黑马程序员技术交流社区

标题: 【上海校区】Python可视化神器--pyecharts的使用 [打印本页]
作者: sunyakai    时间: 2019-12-12 09:27
标题: 【上海校区】Python可视化神器--pyecharts的使用
导读：pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你阐述pyecharts的使用细则。
前言
我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyecharts，下面就来简述下pyecharts一些使用细则：
安装
[Python] 纯文本查看 复制代码
pip install pyecharts

现在我们来开始正式使用pycharts，这里我们直接使用官方的数据：
柱状图-Bar
[Python] 纯文本查看 复制代码
//导入柱状图-Bar

from pyecharts import Bar

//设置行名

columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]

//设置数据

data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]

data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]

//设置柱状图的主标题与副标题

bar = Bar("柱状图", "一年的降水量与蒸发量")

//添加柱状图的数据及配置项

bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])

bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"])

//生成本地文件（默认为.html文件）

bar.render()

运行结果如下：


饼图-Pie
[Python] 纯文本查看 复制代码
//导入饼图Pie

from pyecharts import Pie

//设置主标题与副标题，标题设置居中，设置宽度为900

pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900)

//加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示

pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)

//加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签

pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)

//保存图表

pie.render()



箱体图-Boxplot
[Python] 纯文本查看 复制代码
//导入箱型图Boxplot

from pyecharts import Boxplot 

boxplot = Boxplot("箱形图", "一年的降水量与蒸发量")

x_axis = ['降水量','蒸发量']

y_axis = [data1,data2]

//prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]

yaxis = boxplot.prepare_data(y_axis)       

boxplot.add("天气统计", x_axis, _yaxis)

boxplot.render()


折线图-Line
[Python] 纯文本查看 复制代码
from pyecharts import Line

line = Line("折线图","一年的降水量与蒸发量")

//is_label_show是设置上方数据是否显示

line.add("降水量", columns, data1, is_label_show=True)

line.add("蒸发量", columns, data2, is_label_show=True)

line.render()


简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的，在这里还是要安利一下jupyter，pyecharts在v0.1.9.2版本开始，在jupyter上直接调用实例（例如上方直接调用bar）就可以将图表直接表示出来，非常方便。
笔者数了数，目前pyecharts上的图表大概支持到二十多种，这里就不一一指出了。


总结
pyecharts还有许多好玩的3D图表和地图图表，个人觉得地图图表是最好玩的，各位有兴趣可以去pyecharts的使用手册查看，有中文版的非常方便：pyecharts。



转载--https://www.jianshu.com/p/554d64470ec9





欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/) 黑马程序员IT技术论坛 X3.2