安装

pyecharts 兼容 Python2 和 Python3。目前版本为 0.1.2

pip install pyecharts

入门

首先开始来绘制你的第一个图表

from pyecharts import Bar

bar = Bar("我的第一个图表", "这里是副标题")

bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [, , , , , ])

bar.show_config()

bar.render()

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。

Bar（柱状图/条形图）

from pyecharts import Bar

bar = Bar("标记线和标记点示例")

bar.add("商家A", attr, v1, mark_point=["average"])

bar.add("商家B", attr, v2, mark_line=["min", "max"])

bar.render()

from pyecharts import Bar

bar = Bar("x 轴和 y 轴交换")

bar.add("商家A", attr, v1)

bar.add("商家B", attr, v2, is_convert=True)

bar.render()

EffectScatter（带有涟漪特效动画的散点图）

from pyecharts import EffectScatter

v1 = [, , , , , ]

v2 = [, , , , , ]

es = EffectScatter("动态散点图示例")

es.add("effectScatter", v1, v2)

es.render()

es = EffectScatter("动态散点图各种图形示例")

es.add("", [], [], symbol_size=, effect_scale=3.5, effect_period=, symbol="pin")

es.add("", [], [], symbol_size=, effect_scale=4.5, effect_period=,symbol="rect")

es.add("", [], [], symbol_size=, effect_scale=5.5, effect_period=,symbol="roundRect")

es.add("", [], [], symbol_size=, effect_scale=6.5, effect_brushtype='fill',symbol="diamond")

es.add("", [], [], symbol_size=, effect_scale=5.5, effect_period=,symbol="arrow")

es.add("", [], [], symbol_size=, effect_scale=2.5, effect_period=,symbol="triangle")

es.render()

Funnel（漏斗图）

from pyecharts import Funnel

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

value = [, , , , , ]

funnel = Funnel("漏斗图示例")

funnel.add("商品", attr, value, is_label_show=True, label_pos="inside", label_text_color="#fff")

funnel.render()

Gauge（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()

Geo（地理坐标系）

from pyecharts import Geo

data = [

    ("海门", ),("鄂尔多斯", ),("招远", ),("舟山", ),("齐齐哈尔", ),("盐城", ),

    ("赤峰", ),("青岛", ),("乳山", ),("金昌", ),("泉州", ),("莱西", ),

    ("日照", ),("胶南", ),("南通", ),("拉萨", ),("云浮", ),("梅州", )...]

geo = Geo("全国主要城市空气质量", "data from pm2.5", title_color="#fff", title_pos="center",

width=, height=, background_color='#404a59')

attr, value = geo.cast(data)

geo.add("", attr, value, visual_range=[, ], visual_text_color="#fff", symbol_size=, is_visualmap=True)

geo.show_config()

geo.render()

from pyecharts import Geo

data = [("海门", ), ("鄂尔多斯", ), ("招远", ), ("舟山", ), ("齐齐哈尔", ), ("盐城", )]

geo = Geo("全国主要城市空气质量", "data from pm2.5", title_color="#fff", title_pos="center",

          width=, height=, background_color='#404a59')

attr, value = geo.cast(data)

geo.add("", attr, value, type="effectScatter", is_random=True, effect_scale=)

geo.show_config()

geo.render()

Graph（关系图）

from pyecharts import Graph

nodes = [{"name": "结点1", "symbolSize": },

         {"name": "结点2", "symbolSize": },

         {"name": "结点3", "symbolSize": },

         {"name": "结点4", "symbolSize": },

         {"name": "结点5", "symbolSize": },

         {"name": "结点6", "symbolSize": },

         {"name": "结点7", "symbolSize": },

         {"name": "结点8", "symbolSize": }]

links = []

for i in nodes:

    for j in nodes:

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

graph = Graph("关系图-环形布局示例")

graph.add("", nodes, links, is_label_show=True, repulsion=, layout='circular', label_text_color=None)

graph.show_config()

graph.render()

from pyecharts import Graph

import json

with open("..\json\weibo.json", "r", encoding="utf-8") as f:

    j = json.load(f)

    nodes, links, categories, cont, mid, userl = j

graph = Graph("微博转发关系图", width=, height=)

graph.add("", nodes, links, categories, label_pos="right", repulsion=, is_legend_show=False,

          line_curve=0.2, label_text_color=None)

graph.show_config()

graph.render()

