Python可視化神器：pyecharts，輕松繪制 30+ 種超實用精美圖表！-有解無憂

歡迎關注，專注 Python、資料分析、資料挖掘、好玩工具！

如果要問：Python 中有那些可視化工具庫？我想很多人都能想起來 matplotlib，這是一款初學者繞不開的庫，但隨著對資料可視化的要求越來越高，matplotlib 已無法滿足了，

今天我將和大家詳細講解 Pyecharts 模塊，說到它我們就不得不提 Echarts，它是一個由百度開源的資料可視化，結合巧妙的互動性，精巧的圖表設計，得到了開發者的認可，而 Python 是一門富有表達力的語言，很適合用于資料處理，分析遇上資料可視化時，pyecharts 誕生了，歡迎收藏學習，喜歡點贊支持， 文末提供技術交流群，

Pyecharts 具有如下特點：

簡潔的API 設計，使用如絲滑般的照片，支持鏈式呼叫
囊括了30+種常見圖表，應有盡有
支持主流 Notebook 環境，Jupyter Notebook 和 JupyterLab
可輕松集成至Flask，Django等主流Web框架
高度智能的配置項，可輕松搭配出精美的圖表
詳細的檔案和示例，幫助開發者快速的上手專案
多達 400+ 地圖檔案以及自己的百度地圖，為地理資料擴展提供用戶支持

官方Github鏈接：https://github.com/pyecharts/pyecharts/

下面我們來詳細講解它

01 安裝與匯入模塊

說到安裝模塊，我們可以這樣來進行，

使用 Pyecharts 創建圖形的基本步驟是

1. 準備資料

2. 設計圖形的樣式、背景顏色

3. Pyecharts 繪圖

4. 設計圖表的標題或者圖例等屬性

5. 匯出至 html

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="這是主標題", subtitle="這是副標題"))
    .render("bar_base.html")
)

出來的結果是

02 資料準備

import pandas as pd
import numpy as np

data = pd.DataFrame({'x':np.arange(1,101),'y':["隨機生成的數字"]})
df = pd.read_excel("你的檔案的路徑")

03 Pycharts還提供內置的資料集

Pyecharts內部還提供了一些資料集，主要包含類別資料、時間資料、顏色資料、地理資料、世界人口資料等等，通過choose()方法來隨機選擇使用哪個

def choose(self) -> list:
    return random.choice(
        [
            self.clothes,
            self.drinks,
            self.phones,
            self.fruits,
            self.animal,
            self.dogs,
            self.week,
        ]
    )

04 圖形的樣式

說到圖形的樣式，大概都這么幾種

class _ThemeType:
    BUILTIN_THEMES = ["light", "dark", "white"]
    LIGHT = "light"
    DARK = "dark"
    WHITE = "white"
    CHALK: str = "chalk"
    ESSOS: str = "essos"
    INFOGRAPHIC: str = "infographic"
    MACARONS: str = "macarons"
    PURPLE_PASSION: str = "purple-passion"
    ROMA: str = "roma"
    ROMANTIC: str = "romantic"
    SHINE: str = "shine"
    VINTAGE: str = "vintage"
    WALDEN: str = "walden"
    WESTEROS: str = "westeros"
    WONDERLAND: str = "wonderland"
    HALLOWEEN: str = "halloween"

06 設定標題、副標題

設定標題以及副標題的代碼如下

set_global_opts(title_opts=opts.TitleOpts(title="這是主標題",subtitle="這是副標題"))

07 設定圖例與位置

legend_opts=opts.LegendOpts(type_="scroll", orient="vertical",pos_top="15%",pos_left="7%")) # 圖裂的位置
label_opts=opts.LabelOpts(formatter="{b}: {c}") # 結果的展現形式

08 匯出結果

render("test.html")

