实现Q版的数据可视化图，让你的数据看起来更美观

前言

cutecharts简介

Matplotlib默认主题下绘制的可视化图形如一位高贵冷艳、不沾烟火的冰山女神，而cutecharts的图就像不拘常规、潇洒不羁的活力少年。

纤尘不染vs洒脱无畏

cutecharts[1]是基于chart.xkcd的Python可视化库，chart.xkcd[2]则是基于SVG来绘制可视化图表的JavaScript库，cutecharts充分利用了JavaScript灵活易用的特点，通过简单的语句让可视化图形有强大的表现力和优秀的交互效果，对操作系统和设备的依赖很低。

cutecharts进行可视化的基本代码框架如下：

cutecharts通过charts建立绘图对象，应用层的类有Line/Bar/Scatter等5个， 在语法上，通过charts.Line("title",width,height)建立折线图对象，设置标题、图表大小，然后统一通过.add_series()传入各坐标轴的数据，通过.set_options()设置各种图表参数，如坐标轴标签、轴标题和图元颜色等。set_options和add_series的语句顺序可以调换。chart.render_notebook()将图在jupyter notebook中渲染出来。

Line

绘制一个折线图的代码和绘图效果上面已经提到，add_series()对应一条线，多个add_series()就是在图中绘制多条折线。 .set_options()可以设置的参数如下：

labels：X坐标轴的数据，输入的是可迭代对象，但直接df['x']不行，不支持Series；

x_label/y_label：分别对应X坐标轴名称和Y坐标轴名称；

y_tick_count：Y轴刻度分割段数；

colors 颜色数组，支持满足CSS样式的各种颜色输入方式；

legend_pos：图例位置，可选四个位置{"upLeft", "upRight", "downLeft", "downRight"}，默认upLeft；

font_family：设置文本的字体；

图像输出

我们通过.Line()创建图并且通过.add_series()及.set_options()设置数据及图元之后，通过chart.render("fname.html")输出为本地的HTML文档，打开HTML就是一个可视化图像。render的参数有dest表示输出文件的路径，template_name表示渲染所用的模板。 chart.render_notebook()是在jupyter notebook中直接出图。chart.load_javascript()加载 JS 依赖，在 JupyterLab 渲染时用。

Scatter

Scatter用于绘制散点图，例子代码及绘图效果如下：

.set_options() 支持设置的参数如下：

x_label/y_label：分别对应X坐标轴名称和Y坐标轴名称；

x_tick_count/y_tick_count：X轴和Y轴刻度分割段数；

is_show_line：是否绘制散点连线的效果；

dot_size 目前没有点的形状？

colors 颜色数组，如果是一个颜色也要写成['#1EAFAE']形式；

time_format：日期数据类型的展示格式；

legend_pos：图例位置，可选四个位置{"upLeft", "upRight", "downLeft", "downRight"}，默认upLeft；

font_family：设置文本的字体；

根据上面的参数解释，需要说明的是，绘制带端点的折线用的是Scatter并设置is_show_line=True，而不是用Line()。

散点图的add_series输入的是[(x1,y1), (x2,y2)] 这样的数据数组，使用时要符合其格式。

Bar

ctc.Bar()用于绘制柱状图。例子代码及绘图效果如下：

.set_options()支持设置的参数如下：

Pie

ctc.Pie()用于绘制饼图。例子代码及绘图效果如下：

和之前的图不同的是，Pie的.add_series()只接受一个参数，也就是数据列。.set_options()支持设置的参数如下：

Radar

ctc.Radar()用于绘制雷达图。例子代码及绘图效果如下：

.set_options()支持设置的参数如下：

chart.xkcd

cutecharts基于chart.xkcd进行封装，通过看两个库的源码可以看到的是chart.xkcd枚举了Line、Bar、Radar等图来绘制具有手绘效果的图像。cutecharts几个绘图接口和chart.xkcd的对应关系如下：

cutecharts和xkcd的对应关系表

总结

基于JavaScript库实现可视化，可以很好地实现交互、高亮等实用的功能，给可视化添色，Python作为一种胶水语言并且具有活跃的社区，将JavaScript可视化库变成Python可视化库也并不复杂，广泛应用的pyecharts就是基于echarts开发的，语法上cutecharts的写法和pyecharts一脉相承，理解了cutecharts的写法，对学习pyecharts也有帮助。

和pyecharts支持丰富的图表类型不同，受限于chart.xkcd本身只支持6种图（且连常用的条形图都不包含），cutecharts支持的图表也很少，只能满足常用的图表，组合图绘制也心有余而力不足，另外使用默认字体时中文文本没有漫画/手绘的效果，需要配置对应字体。

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。