Line（折线/面积图）

from pyecharts import Line

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [, , , , , ]

v2 = [, , , , , ]

line = Line("折线图示例")

line.add("商家A", attr, v1, mark_point=["average"])

line.add("商家B", attr, v2, is_smooth=True, mark_line=["max", "average"])

line.show_config()

line.render()

line = Line("折线图-阶梯图示例")

line.add("商家A", attr, v1, is_step=True, is_label_show=True)

line.show_config()

line.render()

line = Line("折线图-面积图示例")

line.add("商家A", attr, v1, is_fill=True, line_opacity=0.2, area_opacity=0.4, symbol=None)

line.add("商家B", attr, v2, is_fill=True, area_color='#000', area_opacity=0.3, is_smooth=True)

line.show_config()

line.render()

Liquid（水球图）

from pyecharts import Liquid

liquid = Liquid("水球图示例")

liquid.add("Liquid", [0.6])

liquid.show_config()

liquid.render()

from pyecharts import Liquid

liquid = Liquid("水球图示例")

liquid.add("Liquid", [0.6, 0.5, 0.4, 0.3], is_liquid_animation=False, shape='diamond')

liquid.show_config()

liquid.render()

Map（地图）

from pyecharts import Map

value = [, , , , ]

attr = ['汕头市', '汕尾市', '揭阳市', '阳江市', '肇庆市']

map = Map("广东地图示例", width=, height=)

map.add("", attr, value, maptype='广东', is_visualmap=True, visual_text_color='#000')

map.show_config()

map.render()

map-2

Parallel（平行坐标系）

from pyecharts import Parallel

c_schema = [

    {"dim": , "name": "data"},

    {"dim": , "name": "AQI"},

    {"dim": , "name": "PM2.5"},

    {"dim": , "name": "PM10"},

    {"dim": , "name": "CO"},

    {"dim": , "name": "NO2"},

    {"dim": , "name": "CO2"},

    {"dim": , "name": "等级",

    "type": "category", "data": ['优', '良', '轻度污染', '中度污染', '重度污染', '严重污染']}

]

data = [

    [, , , , 0.82, , , "良"],

    [, , , , 0.86, , , "良"],

    [, , , , 1.09, , , "良"],

    [, , , , 1.28, , , "轻度污染"],

    [, , , , 1.07, , , "轻度污染"],

    [, , , , 1.28, , , "轻度污染"],

    [, , , , 1.07, , , "轻度污染"],

    [, , , , 0.86, , , "良"],

    [, , , , 0.64, , , "良"],

    [, , , , 1.01, , , "良"],

    [, , , , 1.03, , , "轻度污染"],

    [, , , , 1.1, , , "良"],

    [, , , , 1.28, , , "良"],

    [, , , , 1.47, , , "轻度污染"]

]

parallel = Parallel("平行坐标系-用户自定义指示器")

parallel.config(c_schema=c_schema)

parallel.add("parallel", data)

parallel.show_config()

parallel.render()

Pie（饼图）

from pyecharts import Pie

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [, , , , , ]

pie = Pie("饼图示例")

pie.add("", attr, v1, is_label_show=True)

pie.show_config()

pie.render()

from pyecharts import Pie

attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

v1 = [, , , , , ]

v2 = [, , , , , ]

pie = Pie("饼图-玫瑰图示例", title_pos='center', width=)

pie.add("商品A", attr, v1, center=[, ], is_random=True, radius=[, ], rosetype='radius')

pie.add("商品B", attr, v2, center=[, ], is_random=True, radius=[, ], rosetype='area',

        is_legend_show=False, is_label_show=True)

pie.show_config()

pie.render()

Polar（极坐标系）

from pyecharts import Polar

radius = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']

polar = Polar("极坐标系-堆叠柱状图示例", width=, height=)

polar.add("A", [, , , , , , ], radius_data=radius, type='barRadius', is_stack=True)

polar.add("B", [, , , , , , ], radius_data=radius, type='barRadius', is_stack=True)

polar.add("C", [, , , , , , ], radius_data=radius, type='barRadius', is_stack=True)

polar.show_config()

polar.render()

from pyecharts import Polar

radius = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']

polar = Polar("极坐标系-堆叠柱状图示例", width=, height=)

polar.add("", [, , , , , , ], radius_data=radius, type='barAngle', is_stack=True)

polar.add("", [, , , , , , ], radius_data=radius, type='barAngle', is_stack=True)

polar.add("", [, , , , , , ], radius_data=radius, type='barAngle', is_stack=True)

polar.show_config()

polar.render()