# 如果是在jupyter notebook當中
render_notebook()

09 Pyecharts繪圖

柱狀圖

同個品類不同類目的柱子可以堆疊起來呈現，也就是堆疊的柱狀圖

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), stack="stack1")
    .add_yaxis("商家2", Faker.values(), stack="stack1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆疊資料（全部）"))
    .render("bar_stack_1212.html")
)

有時候橫坐標的標識字數較多，X軸上顯示全，我們可以將標識的字體稍微傾斜一些

c = (
    Bar()
    .add_xaxis(
        [
            "名字相當長的X軸標簽1",
            "名字相當長的X軸標簽2",
            "名字相當長的X軸標簽3",
            "名字相當長的X軸標簽4",
            "名字相當長的X軸標簽5",
            "名字相當長的X軸標簽6",
        ]
    )
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=15)),
        title_opts=opts.TitleOpts(title="Bar-旋轉X軸標簽", subtitle="副標題"),
    )
    .render("test.html")
)

我們也可以這樣放柱形圖

c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(Faker.days_attrs)
    .add_yaxis("商家1", Faker.days_values, color=Faker.rand_color())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Bar-DataZoom（滑塊-垂直）"),
        datazoom_opts=opts.DataZoomOpts(orient="vertical"),
    )
    .render("bar_datazoom_slider_vertical.html")
)

我們也可以通過拖動里面的柱子來實作資料縮放、范圍的改變

c = (
    Bar()
    .add_xaxis(Faker.days_attrs)
    .add_yaxis("商家1", Faker.days_values)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Bar-DataZoom（內置+外置）"),
        datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
    )
    .render("bar_datazoom_both.html")
)

在柱狀圖當中，不同柱子之間的距離也可以不是相同的

c = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.WHITE))
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values(), gap="0%")
    .add_yaxis("商家2", Faker.values(), gap="0%")
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-柱間距離不同"))
    .render("bar_different_series_gap.html")
)

柱狀圖水平狀態的

還有水平方向的柱狀圖

c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .reversal_axis()
    .set_series_opts(label_opts=opts.LabelOpts(position="right"))
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-水平方向"))
    .render("bar_reversal_axis.html")
)

箱型圖

箱型圖更加有利于我們來觀察資料的內在分布

from pyecharts.charts import Boxplot

v1 = [
    [850, 740, 950, 1090, 930, 850, 950, 980, 1000, 880, 1000, 980],
    [980, 940, 960, 940, 900, 800, 850, 880, 950, 840, 830, 800],
]
v2 = [
    [890, 820, 820, 820, 800, 770, 760, 760, 750, 760, 950, 920],
    [900, 840, 800, 810, 760, 810, 790, 850, 820, 850, 870, 880],
]
c = Boxplot()
c.add_xaxis(["A", "B"])
c.add_yaxis("類目1", c.prepare_data(v1))
c.add_yaxis("類目2", c.prepare_data(v2))
c.set_global_opts(title_opts=opts.TitleOpts(title="箱型圖-基本示例"))
c.render("boxplot_test.html")

日歷圖

日歷圖具體指按照日歷的布局，用顏色展現每一天的資料，從而比較直觀地看到全年的資料情況，例如展示超市全年的銷售額，從而看出具體某個月份或者某個星期的銷售額比較低

c = (
    Calendar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
    .add("", data, calendar_opts=opts.CalendarOpts(range_="2020"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="日歷圖-2020年超市的銷售額"),
        visualmap_opts=opts.VisualMapOpts(
            max_=250000,
            min_=10000,
            orient="horizontal",
            is_piecewise=True,
            pos_top="230px",
            pos_left="100px",
        ),
    )
    .render("calendar_test.html")
)

K線圖

c = (
    Kline(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
    .add_xaxis(["2020/7/{}".format(i + 1) for i in range(31)])
    .add_yaxis("kline", data)
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(is_scale=True),
        xaxis_opts=opts.AxisOpts(is_scale=True),
        title_opts=opts.TitleOpts(title="K線圖-基本示例"),
    )
    .render("kline_test.html")
)

