数据可视化之pyecharts模块

1.简介

pyecharts 是一个用于生成 Echarts 图表的类库。 Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。

#  安装
# 安装v1版本之上的有一些报错
python -m  pip  install pyecharts==0.5.11  # 版本主要支持python2里的
python -m  pip  install  pyecharts-snapshot

git介绍：https://gitee.com/mirrors/pyecharts?utm_source=alading&utm_campaign=repo

本次安装的是0.5x版本的

参数

分析：

　　Tip：可以按右边的下载按钮将图片下载到本地；

　　add()：主要方法，用于添加图表的数据和设置各种配置项

　　show_config()：打印输出图表的所有配置项

　　render()：默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 render(r"e:my_first_chart.html")，文件用浏览器打开。

　　默认的编码类型为 UTF-8，在 Python3 中是没什么问题的，Python3 对中文的支持好很多。
　　但是在 Python2 中，编码的处理是个很头疼的问题，暂时没能找到完美的解决方法，目前只能通过文本编辑器自己进行二次编码，我用的是 Visual Studio Code，先通过 Gbk 编码重新打开，然后再用 UTF-8 重新保存，这样用浏览器打开的话就不会出现中文乱码问题了。

　　基本上所有的图表类型都是这样绘制的：
　　chart_name = Type() 初始化具体类型图表。
　　add() 添加数据及配置项。
　　render() 生成 .html 文件

2.柱状图

from pyecharts import Bar
bar = Bar("库存", "数量")
bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])
# bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用
# bar.show_config() # 打印所有参数
bar.render()    # 生成本地 HTML 文件
bar

# 导入柱状图-Bar
from pyecharts import Bar
# 设置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
# 设置数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
# 设置柱状图的主标题与副标题
bar = Bar("柱状图", "一年的降水量与蒸发量")
# 添加柱状图的数据及配置项
bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])
bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"])
# 生成本地文件（默认为.html文件）
bar.render()

例2:降雨量

3.饼状图

# 导入饼图Pie
from pyecharts import Pie
# 设置主标题与副标题，标题设置居中，设置宽度为900
pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900)
# 加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示
pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)
# 加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签
pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)
# 保存图表
pie.render()
pie

4.折线图

from pyecharts import Line
line = Line("折线图","一年的降水量与蒸发量")
# is_label_show是设置上方数据是否显示
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸发量", columns, data2, is_label_show=True)
line.render()
line

5.雷达图

from pyecharts import Radar
radar = Radar("雷达图", "一年的降水量与蒸发量")
# 由于雷达图传入的数据得为多维数据，所以这里需要做一下处理
radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]]
radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]]
# 设置column的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同
schema = [
    ("Jan", 5), ("Feb",10), ("Mar", 10),
    ("Apr", 50), ("May", 50), ("Jun", 200),
    ("Jul", 200), ("Aug", 200), ("Sep", 50),
    ("Oct", 50), ("Nov", 10), ("Dec", 5)
]
# 传入坐标
radar.config(schema)
radar.add("降水量",radar_data1)
# 一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("蒸发量",radar_data2,item_color="#1C86EE")
radar.render()
radar

6.散点图

from pyecharts import Scatter
scatter = Scatter("散点图", "一年的降水量与蒸发量")
# xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置
scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",
            yaxis_name_gap=40)
scatter.render()
scatter

7.图片重叠

from pyecharts import Grid
# 设置折线图标题位置
line = Line("折线图","一年的降水量与蒸发量",title_top="45%")
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸发量", columns, data2, is_label_show=True)
grid = Grid()
# 设置两个图表的相对位置
grid.add(bar, grid_bottom="60%")
grid.add(line, grid_top="60%")
grid.render()
grid

from pyecharts import Overlap
overlap = Overlap()
bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量")
bar.add("降水量", columns, data1, mark_point=["max", "min"])
bar.add("蒸发量", columns, data2, mark_point=["max", "min"])
overlap.add(bar)
overlap.add(line)
overlap.render()
overlap

8.仪表盘

from pyecharts import Gauge
gauge =Gauge("仪表盘示例")
gauge.add("业务指标", "完成率", 66.66)
# gauge.show_config()
gauge.render()
gauge

9.地理坐标图

from pyecharts import Geo
data=[("海门",9),("鄂尔多斯",12),("招远",12),("舟山",12),("齐齐哈尔",14),("盐城",15),("赤峰",16),("青岛",18),("乳山",18),("金昌",19),("泉州",21),("莱西",21), ("日照",21),("胶南",22),("南通",23),("拉萨",24),("云浮",24),("梅州",25)]
geo=Geo("全国主要城市空气质量","data from pm2.5",title_color="#fff",title_pos="center",width=1200,height=600,background_color='#404a59')
attr,value=geo.cast(data)
geo.add("",attr,value,visual_range=[0,200],visual_text_color="#fff",symbol_size=15,is_visualmap=True)
# geo.show_config()
geo.render()
geo

总结

导入相关图表包
进行图表的基础设置，创建图表对象
利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)
利用render()方法来进行图表保存

各类图形请看看：

https://www.cnblogs.com/lizm166/p/9449261.html