|
我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的。后来发现了 pyecharts 模块,简直好用到不行,可视化类型非常多,它是基于 Echarts 开发的。
Echarts 是百度开源的一个数据可视化 JS 库,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,很适合用于数据处理。当数据分析遇上数据可视化时,pyecharts 就诞生了。
下面带大家快速了解 pyecharts 以及基本使用方法:
sparkles: 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,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,为地理数据可视化提供强有力的支持
sparkles: 安装
注意:pyecharts 共有两个版本,v0.5.X 和 V1.0.X 间完全不兼容,且v0.5.X版本作者已经不维护了,请使用V1.0.X
Bar:柱状图/条形图
柱状图对应的模块是 Bar 除此之外可以设置全局配置和系列配置项。配置项都是基于 options
示例代码:
- 1# coding: utf-8
- 2from example.commons import Faker
- 3from pyecharts import options as opts
- 4from pyecharts.charts import Bar
- 5
- 6def bar_base():
- 7
- 8 bar = Bar(init_opts=opts.InitOpts(page_title="bar页面")) # 设置html页面标题
- 9 # bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) # 设置x轴的参数
- 10
- 11 bar.add_xaxis(Faker.choose())
- 12 bar.add_yaxis("A", Faker.values())
- 13 bar.add_yaxis("B", Faker.values())
- 14
- 15 # 设置全局配置项,可选
- 16 bar.set_global_opts(opts.TitleOpts(title="主标题", subtitle="副标题"))
- 17 # render 会生成本地 HTML 文件,默认会在当前目录生成 render.html 文件
- 18 bar.render("bar.html") # 也可以自己指定文件名
- 19
- 20if __name__ == "__main__":
- 21 bar_base()
复制代码
运行代码后会在当前目录生成一个 ”bar.html“ 的文件,我们在浏览器中打开它。效果图如下:
生成的页面支持-点击取消显示某 Series
除了上述的使用方法之外,pyecharts 所有方法均支持链式调用!
翻转XY轴
代码如下:
- 1 def bar_reversal_axis() -> Bar:
- 2
- 3 # pyecharts 所有方法均支持链式调用。
- 4 c = (
- 5 Bar(init_opts=opts.InitOpts(page_title="bar页面"))
- 6 .add_xaxis(Faker.choose())
- 7 .add_yaxis("商家A", Faker.values())
- 8 .add_yaxis("商家B", Faker.values())
- 9 .reversal_axis()
- 10 .set_global_opts(toolbox_opts=opts.ToolboxOpts()) # 设置工具箱配置项
- 11 .set_series_opts(label_opts=opts.LabelOpts(position="right")) # 系列配置项
- 12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴")) # 全局配置项
- 13 )
- 14 return c
- 15
- 16
- 17if __name__ == "__main__":
- 18 bar_reversal_axis().render("bar.html")
复制代码
效果图如下:
部分堆叠数据
同个类目轴上系列配置相同的 stack 值可以堆叠放置
例如堆叠放置A,B的代码如下:
- 1 def bar_stack1() -> Bar:
- 2 c = (
- 3 Bar()
- 4 .add_xaxis(Faker.choose())
- 5
- 6 # 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置。
- 7 # stack: Optional[str] = None,
- 8 .add_yaxis("A", Faker.values(), stack="stack1")
- 9 .add_yaxis("B", Faker.values(), stack="stack1")
- 10 .add_yaxis("C", Faker.values())
- 11 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
- 12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据(部分)"))
- 13 )
- 14 return c
复制代码
区域缩放配置项
- 1 def bar_datazoom_slider() -> Bar:
- 2 c = (
- 3 Bar(init_opts=opts.InitOpts(page_title="bar页面"))
- 4 .add_xaxis(Faker.days_attrs)
- 5 .add_yaxis("商家A", Faker.days_values)
- 6 .set_global_opts(
- 7 title_opts=opts.TitleOpts(title="Bar-DataZoom(slider-水平)"),
- 8 datazoom_opts=[opts.DataZoomOpts(type_="slider",)]
- 9 )
- 10 )
- 11 return c
复制代码
效果图如下:
区域缩放配置
区域缩放配置项的设置方法在 DataZoomOpts 类中,我们可以点进去查看源码:
其中,主要用到的参数含义如下:
- 1 type_: str = "slider", # 组件类型,可选 "slider", "inside"
- 2 # 拖动时,是否实时更新系列的视图。如果设置为 false,则只在拖拽结束的时候更新。
- 3 is_realtime: bool = True,
- 4
- 5 # 布局方式是横还是竖。可选值为:'horizontal', 'vertical'
- 6 orient: str = "horizontal",
复制代码
知道参数的含义后我们可以来试试效果
比如我们要将区域缩放布局改为竖,将 orient 定义为 vertical 即可,代码就不展示,可以自己动手试试!