漏斗圖

from pyecharts.charts import Funnel

c = (
    Funnel()
    .add("類目", [list(z) for z in zip(Faker.choose(), Faker.values())])
    .set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖-基本示例"))
    .render("funnel_test.html")
)

折線圖

c = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .add_yaxis("商家2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="折線圖-基本示例"))
    .render("line_test.html")
)

水球圖

水球圖通常來顯示指標的完成程度

from pyecharts.charts import Liquid

c = (
    Liquid()
    .add("lq", [0.55, 0.75])
    .set_global_opts(title_opts=opts.TitleOpts(title="Liquid-基本示例"))
    .render("liquid_test.html")
)

詞云圖

c = (
    WordCloud()
    .add(series_name="詞云圖實體", data_pair=data, word_size_range=[5, 100])
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="詞云圖實體", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
        ),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
    .render("basic_wordcloud.html")
)

餅圖

c = (
    Pie()
    .add("類目", [list(z) for z in zip(Faker.choose(), Faker.values())])
    .set_global_opts(title_opts=opts.TitleOpts(title="餅圖-基本示例"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .render("pie_test.html")
)

儀表盤圖

儀表盤的繪制也可以用來展示指標的完成程度

from pyecharts.charts import Gauge

c = (
    Gauge()
    .add("", [("完成率", 70)])
    .set_global_opts(title_opts=opts.TitleOpts(title="儀表盤-基本示例"))
    .render("gauge_test.html")
)

漣漪散點圖

c = (
    EffectScatter()
    .add_xaxis(Faker.choose())
    .add_yaxis("商家1", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title="漣漪散點圖-基本示例"))
    .render("effectscatter_test.html")
)

地圖

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.faker import Faker
from pyecharts.globals import ChartType

c = (
    Geo()
    .add_schema(maptype="china")
    .add(
        "geo",
        [list(z) for z in zip(Faker.provinces, Faker.values())],
        type_=ChartType.EFFECT_SCATTER,
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Geo-EffectScatter"))
    .render("geo_effectscatter.html")
)

關系圖

from pyecharts import options as opts
from pyecharts.charts import Graph

nodes_data = [
    opts.GraphNode(name="結點1", symbol_size=10),
    opts.GraphNode(name="結點2", symbol_size=20),
    opts.GraphNode(name="結點3", symbol_size=30),
    opts.GraphNode(name="結點4", symbol_size=40),
    opts.GraphNode(name="結點5", symbol_size=50),
    opts.GraphNode(name="結點6", symbol_size=60),
]
links_data = [
    opts.GraphLink(source="結點1", target="結點2", value=2),
    opts.GraphLink(source="結點2", target="結點3", value=3),
    opts.GraphLink(source="結點3", target="結點4", value=4),
    opts.GraphLink(source="結點4", target="結點5", value=5),
    opts.GraphLink(source="結點5", target="結點6", value=6),
    opts.GraphLink(source="結點6", target="結點1", value=7),
]
c = (
    Graph()
    .add(
        "",
        nodes_data,
        links_data,
        repulsion=4000,
        edge_label=opts.LabelOpts(
            is_show=True, position="middle", formatter="{b} 的資料 {c}"
        ),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Graph-GraphNode-GraphLink-WithEdgeLabel")
    )
    .render("graph_with_edge_options.html")
)

技術交流

歡迎轉載、收藏、有所識訓點贊支持一下！

在這里插入圖片描述

目前開通了技術交流群，群友已超過2000人，添加時最好的備注方式為：來源+興趣方向，方便找到志同道合的朋友

方式①、發送如下圖片至微信，長按識別，后臺回復：加群；
方式②、添加微信號：dkl88191，備注：來自CSDN
方式③、微信搜索公眾號：Python學習與資料挖掘，后臺回復：加群

長按關注

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/305211.html

標籤：python

上一篇：Python 關于運行時間、呼叫次數及記憶體使用的性能測驗??

下一篇：?我的三百塊別人的五分鐘?——debug技能必學