Radar（雷达图）

from pyecharts import Radar

schema = [

    ("销售", ), ("管理", ), ("信息技术", ), ("客服", ), ("研发", ), ("市场", )]

v1 = [[, , , , , ]]

v2 = [[, , , , , ]]

radar = Radar()

radar.config(schema)

radar.add("预算分配", v1, is_splitline=True, is_axisline_show=True)

radar.add("实际开销", v2, label_color=["#4e79a7"], is_area_show=False)

radar.show_config()

radar.render()

value_bj = [

    [, , , 0.46, , , ], [, , , 0.65, , , ],

    [, , , 0.3, , , ], [, , , 0.33, , , ]...]

value_sh = [

    [, , , 0.82, , , ], [, , , 0.86, , , ],

    [, , , 1.09, , , ], [, , , 1.28, , , ]...]

c_schema= [{"name": "AQI", "max": , "min": },

           {"name": "PM2.5", "max": , "min": },

           {"name": "PM10", "max": , "min": },

           {"name": "CO", "max": },

           {"name": "NO2", "max": },

           {"name": "SO2", "max": }]

radar = Radar()

radar.config(c_schema=c_schema, shape='circle')

radar.add("北京", value_bj, item_color="#f9713c", symbol=None)

radar.add("上海", value_sh, item_color="#b3e4a1", symbol=None)

radar.show_config()

radar.render()

Scatter（散点图）

from pyecharts import Scatter

v1 = [, , , , , ]

v2 = [, , , , , ]

scatter = Scatter("散点图示例")

scatter.add("A", v1, v2)

scatter.add("B", v1[::-], v2)

scatter.show_config()

scatter.render()

from pyecharts import Scatter

scatter = Scatter("散点图示例")

v1, v2 = scatter.draw("../images/pyecharts-0.png")

scatter.add("pyecharts", v1, v2, is_random=True)

scatter.show_config()

scatter.render()

WordCloud（词云图）

from pyecharts import WordCloud

name = ['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications',

        'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp',

        'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham',

        'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']

value = [, , , , , , , , , , , , ,

         , , , , , , ]

wordcloud = WordCloud(width=, height=)

wordcloud.add("", name, value, word_size_range=[, ])

wordcloud.show_config()

wordcloud.render()

用户自定义

用户还可以自定义结合 Line/Bar 图表
需使用 get_series() 和 custom() 方法

get_series()

""" 获取图表的 series 数据 """

custom(series)

''' 追加自定义图表类型 '''

series -> dict
追加图表类型的 series 数据

先用 get_series() 获取数据，再使用 custom() 将图表结合在一起

from pyecharts import Bar, Line

attr = ['A', 'B', 'C', 'D', 'E', 'F']

v1 = [, , , , , ]

v2 = [, , , , , ]

v3 = [, , , , , ]

bar = Bar("Line - Bar 示例")

bar.add("bar", attr, v1)

line = Line()

line.add("line", v2, v3)

bar.custom(line.get_series())

bar.show_config()

bar.render()

更多示例

用极坐标系画出一个爱心

import math

from pyecharts import Polar

data = []

for i in range():

    theta = i /  *

    r =  * ( + math.sin(theta /  * math.pi))

    data.append([r, theta])

hour = [i for i in range(, )]

polar = Polar("极坐标系示例", width=, height=)

polar.add("Love", data, angle_data=hour, boundary_gap=False,start_angle=)

polar.show_config()

polar.render()

用极坐标系画出一朵小花

import math

from pyecharts import Polar

data = []

for i in range():

    t = i /  * math.pi

    r = math.sin( * t) * math.cos( * t)

    data.append([r, i])

polar = Polar("极坐标系示例", width=, height=)

polar.add("Flower", data, start_angle=, symbol=None, axis_range=[, None])

polar.show_config()

polar.render()

