[[436713]]

一、初識Pyecharts

pyecharts簡介

pyecharts 是一個用于生成 Echarts 圖表的類庫, Echarts 是一個由百度開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發(fā)者的認可。而 Python 是一門富有表達力的語言，很適合用于數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

Pyecharts官網

https://pyecharts.org/#/zh-cn/intro

pyecharts安裝

pip install pyecharts 

二、Pyecharts可視化

使用pyecharts可以繪制如下圖表：

2.0、初始化設置

導入相關庫：

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

• from pyecharts.charts import *: 可以使用所有的圖表對應的函數;
• 使用 options 配置項，在 pyecharts 中，一切皆 Options，進行參數設置;

總體說明一下：

• .render_notebook ()隨時隨地渲染圖表;
• .render() 這個不會直接產生圖表，而是形成一個render.html的文件，可在瀏覽器中打開查看圖表;

2.1、scatter()

這里我們繪制一個正余弦的散點圖

x = np.linspace(0, 2*np.pi, 100) 
y = np.sin(x) 
y2 = np.cos(x) 
 
# 參數設置 
(Scatter() # 圖形種類 
 .add_xaxis(xaxis_data=x) # 設置x軸序列 
 .add_yaxis(series_name='sin', y_axis=y) # 設置y軸序列 
 .add_yaxis(series_name='cos', y_axis=y2, label_opts=opts.LabelOpts(is_show=False)) # is_show = False：表示不顯示數值部分 
).render_notebook() 

結果如下：

2.2、line()

from pyecharts.charts import Line 
import 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='曲線'), 
                     tooltip_opts=opts.TooltipOpts(axis_pointer_type='cross') 
                    ) 
).render_notebook() 

結果如下所示：

2.3、Bar()

柱狀圖的繪制：

from pyecharts.charts import Bar 
 
bar = ( 
    Bar() 
    .add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]) 
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) 
) 
bar.render_notebook() 

結果如下：

當然，這里只是最基本的柱圖使用;我們還可以繪制混合柱圖;

from pyecharts.charts import Bar 
import pyecharts.options as opts 
 
num = [110, 136, 108, 48, 111, 112, 103] 
num2 = [90, 110, 101, 70, 90, 120, 99] 
lab = ['哈士奇', '薩摩耶', '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='各商家擁有犬類數量情況', subtitle='如有雷同，純屬意外') 
    ) 
).render_notebook() 

結果如下所示：

2.4、Pie()

普通餅圖：

from pyecharts.charts import Pie 
import pyecharts.options as opts 
 
num = [110, 136, 108, 48, 111, 112, 103] 
lab = ['哈士奇', '薩摩耶', '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() 

結果如下：

環(huán)狀餅圖：

from pyecharts.charts import Pie 
import pyecharts.options as opts 
 
num = [110, 136, 108, 48, 111, 112, 103] 
lab = ['哈士奇', '薩摩耶', '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() 

如圖所示：

玫瑰餅圖：

from pyecharts.charts import Pie 
import pyecharts.options as opts 
 
num = [110, 136, 108, 48, 111, 112, 103] 
lab = ['哈士奇', '薩摩耶', '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() 

如圖所示：

2.5、圖表的組合使用

from pyecharts.charts import Bar, Line 
 
num = [110, 136, 108, 48, 111, 112, 103] 
lab = ['哈士奇', '薩摩耶', '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() 

如圖所示：

三、總結

Pyecharts可以繪制各種各樣的圖表，主流的一個數據可視化的庫，因為相對于matplotlib,seaborn等數據可視化庫，它的交互性比較好，圖形繪制的比較清晰美觀，所以應用的比較廣泛，本文主要就普通常用圖形做了簡單的總結，當然它還可以繪制地理圖形，具體參見官網相關API。

本文轉載自微信公眾號「IT共享之家」，可以通過以下二維碼關注。轉載本文請聯(lián)系IT共享之家公眾號。