【python数据分析模块教程】5——pyecahrts基础简介以及运用

1.如何安装

1.进入cmd
2.conda env list 查看当前电脑中有多少个annaconda环境
图中表示当前电脑只有一个默认环境base

3.conda create --name echarts36 python=3.6创建一个名字叫echarts36的环境，版本为3.6

需要久等一会

安装好了。
4.conda activate echarts36 激活这个环境

5.pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts 安装echarts镜像包

6.conda install nb_conda创建一个虚拟环境关联notbook，可以在开始菜单快速访问

7.conda deactivate退出环境

2.如果安装时遇到报错：

An HTTP error occurred when trying to retrieve this URL.
看看是不是说连不上国外的网，需要把下载地址改为清华映射网站，步骤如下：
1.找到.condarc这个文件，打开编辑

2.将以下代码复制过去，保存，再次create即可

ssl_verify: true
channels:- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
show_channel_urls: true

3.pycharts绘图案例

目前已经是1.x版本了，不要用0.x的版本–2020.11.12

创建图形对象
添加绘图数据
配置系列参数
配置全局参数
渲染图片

3.1绘制柱状图案例

#导入柱状图Bar的类  导入echarts
from pyecharts.charts import Bar
from pyecharts import options as opts#1.创建一个柱形图对象
bar=Bar()#2.添加各个轴的数据
bar.add_xaxis(['衬衣','外套','毛衣','短裙','风衣','长裤'])
bar.add_yaxis('商家A',[110,220,120,12,53,63])
bar.add_yaxis('商家B',[96,20,320,140,102,223])#3.配置系列参数：表现，线类型的设置
bar.set_series_opts(#是否显示数据标签label_opts = opts.LabelOpts(is_show = False),#是否显示最大值最小值markpoint_opts = opts.MarkPointOpts(data = [opts.MarkPointItem(type_ = "max",name = "max"),opts.MarkPointItem(name = "min",type_ = "min")]),#是否显示平均数参考线markline_opts= opts.MarkLineOpts(data = [opts.MarkLineItem(name = "average",type_ = "average")])
)#4.配置全局参数：对xy轴，提示框的设置
bar.set_global_opts(title_opts=opts.TitleOpts('商家A与商家B的销售状况'))#5.渲染
#5.1这样写就是生成本地的html文件，默认在同一目录下，文件名可以传入 如 bar.render("mycharts.html")
# bar.render()#5.2  notebook 渲染 这样才能在当前页面显示
bar.render_notebook()

3.2链式调用绘制柱状图(❤推荐使用这个方式，产出和上图一致)

bar=(Bar().add_xaxis(['衬衣','外套','毛衣','短裙','风衣','长裤']).add_yaxis('商家A',[110,220,120,12,53,63]).add_yaxis('商家B',[96,20,320,140,102,223]).set_global_opts(title_opts=opts.TitleOpts('商家A与商家B的销售状况'))
)bar.render_notebook()

3.3条形图绘制

bar.reversal_axis() #翻转XY轴

bar=(Bar().add_xaxis(['衬衣','外套','毛衣','短裙','风衣','长裤']).add_yaxis('商家A',[110,220,120,12,53,63]).add_yaxis('商家B',[96,20,320,140,102,223]).set_global_opts(title_opts=opts.TitleOpts('商家A与商家B的销售状况'))
)
bar.reversal_axis() #翻转XY轴
bar.render_notebook()

3.4折线图绘制

import pyecharts.options as opts
import numpy as np
from pyecharts.charts import Lineline= (Line().add_xaxis(['201{}年/{}季度'.format(y,z) for y in range(4) for z in range(1,5)]).add_yaxis("电视机销量",[4.80,4.10,6.00,6.50,5.80,5.20,6.80,7.40,6.00,5.60,7.50,7.80,6.30,5.90,8.00,8.40]).set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-40)#x轴旋转角度),yaxis_opts=opts.AxisOpts(name='销量（单位/千台）'),#y轴名称title_opts=opts.TitleOpts(title='xxx折线图')))
line.render_notebook()

3.5饼图

from pyecharts import options as opts
from pyecharts.charts import Page,Pie
#导入各个品类销量
v1=['雪碧','可乐','啤酒','绿茶','咖啡']
v2=[30,19,21,12,18]pie=(Pie().add('销售量',[list(z) for z in zip(v1,v2)]) #单位，数据组.set_global_opts(title_opts=opts.TitleOpts(title='收入占比饼图')).set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}%'))#格式化标签输出的内容
)
pie.render_notebook()

3.6南丁格尔玫瑰图

是将柱图转化为更美观饼图形式，是极坐标化的柱图。不同于饼图用角度表现数值或占比，南丁格尔玫瑰图使用扇形的半径表示数据的大小，各扇形的角度则保持一致。

from pyecharts.charts import Piepie=(Pie().add('销量',[list(z) for z in zip(['201{}年/{}季度'.format(y,z) for y in range(2) for z in range(1,3)],[30,19,24,54])],radius=['0%','75%'], #设置内径外径,类似数字[40.70] 也可以就会有空心rosetype='radius', #玫瑰图有两种类型,area,radiuslabel_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图展示'))
)pie.render_notebook()

