Python数据可视化库pyecharts（Python实现数据可视化）

Python数据可视化库pyecharts（Python实现数据可视化）

针对数据分析团队需求，简单整理了一些相关内容分享同步大家学习，旨在帮助机器学习人员、数据分析人员、NLP算法人员快速了解业务数据，针对性解决工程中面临的问题。

@[TOC]

pyecharts 介绍和安装

ECharts，一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

Echarts 百度开源可视化工具

​​ http://echarts.baidu.com ​​

pyecharts： 国内大神实现Python 调用echarts 库

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+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

pyecharts 安装

安装库 pip3 install pyecharts 如果需要绘制地理图相关内容，需要一并安装如下内容： 安装地图文件 全球国家地图: echarts-countries-pypkg 中国省级地图: echarts-china-provinces-pypkg 中国市级地图: echarts-china-cities-pypkg 全部直接使用python的pip安装，安装好之后，就可以使用了 pip3 install pyecharts pip3 install echarts-countries-pypkg pip3 install echarts-china-provinces-pypkg pip3 install echarts-china-cities-pypkg 使用版本说明：

Python 版本： 3.7.xpyecharts: 1.x

版本检查

import pyecharts

pyecharts.__version__

'1.2.1'

pyecharts 折线图

绘制一个简单的折线图

# 导入库import pyecharts.options as optsfrom pyecharts.charts import Line

# 绘制散点图数据x = ['seaborn','matplotlib','plotly','pyecharts','python']y1 = [440,550,770,450,800]y2 = [570,1340,1370,1111,2222]

# 定义Line Charts 的函数def line_charts()->Line: c = Line() c.add_xaxis(xaxis_data=x) c.add_yaxis(series_name='',y_axis=y1) c.add_yaxis(series_name='',y_axis=y2) return c# 绘制图表c = line_charts()c.render_notebook()

Line 增加标题与图例

# 导入库import pyecharts.options as optsfrom pyecharts.charts import Line# 绘制散点图数据x = ['seaborn','matplotlib','plotly','pyecharts','python']y1 = [440,550,770,450,800]y2 = [570,1340,1370,1111,2222]# 定义Line Charts 的函数def line_charts()->Line: c = Line() c.add_xaxis(xaxis_data=x) c.add_yaxis(series_name='A',y_axis=y1) c.add_yaxis(series_name='B',y_axis=y2) # 数据项设置 c.set_global_opts( title_opts=opts.TitleOpts(title='数量统计'), legend_opts=opts.LegendOpts(is_show=True)# is_show = True 默认－展示图例 ) return c# 绘制图表c = line_charts()c.render_notebook()

Line 增加提示项

pyecharts 中提供累TooltipOpts trigger 触发类型。可选： item: 数据项图形触发，主要用于散点图，饼图 axis:坐标轴触发，主要用在状图，折线图 none: 什么都不做

# 导入库import pyecharts.options as optsfrom pyecharts.charts import Line# 绘制散点图数据x = ['seaborn','matplotlib','plotly','pyecharts','python']y1 = [440,550,770,450,800]y2 = [570,1340,1370,1111,2222]# 定义Line Charts 的函数def line_charts()->Line: c = Line() c.add_xaxis(xaxis_data=x) c.add_yaxis(series_name='A',y_axis=y1) c.add_yaxis(series_name='B',y_axis=y2) # 数据项设置 ,全局设置一次 c.set_global_opts( title_opts=opts.TitleOpts(title='数量统计'), legend_opts=opts.LegendOpts(is_show=True),# is_show = True 默认－展示图例 tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross') ) #c.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')) return c# 绘制图表c = line_charts()c.render_notebook()

pyecharts Bar 柱状图

pyecharts 全局参数设置 jupyter notebook 和 pycharm 基本图表绘制 如何绘制一个简单Bar 图 坐标轴文本倾斜设置 设置图表大小 封装一些绘制图表的函数 设置多组的柱状图 设置图例 区域缩放的配置项

设置多组柱状图

from pyecharts import options as optsfrom pyecharts.charts import Bardef bar_charts()->Bar(): ''' 定义一个返回pyecharts Bar 的函数 :return: ''' x = ['seaborn', 'plotly', 'pyecharts'] y1 = [1140, 559, 270] y2 = [570,1340,1370] c = Bar(init_opts=opts.InitOpts(width='1000px',height='600px')) c.add_xaxis(xaxis_data=x) c.add_yaxis(series_name='',yaxis_data=y1) c.add_yaxis(series_name='',yaxis_data=y2) c.reversal_axis() c.set_global_opts( title_opts=opts.TitleOpts(title=''), yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=60)) ) return cc = bar_charts()c.render_notebook()

折线图 ＋ 柱状图 组合

柱状图： y 轴显示 指标1 折线图： y 轴显示 指标2

from pyecharts import options as optsfrom pyecharts.charts import Bar,Linex = ['Python','Seaborn','Plotly','pyecharts']# 绘制柱状图方法def bar_charts()->Bar(): y1 = [1140, 559, 270,1200] y2 = [570,1340,1370,900] bar = Bar(init_opts=opts.InitOpts(width='1000px',height='600px')) bar.add_xaxis(xaxis_data=x) bar.add_yaxis(series_name='A',yaxis_data=y1,label_opts=opts.LabelOpts(is_show=False)) bar.add_yaxis(series_name='B',yaxis_data=y2,label_opts=opts.LabelOpts(is_show=False)) bar.set_global_opts(title_opts=opts.TitleOpts(title='统计')) # bar 扩展 bar.extend_axis( yaxis=opts.AxisOpts( name='价格', type_='value', min_=0, max_=200, interval=10, axislabel_opts=opts.LabelOpts(formatter='{value} 元')) # value ) return bar# 绘制Line 方法def line_charts()->Line(): y = [159,29,49,79] c = Line() c.add_xaxis(xaxis_data=x) c.add_yaxis(series_name='价格',yaxis_index=1,y_axis= y,label_opts=opts.LabelOpts(is_show=False)) return c# Bar + Line bar = bar_charts()line = line_charts()bar.overlap(line).render_notebook()

