数据可视化工具库-pyecharts

阅读文本需要7分钟

Echarts是百度出的很有名,也很叼。 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。
ps:建议在jupyter-notebook环境下运行，安装教程可以查看文末链接

安装

直接使用pip安装

pip install pyecharts

图表类型

类型	解释
Bar	柱状图/条形图
Bar3D	3D 柱状图
Boxplot	箱形图
EffectScatter	有涟漪特效动画的散点图
Funnel	漏斗图
Gauge	仪表盘
Geo	地理坐标系
Graph	关系图
HeatMap	热力图
Kline	K线图
Line	折线/面积图
Line3D	3D 折线图
Liquid	水球图
Map	地图
Parallel	平行坐标系
Pie	饼图
Polar	极坐标系
Radar	雷达图
Sankey	桑基图
Scatter	散点图
Scatter3D	3D 散点图
ThemeRiver	主题河流图
WordCloud	词云图

常用方法

方法	解释
add()	添加图表数据和设置配置项
show_config()	打印输出图表配置项
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

通用配置

属性	说明
xyAxis	直角坐标系中的 x、y 轴(Line、Bar、Scatter、EffectScatter、Kline)
dataZoom	dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)
legend	图例组件。图例组件展现了不同系列的标记(symbol)，颜色和名字。可以通过点击图例控制哪些系列不显示。
label	图形上的文本标签，可用于说明图形的一些数据信息，比如值，名称等。
lineStyle	带线图形的线的风格选项(Line、Polar、Radar、Graph、Parallel)
grid3D	3D笛卡尔坐标系组配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D)
axis3D	3D 笛卡尔坐标系 X，Y，Z 轴配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D)
visualMap	是视觉映射组件，用于进行『视觉编码』，也就是将数据映射到视觉元素（视觉通道）
markLine&markPoint	图形标记组件，用于标记指定的特殊数据，又标记线和标记点两种。（Bar、Line、Kline）
tooltip	提示框组件，用于移动或点击鼠标时弹出数据内容

通用配置项均在 add() 中设置，这里介绍一些常用的属性配置,有兴趣可以翻一下文档：http://pyecharts.org/#/zh-cn/charts

• xyAxis：

• is_convert -> bool
  是否交换 x 轴与 y 轴

• is_xaxis_inverse -> bool
  是否反向 x 坐标轴，默认为 False

• is_xaxis_show -> bool
  是否显示 x 轴

• xaxis_name -> str
  x 轴名称

• dataZoom：

• is_datazoom_show -> bool
  是否使用区域缩放组件，默认为 False

• datazoom_type -> str
  区域缩放组件类型，默认为'slider'，有'slider', 'inside', 'both'可选

• legend：

• is_legend_show -> bool
  是否显示顶端图例，默认为 True

• label：

• is_label_show -> bool
  是否正常显示标签，默认不显示。标签即各点的数据项信息

• is_random -> bool
  是否随机排列颜色列表，默认为 False

• lineStyle：

• line_width -> int
  线的宽度，默认为 1

• line_opacity -> float
  线的透明度，0 为完全透明，1 为完全不透明。默认为 1

• line_curve -> float
  线的弯曲程度，0 为完全不弯曲，1 为最弯曲。默认为 0

• line_type -> str
  线的类型，有'solid', 'dashed', 'dotted'可选。默认为'solid'

• markLine&markPoint

• mark_line_valuedim -> list
  标记线指定在哪个维度上指定最大值最小值。这可以是维度的直接名称，Line 时可以是 x、angle 等、Kline 图时可以是 open、close、highest、lowest。
  可同时制定多个维度，如:
  mark_line=['min', 'max'], mark_line_valuedim=['lowest', 'highest'] 则表示 min 使用 lowest 维度，max 使用 highest 维度，以此类推

• toolbox

• is_toolbox_show -> bool
  指定是否显示右侧实用工具箱，默认为 True。

• is_more_utils -> bool
  指定是否提供更多的实用工具按钮。默认只提供『数据视图』和『下载』按钮

栗子

例1.xyAxis：

1from pyecharts import Bar
2bar = Bar("手机品牌数量", "来自：Coder日常")
3bar.add("band", ["Apple", "小米", "三星","华为","锤子","vivo","OPPO","魅族"], [ 20, 36, 18,10,15,19,60,50],is_convert=True,is_xaxis_show=True,xaxis_name='我是x轴')
4bar.show_config()
5bar.render()

xy轴转换之后难看了许多，但是为了效果，难看就难看点

(数据纯属虚构)