效果图如下:
HeatMap:热力图
热力图主要通过颜色去表现数值的大小,必须要配合 visualMap 组件使用。 直角坐标系上必须要使用两个类目轴。
热力图使用的方法函数是 add_yaxis ,下面是函数的用法说明:
- 1 def add_yaxis(
- 2 # 系列名称,用于 tooltip 的显示,legend 的图例筛选。
- 3 series_name: str,
- 4
- 5 # Y 坐标轴数据
- 6 yaxis_data: Sequence,
- 7
- 8 # 系列数据项
- 9 value: Sequence,
- 10
- 11 # 是否选中图例
- 12 is_selected: bool = True,
- 13
- 14 # 使用的 x 轴的 index,在单个图表实例中存在多个 x 轴的时候有用。
- 15 xaxis_index: Optional[Numeric] = None,
- 16
- 17 # 使用的 y 轴的 index,在单个图表实例中存在多个 y 轴的时候有用。
- 18 yaxis_index: Optional[Numeric] = None,
- 19
- 20 # 标签配置项,参考 `series_options.LabelOpts`
- 21 label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
- 22
- 23 # 标记点配置项,参考 `series_options.MarkPointOpts`
- 24 markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
- 25
- 26 # 标记线配置项,参考 `series_options.MarkLineOpts`
- 27 markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
- 28
- 29 # 提示框组件配置项,参考 `series_options.TooltipOpts`
- 30 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
- 31
- 32 # 图元样式配置项,参考 `series_options.ItemStyleOpts`
- 33 itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
- 34
- 35
复制代码
其中 series_name, yaxis_data, value 是三个必传参数 示例代码如下:
- import random
- from example.commons import Faker
- from pyecharts import options as opts
- from pyecharts.charts import HeatMap
- def heatmap_base() -> HeatMap:
- value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
- c = (
- HeatMap()
- .add_xaxis(Faker.clock)
- .add_yaxis("series", Faker.week, value)
- .set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"),
- visualmap_opts=opts.VisualMapOpts(), )
- )
- return c
- if __name__ == "__main__":
- heatmap_base().render("heatMap.html")
复制代码
效果图如下:
WordCloud:词云图
词云图用的的方法函数是 add ,使用方法如下:
- 1 def add(
- 2 # 系列名称,用于 tooltip 的显示,legend 的图例筛选。
- 3 series_name: str,
- 4
- 5 # 系列数据项,[(word1, count1), (word2, count2)]
- 6 data_pair: Sequence,
- 7
- 8 # 词云图轮廓,有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选
- 9 shape: str = "circle",
- 10
- 11 # 单词间隔
- 12 word_gap: Numeric = 20,
- 13
- 14 # 单词字体大小范围
- 15 word_size_range=None,
- 16
- 17 # 旋转单词角度
- 18 rotate_step: Numeric = 45,
- 19
- 20 # 提示框组件配置项,参考 `series_options.TooltipOpts`
- 21 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
- 22
- 23
复制代码
其中 series_name, data_pair, shape 是三个必传参数 示例代码如下:
- # coding: utf-8
- import random
- from pyecharts.charts import WordCloud
- from pyecharts import options as opts
- words = [
- ("火箭", 10000),
- ("勇士库里", 8888),
- ("在你写这个教程之前,我已经会用了", 6181),
- ("哈登", 6386),
- ("金州拉文", 5055),
- ("杜兰特", 6467),
- ("戳眼", 2244),
- ("NBA", 1868),
- ("季后赛", 1484),
- ("约老师", 1112),
- ("利拉德", 865),
- ("双卡双待", 847),
- ("字母歌MVP", 5582),
- ("卡哇伊", 555),
- ("猛龙", 550),
- ("大帝", 462),
- ("西蒙斯不投三分", 366),
- ("JB", 360),
- ("科尔垃圾", 282),
- ("格林公式", 273),
- ("欧文", 2650),
- ]
- def wordcloud_base() -> WordCloud:
- c = (
- WordCloud()
- .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)
- .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))
- )
- return c
- if __name__ == "__main__":
- wordcloud_base().render("wordCloud.html")
复制代码
效果图如下:
保存为图片
前面我们讲的几种图形生成方法,最后都保存成 html文件,pyecharts 还提供了保存为图片的方式
需要安装 snapshot_selenium ,同时需要将浏览器驱动保存路径 cheromdriver.exe 加入到环境变量中
- pip install snapshot_selenium
复制代码
示例代码如下:
- 1 # coding: utf-8
- 2 import random
- 3
- 4 from pyecharts.charts import WordCloud
- 5 from pyecharts import options as opts
- 6 from snapshot_selenium import snapshot as driver
- 7 from pyecharts.render import make_snapshot
- 8
- 9 words = [
- 10 ("火箭", 10000),
- 11 ("勇士库里", 8888),
- 12 ("在你写这个教程之前,我已经会用了", 6181),
- 13 ("哈登", 6386),
- 14 ("金州拉文", 5055),
- 15 ("杜兰特", 6467),
- 16 ("戳眼", 2244),
- 17 ("NBA", 1868),
- 18 ("季后赛", 1484),
- 19 ("约老师", 1112),
- 20 ("利拉德", 865),
- 21 ("双卡双待", 847),
- 22 ("字母歌MVP", 5582),
- 23 ("卡哇伊", 555),
- 24 ("猛龙", 550),
- 25 ("大帝", 462),
- 26 ("西蒙斯不投三分", 366),
- 27 ("JB", 360),
- 28 ("科尔垃圾", 282),
- 29 ("格林公式", 273),
- 30 ("欧文", 2650),
- 31]
- 32
- 33
- 34 def wordcloud_base() -> WordCloud:
- 35 c = (
- 36 WordCloud()
- 37 .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)
- 38 .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))
- 39 )
- 40 return c
- 41
- 42
- 43 if __name__ == "__main__":
- 44 make_snapshot(driver, wordcloud_base().render(), "wordcloud.png")
- 45 # wordcloud_base().render("wordCloud.html")
复制代码
最后会在当前目录生成一张 wordcloud.png 的图片
总结
1.根据自己想制作的图形,导入相关的包
2.进行图表的基础设置,创建图表对象
3.需要了解该图表对象下面的函数中参数的含义,及其使用方法
4.配置项主要是在 options中进行配置,有全局配置项和系列配置项,需要了解配置项下面对象含义使用方法
5.利用render()方法来报存图表 |
|