pyecharts Pie 饼图

pyecharts 第一个Pie 饼图

Pie 需要的数据格式： [[x1,y1],[x2,y2]] 绘制饼图的操作步骤：

构建Pie 的数据为Pie 示例对象添加数据设置标题设置每一项占比

我们分析一些我的一些课程不同的来源销售的占比

from pyecharts.charts import Piefrom pyecharts import options as opts

# 构建Pie的数据x_data = ['直接访问','营销推广','博客推广','搜索引擎']y_data = [830,214,300,1100]# Pie 设置指定的格式data_pair = [list(z) for z in list(zip(x_data,y_data))]print(data_pair)

[['直接访问', 830], ['营销推广', 214], ['博客推广', 300], ['搜索引擎', 1100]]

def pie_charts()->Pie: c = Pie(init_opts=opts.InitOpts(width='500px',height='500px')) c.add(series_name='访问来源',data_pair=data_pair) # 设置全局项 c.set_global_opts(title_opts=opts.TitleOpts(title='不同的来源的销售分析',pos_left='center',pos_top=20)) # 设置每项数据占比 c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a}
{b}:{c} ({d}%)")) return cc = pie_charts()c.render_notebook()

pyechart 圆弧状Pie

from pyecharts.charts import Piefrom pyecharts import options as opts# 构建Pie的数据x_data = ['直接访问','营销推广','博客推广','搜索引擎']y_data = [830,214,300,1100]# Pie 设置指定的格式data_pair = [list(z) for z in list(zip(x_data,y_data))]print(data_pair)

[['直接访问', 830], ['营销推广', 214], ['博客推广', 300], ['搜索引擎', 1100]]

def pie_radius_charts()->Pie: c = Pie() c.add(series_name='访问来源',data_pair=data_pair,radius=['40%','75%']) c.set_global_opts( title_opts=opts.TitleOpts(title='不同销售来源'), legend_opts=opts.LegendOpts(orient='vertical',pos_top='15%',pos_left='2%') ) # 设置每项数据占比 c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a}
{b}:{c} ({d}%)")) return c c = pie_radius_charts()c.render_notebook()

pyecharts scatter 散点图

figsize = opts.InitOpts(width='800px',height='300px')scatter = Scatter(init_opts=figsize)scatter.add_xaxis(xaxis_data=x_data)scatter.add_yaxis( series_name='y = sin(x) 函数散点图', # 图例名称 y_axis = y1,#数据 label_opts=opts.LabelOpts(is_show=False))# 设置 数据点是否展示scatter.add_yaxis( series_name='y = cos(x) 函数散点图', y_axis = y2, label_opts=opts.LabelOpts(is_show=False))scatter.set_global_opts(title_opts=opts.TitleOpts(title='第一个散点图',pos_top='20px',pos_left='center'))scatter.render_notebook()

pyecharts WordCloud 词云

import pyecharts.options as optsfrom pyecharts.charts import WordClouddata = [ ('宁泽涛女友',4583345), ('日学者发现侵华日军使用毒气铁证',2324539), ('伦敦眼惊现摩斯密码',2296099), ('网友请愿追责丛林法则节目组',1376545), ('寒门女孩清华毕业典礼上发言',1337607)]c = WordCloud()c.add(series_name='',data_pair=data)c.set_global_opts(title_opts=opts.TitleOpts(title='热词分析'))c.render_notebook()

pyecharts geo 地理图

如果需要绘制地理图相关内容，需要一并安装如下内容： 安装地图文件 全球国家地图: echarts-countries-pypkg 中国省级地图: echarts-china-provinces-pypkg 中国市级地图: echarts-china-cities-pypkg 全部直接使用python的pip安装，安装好之后，就可以使用了 pip3 install pyecharts pip3 install echarts-countries-pypkg pip3 install echarts-china-provinces-pypkg pip3 install echarts-china-cities-pypkg 本课程使用版本说明： Python 版本： 3.7.x pyecharts: 1.x

导入库

from pyecharts import options as optsfrom pyecharts.charts import Geofrom pyecharts.globals import ChartTypeimport pyechartsimport warningswarnings.filterwarnings('ignore')print('pyecharts version=',pyecharts.__version__)

pyecharts version= 1.2.1

绘制地理图表

def geo_charts()->Geo: data = [['广东',104320459],['山东',95792719],['河南',94029939]] print(data) c = Geo() c.add_schema(maptype='china',is_roam=False,label_opts=opts.LabelOpts(is_show=True)) c.add('geo',data,type_=ChartType.EFFECT_SCATTER,symbol_size=12,symbol='pin') c.set_global_opts(title_opts=opts.TitleOpts(title='geo-案例'),legend_opts=opts.LegendOpts(is_show=True)) c.render_notebook() return cc = geo_charts()c.render_notebook()

业务案例分析

一般业务方提供数据，多数是csv和txt等文本数据。如果数据量，多数存储hadoop 的hdfs（分布式文件系统）可以采用spark或者mapreduce 进行基础数据分析统计基础指标获取后，可以使用python 的一些可视化工具库进行展示

彻底掌握对业务的数据分析，你需要掌握的工具：hadoop,spark ，python,numpy ,pandas ,seaborn ,pyecharts ,matplotlib 。具体更多内容，大家可以相互交流。

视频请参考：

​​https://edu./course/18982.html​​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。