', '河北', 48.0], ['2020-01-28', '云南', 51.0], ['2020-01-28', '黑龙江', 37.0], ['2020-01-28', '海南', 43.0], ['2020-01-28', '辽宁', 36.0], ['2020-01-28', '山西', 2.0], ['2020-01-28', '天津', 24.0], ['2020-01-28', '甘肃', 24.0], ['2020-01-28', '宁夏', 12.0], ['2020-01-28', '内蒙古', 15.0], ['2020-01-28', '新疆', 13.0], ['2020-01-28', '贵州', 9.0], ['2020-01-28', '吉林', 9.0], ['2020-01-28', '香港', 8.0], ['2020-01-28', '台湾', 8.0], ['2020-01-28', '青海', 6.0], ['2020-01-28', '澳门', 7.0], ['2020-01-28', '西藏', np.nan], ['2020-02-02', '湖北', 11177.0], ['2020-02-02', '浙江', 724.0], ['2020-02-02', '广东', 683.0], ['2020-02-02', '河南', 566.0], ['2020-02-02', '湖南', 521.0], ['2020-02-02', '江西', 391.0], ['2020-02-02', '安徽', 48.0], ['2020-02-02', '重庆', 3.0], ['2020-02-02', '山东', 246.0], ['2020-02-02', '四川', 254.0], ['2020-02-02', '江苏', 271.0], ['2020-02-02', '上海', 193.0], ['2020-02-02', '北京', 191.0], ['2020-02-02', '福建', 159.0], ['2020-02-02', '广西', 127.0], ['2020-02-02', '陕西', 128.0], ['2020-02-02', '河北', 113.0], ['2020-02-02', '云南', 15.0], ['2020-02-02', '黑龙江', 118.0], ['2020-02-02', '海南', 71.0], ['2020-02-02', '辽宁', 7.0], ['2020-02-02', '山西', 6.0], ['2020-02-02', '天津', 54.0], ['2020-02-02', '甘肃', 51.0], ['2020-02-02', '宁夏', 288.0], ['2020-02-02', '内蒙古', 27.0], ['2020-02-02', '新疆', 24.0], ['2020-02-02', '贵州', 46.0], ['2020-02-02', '吉林', 31.0], ['2020-02-02', '香港', 15.0], ['2020-02-02', '台湾', 1.0], ['2020-02-02', '青海', 13.0], ['2020-02-02', '澳门', 8.0], ['2020-02-02', '西藏', 1.0]],columns=["日期","地区","确诊病例"])
#定义一个timeline和map的组合图
def timeline_map(data):
    tl = Timeline().add_schema(play_interval =300,height=40,is_rewind_play=True,is_loop_play = True,is_auto_play=True)#设置播放速度、是否循环播放等参数
    for day in sorted(list(set(data["日期"].tolist()))):
        x =data[data["日期"]==day]['地区'].values.tolist()#选取指定日期地区数据
        y=data[data["日期"]==day]['确诊病例'].values.tolist() #选取指定日期确诊数据
        map_shape = (
            Map()
            .add("确诊病例",[list(z) for z in zip(x, y)])#打包输入地区及对应确诊数据
            .set_series_opts(label_opts=opts.LabelOpts("{b}"))#配置系列参数，{b}为显示地区数据
            .set_global_opts(
                title_opts=opts.TitleOpts(title="举个例子"),#全局参数中设置标题
                visualmap_opts=opts.VisualMapOpts(max_=1000,#设置映射配置项的最大值
                                                  is_piecewise=True,#设置是否为分段显示
                                                  pos_top = "60%",#映射配置项距图片上部的距离
                                                  pieces=[
                                                        {"min": 1000, "label": '>1000人', "color": "#FF0000"}, # 分段指定颜色及名称
                                                        {"min": 500, "max": 1000, "label": '500-1000人', "color": "#FF3333"},
                                                        {"min": 100, "max": 499, "label": '100-499人', "color": "#FF6666"},
                                                        {"min": 10, "max": 99, "label": '10-99人', "color": "#FF9999"},
                                                        {"min": 1, "max": 9, "label": '1-9人', "color": "#FFCCCC"}])
        ))
        tl.add(map_shape, "{}".format(day))#将不同日期的数据加入到timeline中
    return tl
timeline_map(data).render_notebook()

结果如下图所示。
在这里插入图片描述
本文如果问题，欢迎指正。

宋佳蓉

关注

8
点赞
踩
92

收藏

觉得还不错? 一键收藏
8
评论
pyecharts官网使用说明书---保姆级手把手教你画图版

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...
复制链接

扫一扫