Python使用pyecharts控件绘制图表 Python使用pyecharts控件绘制图表

一、Echarts简介

1、特性
2、相关资源：

二、使用

1、柱状图-Bar
2、饼图-Pie
3、箱体图-Boxplot
4、折线图-Line
5、雷达图-Rader
6、散点图-scatter
7、图表布局 Grid
总结

一、Echarts简介 Echarts 是一个由百度开源的数据可视化，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 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
分v0.5.x 和 V1 间不兼容，导致很多代码不可复用，旧版本将不再维护。

1、特性

简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Sanic，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件，并且支持原生百度地图，为地理数据可视化提供强有力的支持

2、相关资源：

官网
项目地址
中文文档（含5分钟入门教程）
English Documentation
示例 Example

【Python使用pyecharts控件绘制图表】
二、使用现在我们来开始正式使用pycharts，这里我们直接使用官方的数据：

1、柱状图-Bar

//导入柱状图-Barfrom 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()

简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的，在这里还是要安利一下jupyter，pyecharts在v0.1.9.2版本开始，在jupyter上直接调用实例（例如上方直接调用bar）就可以将图表直接表示出来，非常方便。
笔者数了数，目前pyecharts上的图表大概支持到二十多种，接下来，我们再用上方的数据来生成几个数据挖掘常用的图表示例：

2、饼图-Pie

//导入饼图Piefrom pyecharts import Pie//设置主标题与副标题，标题设置居中，设置宽度为900pie = 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()

3、箱体图-Boxplot

//导入箱型图Boxplotfrom pyecharts import Boxplot boxplot = Boxplot("箱形图", "一年的降水量与蒸发量")x_axis = ['降水量','蒸发量']y_axis = [data1,data2]//prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]yaxis = boxplot.prepare_data(y_axis) boxplot.add("天气统计", x_axis, _yaxis)boxplot.render()

4、折线图-Line

from pyecharts import Lineline = 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()

5、雷达图-Rader

from pyecharts import Radarradar = 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()

文章图片

6、散点图-scatter

from pyecharts import Scatterscatter = 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()

7、图表布局 Grid
由于标题与图表是属于两个不同的控件，所以这里必须对下方的图表Line进行标题位置设置，否则会出现标题重叠的bug。

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()

from pyecharts import Overlapoverlap = 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()

总结