python数据可视化神器--pyecharts 快速入门

前言

本文首发于本人公众号【Python编程与实战】
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：

✨ 特性

✨ 安装

1pip install pyecharts

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-82from example.commons import Faker3from pyecharts import options as opts4from pyecharts.charts import Bar56def bar_base():78    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()

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:23    # 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")

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())56        # 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

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

效果图如下：

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",

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：

i 1def add_yaxis(2    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。3    series_name: str,45    # Y 坐标轴数据6    yaxis_data: Sequence,78    # 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

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 HeatMapdef 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 cif __name__ == "__main__":heatmap_base().render("heatMap.html")

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,45    # 系列数据项，[(word1, count1), (word2, count2)]6    data_pair: Sequence,78    # 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

其中series_name， data_pair， shape 是三个必传参数
示例代码如下：

# coding: utf-8
import randomfrom pyecharts.charts import WordCloud
from pyecharts import options as optswords = [("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 cif __name__ == "__main__":wordcloud_base().render("wordCloud.html")

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

1pip install snapshot_selenium

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")

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

pyecharts 还有许多好玩的 3D图表和地图图表，由于篇幅有限，下篇将继续介绍地图系玩法