例2.dataZoom

1bar = Bar("手机品牌数量", "来自：Coder日常")
2bar.add("band", ["Apple", "小米", "三星","华为","锤子","vivo","OPPO","魅族"], [ 20, 36, 18,10,15,19,60,50],is_datazoom_show=True,datazoom_type='inside')
3bar

这里使用了dataZoom的inside类型，可以随着鼠标滚轮的滑动而改变，蛮好玩的。不会录制gif，这里放图没有意思，就不放了。

例3. label

1from pyecharts import Pie
2attr =  ["Apple", "小米", "三星","华为","锤子","vivo","OPPO","魅族"]
3v1 = [ 20, 36, 18,10,15,19,60,50]
4pie = Pie("手机品牌占比", title_pos='center')
5pie.add("", attr, v1, radius=[40, 75], label_text_color=None,
6        is_label_show=True, legend_orient='vertical',
7        legend_pos='left'，is_random=True)
8pie.use_theme("dark")#使用主题
9pie

使用了dark和颜色随机之后，有点炫酷(chou)，有没有这种feel？

例4. lineStyle

1from pyecharts import Line
2line = Line("手机品牌数量", "来自：Coder日常")
3line.add("band", ["Apple", "小米", "三星","华为","锤子","vivo","OPPO","魅族"], [ 20, 36, 18,10,15,19,60,50],line_opacity=1,line_type='dotted')
4line.add("clothes", ["衬衫", "西裤", "袜子","羊毛衫","高跟鞋","雪纺衫","毛衣","针织衫"], [ 40,18, 36,12,19,35,68,55],line_width=2,line_curve=1,line_type='dashed')
5line

效果看下图：

例5. markLine&markPoint

1from pyecharts import Bar
2bar = Bar("手机品牌数量", "来自：Coder日常")
3bar.add("band", ["Apple", "小米", "三星","华为","锤子","vivo","OPPO","魅族"], [ 20, 36, 18,10,15,19,60,50],mark_line=['min', 'max'],is_toolbox_show = True,is_more_utils=True)
4bar

效果如图：

(快看我的右侧)

可以看到，这个图与上面的图多了标注线，还有右侧提供了更多的工具

炫酷图表

介绍几种不算常用，但是贼炫酷的图

1.仪表图

1from pyecharts import Gauge
2
3gauge = Gauge("仪表盘示例")
4gauge.add("业务指标", "完成率", 66.66)
5gauge

如图：

（查水表啦）

2.水球图

1from pyecharts import Liquid
2
3liquid = Liquid("水球图示例")
4liquid.add("Liquid", [0.6])
5liquid

如图：

3.词云图
pyecharts支持词云图，并且很好的支持中文，之前也提过。这里隆重介绍一下WordCould，作为压轴

WordCloud.add() 方法签名

1add(name, attr, value,
2    shape="circle",
3    word_gap=20,
4    word_size_range=None,
5    rotate_step=45)

说明：

• name -> str
  图例名称

• attr -> list
  属性名称

• value -> list
  属性所对应的值

• shape -> list
  词云图轮廓，有'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star'可选

• word_gap -> int
  单词间隔，默认为 20。

• word_size_range -> list
  单词字体大小范围，默认为 [12, 60]。

• rotate_step -> int
  旋转单词角度，默认为 45

 1from pyecharts import WordCloud
 2
 3name = [
 4 'Echarts', '图表制作', '炫酷', '牛逼', 'Python',
 5 '编程', '简单', '方便', '快捷', 'Home', 'Johnny Depp'
 6]
 7value = [965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
 8wordcloud = WordCloud(width=1300, height=620)
 9wordcloud.add("", name, value, word_size_range=[30, 100],shape='diamond')
10wordcloud

ps： 当且仅当 shape 为默认的'circle'时 rotate_step 参数才生效

（熊厂良心出品）

最后

pyecharts就分享到这里，整理的不是很好，见谅哈。。。
另外，今天想分享pyecharts的时候，翻了一遍官方文档，学到了很多之前没有注意到的知识，感觉看文档比看博客之类的好多了，建议都去翻一下文档O(∩_∩)O
这里再放上一次官方文档地址，免得又得翻回前面：http://pyecharts.org/#/zh-cn/charts

后话：排版真的不容易呀。。。请多多点赞支持，你们的鼓励，就是我坚持下去的动力

点赞，让我看到你的鼓励