还可以给小花涂上颜色

import math

from pyecharts import Polar

data = []

for i in range():

    t = i /  * math.pi

    r = math.sin( * t) * math.cos( * t)

    data.append([r, i])

polar = Polar("极坐标系示例", width=, height=)

polar.add("Color-Flower", data, start_angle=, symbol=None, axis_range=[, None],

          area_color="#f71f24", area_opacity=0.6)

polar.show_config()

polar.render()

用散点图画出一个爱心

from pyecharts import Scatter

scatter = Scatter("散点图示例", width=, height=)

v1 ,v2 = scatter.draw("../images/love.png")

scatter.add("Love", v1, v2)

scatter.render()

用散点图画出一个火辣的 Bra

from pyecharts import Scatter

scatter = Scatter("散点图示例", width=, height=)

v1 ,v2 = scatter.draw("../images/cup.png")

scatter.add("Cup", v1, v2)

scatter.render()

用散点图画出一个性感的 Bra

from pyecharts import Scatter

scatter = Scatter("散点图示例", width=, height=)

v1 ,v2 = scatter.draw("../images/cup.png")

scatter.add("Cup", v1, v2, label_color=["#000"])

scatter.render()

某地最低温和最高气温折线图

from pyecharts import Line

attr = ['周一', '周二', '周三', '周四', '周五', '周六', '周日', ]

line = Line("折线图示例")

line.add("最高气温", attr, [, , , , , , ], mark_point=["max", "min"], mark_line=["average"])

line.add("最低气温", attr, [, -, , , , , ], mark_point=["max", "min"],

         mark_line=["average"], yaxis_formatter="°C")

line.show_config()

line.render()

饼图嵌套

from pyecharts import Pie

pie = Pie("饼图示例", title_pos='center', width=, height=)

pie.add("", ['A', 'B', 'C', 'D', 'E', 'F'], [, , , , , ], radius=[, ],is_label_show=True)

pie.add("", ['H', 'I', 'J'], [, , ], radius=[, ], legend_orient='vertical', legend_pos='left')

pie.show_config()

pie.render()

饼图再嵌套

import random

from pyecharts import Pie

attr = ['A', 'B', 'C', 'D', 'E', 'F']

pie = Pie("饼图示例", width=, height=)

pie.add("", attr, [random.randint(, ) for _ in range()], radius=[, ], center=[, ],is_random=True)

pie.add("", attr, [random.randint(, ) for _ in range()], radius=[, ], center=[, ],rosetype='area')

pie.add("", attr, [random.randint(, ) for _ in range()], radius=[, ], center=[, ],is_random=True)

pie.add("", attr, [random.randint(, ) for _ in range()], radius=[, ], center=[, ],rosetype='radius')

pie.show_config()

pie.render()

某地的降水量和蒸发量柱状图

from pyecharts import Bar

attr = ["{}月".format(i) for i in range(, )]

v1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]

v2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]

bar = Bar("柱状图示例")

bar.add("蒸发量", attr, v1, mark_line=["average"], mark_point=["max", "min"])

bar.add("降水量", attr, v2, mark_line=["average"], mark_point=["max", "min"])

bar.show_config()

bar.render()

各类电影中"好片"所占的比例

from pyecharts import Pie

pie = Pie('各类电影中"好片"所占的比例', "数据来着豆瓣", title_pos='center')

pie.add("", ["剧情", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None, )

pie.add("", ["奇幻", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None, legend_pos='left')

pie.add("", ["爱情", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["惊悚", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["冒险", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["动作", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["喜剧", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["科幻", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["悬疑", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None)

pie.add("", ["犯罪", ""], [, ], center=[, ], radius=[, ],

        label_pos='center', is_label_show=True, label_text_color=None, is_legend_show=True, legend_top="center")

pie.show_config()

pie.render()

