一、初识Pyecharts
pyecharts简介
pyecharts 是一个用于生成 Echarts 图表的类库, 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。
Pyecharts官网
https://pyecharts.org/#/zh-cn/intro
pyecharts安装
pip install pyecharts
二、Pyecharts可视化
使用pyecharts可以绘制如下图表：
| Scatter | 散点图 | Funnel | 漏斗图 |
| Bar | 柱状图 | Gauge | 仪表盘 |
| Pie | 饼图 | Graph | 关系图 |
| Line | 折线/面积图 | Liquid | 水球图 |
| Radar | 雷达图 | Parallel | 平行坐标系 |
| Sankey | 桑基图 | Polar | 极坐标系 |
| WordCloud | 词云图 | HeatMap | 热力图 |
这里我们简介一下常用的图表的API：
2.0、初始化设置
导入相关库：
from pyecharts.charts import *import pyecharts.options as opts
- from pyecharts.charts import *: 可以使用所有的图表对应的函数；
- 使用 options 配置项，在 pyecharts 中，一切皆 Options，进行参数设置；
总体说明一下：
- .render_notebook ()随时随地渲染图表;
- .render() 这个不会直接产生图表，而是形成一个render.html的文件，可在浏览器中打开查看图表；
2.1、scatter()
这里我们绘制一个正余弦的散点图
x = np.linspace(0, 2*np.pi, 100)y = np.sin(x)y2 = np.cos(x) # 参数设置(Scatter() # 图形种类 .add_xaxis(xaxis_data=x) # 设置x轴序列 .add_yaxis(series_name='sin', y_axis=y) # 设置y轴序列 .add_yaxis(series_name='cos', y_axis=y2, label_opts=opts.LabelOpts(is_show=False)) # is_show = False：表示不显示数值部分).render_notebook()
结果如下：
2.2、line()
from pyecharts.charts import Lineimport pyecharts.options as opts x = np.linspace(0, 2*np.pi, 100)y = np.sin(x) ( Line() .add_xaxis(xaxis_data=x) .add_yaxis(series_name='sin', y_axis=y, label_opts=opts.LabelOpts(is_show=False)) .add_yaxis(series_name='cos', y_axis=np.cos(x), label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title='曲线'), tooltip_opts=opts.TooltipOpts(axis_pointer_type='cross') )).render_notebook()
结果如下所示：
2.3、Bar()
柱状图的绘制：
from pyecharts.charts import Bar bar = ( Bar() .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) .add_yaxis("商家A", [5, 20, 36, 10, 75, 90]))bar.render_notebook()
结果如下：
当然，这里只是最基本的柱图使用；我们还可以绘制混合柱图；
from pyecharts.charts import Barimport pyecharts.options as opts num = [110, 136, 108, 48, 111, 112, 103]num2 = [90, 110, 101, 70, 90, 120, 99]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'] ( Bar(init_opts=opts.InitOpts(width='720px', height='320px')) .add_xaxis(xaxis_data=lab) .add_yaxis(series_name='商家A', yaxis_data=num) .add_yaxis(series_name='商家B', yaxis_data=num2) .set_global_opts( title_opts=opts.TitleOpts(title='各商家拥有犬类数量情况', subtitle='如有雷同，纯属意外') )).render_notebook()
结果如下所示：
2.4、Pie()
普通饼图：
from pyecharts.charts import Pieimport pyecharts.options as opts num = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'] ( Pie(init_opts=opts.InitOpts(width='720px', height='320px')) .add(series_name='', data_pair=[(j, i) for i, j in zip(num, lab)] )).render_notebook()
结果如下：
环状饼图：
from pyecharts.charts import Pieimport pyecharts.options as opts num = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'] ( Pie(init_opts=opts.InitOpts(width='720px', height='320px')) .add(series_name='', radius=['40%', '75%'], data_pair=[(j, i) for i, j in zip(num, lab)] )).render_notebook()
如图所示：
玫瑰饼图：
from pyecharts.charts import Pieimport pyecharts.options as opts num = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'] ( Pie(init_opts=opts.InitOpts(width='720px', height='320px')) .add(series_name='', # radius=['40%', '75%'],# center=['25%', '50%'], rosetype='radius', data_pair=[(j, i) for i, j in zip(num, lab)] )).render_notebook()
如图所示：
2.5、图表的组合使用
from pyecharts.charts import Bar, Line num = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'] bar = ( Bar(init_opts=opts.InitOpts(width='720px', height='320px')) .add_xaxis(xaxis_data=lab) .add_yaxis(series_name='', yaxis_data=num)) lines = ( Line() .add_xaxis(xaxis_data=lab) .add_yaxis(series_name='', y_axis=num, label_opts=opts.LabelOpts(is_show=False))) bar.overlap(lines).render_notebook()
如图所示：
三、总结
Pyecharts可以绘制各种各样的图表，主流的一个数据可视化的库，因为相对于matplotlib,seaborn等数据可视化库，它的交互性比较好，图形绘制的比较清晰美观，所以应用的比较广泛，本文主要就普通常用图形做了简单的总结，当然它还可以绘制地理图形，具体参见官网相关API。