3.7雷达图

from pyecharts.charts import Page,Radar
import pyecharts.options as opts#两组原始数据
v1=[[5000,10000,36000,23000,47000,28000]]
v2=[[4200,25000,30000,57000,32000,45000]]#链式调用创建一个雷达图
radar=(Radar()#设立每个维度的名称，最大值.add_schema(schema=[opts.RadarIndicatorItem(name="KDA", max_=6500),opts.RadarIndicatorItem(name="输出", max_=30000),opts.RadarIndicatorItem(name="经济", max_=40000),opts.RadarIndicatorItem(name="生存", max_=60000),opts.RadarIndicatorItem(name="推进", max_=52000),opts.RadarIndicatorItem(name="打野", max_=50000),]).add('鲁班7号',v1,color='red', #添加对象鲁班，数据v1，边框的颜色为红色areastyle_opts = opts.AreaStyleOpts( #填充属性opacity=0.5, #填充透明度color='red' #填充色)).add('后羿',v2,color='blue', #添加对象鲁班，数据v1，边框的颜色为红色areastyle_opts = opts.AreaStyleOpts( #填充属性opacity=0.5, #填充透明度color='blue' #填充色)).set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title="英雄成长对比"))
)radar.render_notebook()

3.8词云图

from pyecharts import options as opts
from pyecharts.charts import Page,WordCloud
from pyecharts.globals import SymbolTypeword=[("数学分析",0.9),("高等代数",0.9),("解析几何",0.6),("计算机网络",0.8),("概率统计",0.5),("软件设计方法",0.8),("数据结构与算法",0.9),("离散数学",0.8),("复变函数",1.0),("操作系统",0.9)]wordcloud=(WordCloud().add('dfdf',word).set_global_opts(title_opts=opts.TitleOpts(title="信科课程")))
wordcloud.render_notebook()

3.9地图

from pyecharts.charts import Mapvalues=[155,10,66,78]
provinces=['湖南','山东','北京','上海']map=(Map().add('地图展示',[list(z) for z in zip(provinces,values)],'china').set_global_opts(title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),visualmap_opts=opts.VisualMapOpts(max_=200))
)
map.render_notebook()

4内置主题如何运用

4.1所有主题如下：

内置主题类型可查看 pyecharts.globals.ThemeType

help(ThemeType)
"""
BUILTIN_THEMES = ['light', 'dark', 'white']|  |  CHALK = 'chalk' #粉笔风|  |  DARK = 'dark'  #暗黑风|  |  ESSOS = 'essos' #厄索斯大陆|  |  INFOGRAPHIC = 'infographic' #信息图|  |  LIGHT = 'light' #明亮风格|  |  MACARONS = 'macarons' #马卡龙|  |  PURPLE_PASSION = 'purple-passion' #紫色激情|  |  ROMA = 'roma' #石榴|  |  ROMANTIC = 'romantic' #浪漫风|  |  SHINE = 'shine' #闪耀风|  |  VINTAGE = 'vintage' #复古风|  |  WALDEN = 'walden' #瓦尔登湖|  |  WESTEROS = 'westeros' #维斯特洛大陆|  |  WHITE = 'white' #洁白风|  |  WONDERLAND = 'wonderland' #仙境

# 导入主题模块
from pyecharts.globals import ThemeTypebar=(Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) #粉笔风格.add_xaxis(['衬衣','外套','毛衣','短裙','风衣','长裤']).add_yaxis('商家A',[110,220,120,12,53,63]).add_yaxis('商家B',[96,20,320,140,102,223]).set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)
bar.render_notebook()

【python数据分析模块教程】5——pyecahrts基础简介以及运用相关推荐

【python数据分析模块教程】2——pandas基础简介以及运用
1.生成数据表 1.1 Series 创建列表创建 s1=pd.Series([1,2,3,4]) 列表+列名创建 s2=pd.Series([1,2,3,4,],index=['a','b','c ...
Python数据分析入门教程(更新中)
Python数据分析入门教程你好! 这是一篇适用于初学者的Python数据分析入门教程 1. Numpy关于矩阵的操作 1.1数组与矩阵的基本概念矩阵:矩阵是一个按照长方阵列排列的实数或复数集合( ...
python数据分析模块包括_数据开发必会 | Python数据分析模块
作为数据开发,Python强大的数据分析模块还是必须要会的,横向拓展数据分析与挖掘技术栈也是很有必要的.本文将对Pandas.NumPy.SciPy.Matplotlib等分析挖掘库的安装和使用进行简 ...
python数据分析系列教程——Pandas全解
分享一个朋友的人工智能教程.零基础!通俗易懂!风趣幽默!还带黄段子!大家可以看看是否对自己有帮助:点击打开起步 Pandas最初被作为金融数据分析工具而开发出来,因此 pandas 为时间序列分析提 ...
Python Pandas模块教程
Python Pandas模块 (Python Pandas Module) Pandas is an open source library in Python. It provides ready ...
Python Flask Web教程001：Flask 简介
Flask Web教程001:Flask 简介 0. 前言 1. flask简介 2. flask的优势 3. 总结 0. 前言本系列教程从Flask框架的基础知识开始,逐渐深入到使用flask进行 ...
python 数据分析模块_Python数据分析pandas模块用法实例详解
本文实例讲述了Python数据分析pandas模块用法.分享给大家供大家参考,具体如下: pandas pandas10分钟入门,可以查看官网:10 minutes to pandas 也可以查看更复 ...
如何掌握好python数据分析技能_从负基础起步，掌握数据分析技能
笔者向我们说明了学会数据分析对于运营人的重要性,并介绍了如何掌握数据分析技能. 作为一个在大学与统计.数学.计算机这些学科完全绝缘的语言学专业的毕业僧,同时又是一个从医疗销售半路出家转行到互联网的产品 ...
python数据分析与基础实战_《python数据分析与挖掘实战》基础概念
数据建模.png 数据挖掘的基本任务:利用分类与预测.聚类分析.关联规则.时序模式.偏差检测.智能推荐等方法,帮助企业提取数据中蕴含的商业价值,提高企业竞争力. 数据探索:异常值分析.缺失值分析.相关 ...