用极坐标系画出一个蜗牛壳

import math

from pyecharts import Polar

data = []

for i in range():

    for j in range():

        theta = j /  *

        alpha = i *  + theta

        r = math.pow(math.e, 0.003 * alpha)

        data.append([r, theta])

polar = Polar("极坐标系示例")

polar.add("", data, symbol_size=, symbol='circle', start_angle=-, is_radiusaxis_show=False,

          area_color="#f3c5b3", area_opacity=0.5, is_angleaxis_show=False)

polar.show_config()

polar.render()

pyecharts使用的更多相关文章

Python爬取南京市往年天气预报，使用pyecharts进行分析
上一次分享了使用matplotlib对爬取的豆瓣书籍排行榜进行分析,但是发现python本身自带的这个绘图分析库还是有一些局限,绘图不够美观等,在网上搜索了一波,发现现在有很多的支持python的绘图 ...
数据分析——pyecharts
导入类库 from pyecharts import Pie, Bar, Gauge, EffectScatter, WordCloud, Map, Grid, Line, Timeline impo ...
Python：数据可视化pyecharts的使用
什么是pyecharts? 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.pyecharts 是一个用于生 ...
Python中的可视化神器：pyecharts
pyecharts是一款将python与echarts结合的强大的数据可视化工具,本文将为你阐述pyecharts的使用细则前言我们都知道python上的一款可视化工具matplotlib,而前些 ...
数据可视化之pyecharts
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.pyecharts 是一个用于生成 Echarts 图表的类库.实际上就是 Echarts 与 Python 的对接. 安装 ...
python可视化pyecharts
python可视化pyecharts 简单介绍 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.用 Echarts 生成的图可视化 ...
【转】Anaconda下安装pyecharts步骤及常见错误
本文转载自:https://blog.csdn.net/skj1995/article/details/81187954 (1)之前看了几篇博客,有人说用cmd命令在目录C:\Users\Admini ...
发现一个强大的可视化第三方库pyecharts
pyecharts 目前尚在不断的更新中,值得重点研究和学习的图表库
利用pyecharts做地图数据展示
首先, pip install pyecharts 为了地图上的数据能显示完全,加载好需要的城市地理坐标数据. pip install echarts-countries-pypkg pip inst ...

随机推荐

python列表的交、并、差集
#!/usr/bin/env python3 l1 = ['] l2 = ['] # 交集 result1 = [i for i in l1 if i in l2] result2 = list(se ...
SpringBoot启动原理及相关流程
一.springboot启动原理及相关流程概览 springboot是基于spring的新型的轻量级框架,最厉害的地方当属自动配置.那我们就可以根据启动流程和相关原理来看看,如何实现传奇的自动配置二 ...
2018~第三届南宁市网络安全技术大赛~nnctf~write-up
Web 1.超简单分值:100 类型:WEB 已解决题目:超简单的web题 http://gxnnctf.gxsosec.cn:12311/ 代码审计 <?php $white_list ...
SmartSql Zookeeper分布式配置
安装 SmartSql.ZooKeeperConfig Install-Package SmartSql.ZooKeeperConfig Demo string connStr = "192 ...
Linux网络技术管理及进程管理（week2_day4）--技术流ken
OSI七层模型和TCP/IP四层模型 OSI七层模型:OSI(Open System Interconnection)开放系统互连参考模型是国际标准化组织(ISO)制定的一个用于计算机或通信系统间互联 ...
AspNetCore中使用Ocelot之 IdentityServer4（1）
AspNetCore中使用Ocelot之 IdentityServer4(1) 前言: OceLot网关是基于AspNetCore 产生的可扩展的高性能的企业级Api网关,目前已经基于2.0 升级版本 ...
封装继承多态（OOP）
封装:把事物封装成类,私有化属性. 继承:共同的特性封装在父类,子类就有父类的属性父类已经实现了的方法,子类也有需要前面+New 隐藏父类的方法,就不报错了,有这个语法,面试的时候问过,不推荐用. ...
我爱Java系列之《JavaEE面试宝典》---【IO流面试总结】
1.什么是比特(Bit),什么是字节(Byte),什么是字符(Char),它们长度是多少,各有什么区别答案 Bit最小的二进制单位 ,是计算机的操作部分取值0或者1 Byte是计算机操作数据的最小 ...
Python二级-----------程序冲刺4
1. 根据输入正整数 n,作为财务数据,输出一个宽度为 20 字符,n 右对齐显示,带千位分隔符的效果,使用减号字符“-”填充.如果输入正整数超过 20 位,则按照真实长度输出.提示代码如下:‪‬‪‬ ...
IO流-输入输出的简单实例
InputStream和OutputStream 抽象类InputStream和OutputStream是IO流最底层的两个抽象类,所有输入/输出流的类都基于这两个类. 这两个类里最核心的三个方法是r ...

pyecharts使用

安装

入门