pythonpyecharts可视化数据分析,python数据可视化pyecharts
PyCharts是一个强大的数据可视化工具，它结合了python和echarts。本文将为您讲解PyCharts的使用规则。
我们都知道python上的可视化工具matplotlib，前阵子做Spark项目的时候用的是百度开源的可视化js工具Echarts。有许多类型的可视化，但我们必须导入JS库才能在Java Web项目上运行。平时Python用的比较多，所以不知道有没有结合Python和eCharts的轮子。在Google之后，我发现了一个中国人开发的将Echarts和Python相结合的轮子：pyecharts。以下是pyecharts的一些使用规则：
安装
本文是在Win环境下编写的。首先，打开命令行(win R)并输入：
Pipinstallpyecharts:但是笔者实测的时候发现，由于墙体的原因，会出现断线，下载速度慢的情况，导致下载失败。所以建议通过清华镜下载：
管道安装-I https://pypi.tuna.tsinghua.edu.cn/simple管道图表
以上信息表示下载成功，可以做下一个实验了！
使用实例
在使用之前，要强调一点：就是python2.x和python3.x的编码问题，在Python 3.x中，你可以把它默认为unicode编码，但在python2.x中不是默认的，原因在于它的bytes对象定义混乱，而pycharts使用unicode编码处理字符串和文件，所以当你在使用Python 2.x时，请务必在顶部插入这段代码：
从_ _ Future _ _ Import Unicode _ Literals现在让我们开始正式使用pycharts。这里我们直接使用官方数据：
柱状图-Bar
//导入直方图条
frompyechartsimportBar
//设置行名
columns=[一月，二月，三月，四月，五月，六月，七月，八月，九月，十月，十一月，十二月]
//设置数据
数据1=[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]
//设置直方图的主标题和副标题。
Bar=Bar(直方图，年降水量和蒸发量)
//添加直方图的数据和配置项。
Bar.add(降水，列，数据1，mark _ line=[平均]，mark _ point=[最大，最小])
Bar.add (evaporation ，columns，data2，mark _ line=[average]，mark _ point=[max ， min])
//生成本地文件(默认为。html文件)
Bar.render()运行如下：
几行简单的代码就能以非常好的方式将数据可视化，而且它还是动态的。这里还是要安利一下jupyter。pyecharts从v0.1.9.2版本开始，直接在jupyter上调用。
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，接下来，我们再用上方的数据来生成几个数据挖掘常用的图表示例：
饼图-Pie
//导入饼图PiefrompyechartsimportPie
//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
//导入箱型图BoxplotfrompyechartsimportBoxplot
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(orQ2),Q3,max]
yaxis=boxplot.prepare_data(y_axis)
boxplot.add("天气统计",x_axis,_yaxis)
boxplot.render()
相关推荐：《Python视频教程》
折线图-Line
frompyechartsimportLineline=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()
雷达图-Rader
frompyechartsimportRadarradar=Radar("雷达图","一年的降水量与蒸发量")
//由于雷达图传入的数据得为多维数据，所以这里需要做一下处理
radar_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]]
radar_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column的值，为了雷达图更为直观，这里的月份值设置有所不同
schema=[
("Jan",5),("Feb",10),("Mar",10),
("Apr",50),("May",50),("Jun",200),
("Jul",200),("Aug",200),("Sep",50),
("Oct",50),("Nov",10),("Dec",5)
]
//传入坐标
radar.config(schema)
radar.add("降水量",radar_data1)
//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("蒸发量",radar_data2,item_color="#1C86EE")
radar.render()
散点图-scatter
frompyechartsimportScatterscatter=Scatter("散点图","一年的降水量与蒸发量")
//xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置
scatter.add("降水量与蒸发量的散点分布",data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",
yaxis_name_gap=40)
scatter.render()
图表布局 Grid
由于标题与图表是属于两个不同的控件，所以这里必须对下方的图表Line进行标题位置设置，否则会出现标题重叠的bug。
frompyechartsimportGrid//设置折线图标题位置
line=Line("折线图","一年的降水量与蒸发量",title_top="45%")
line.add("降水量",columns,data1,is_label_show=True)
line.add("蒸发量",columns,data2,is_label_show=True)
grid=Grid()
//设置两个图表的相对位置
grid.add(bar,grid_bottom="60%")
grid.add(line,grid_top="60%")
grid.render()
frompyechartsimportOverlap总结overlap=Overlap()
bar=Bar("柱状图-折线图合并","一年的降水量与蒸发量")
bar.add("降水量",columns,data1,mark_point=["max","min"])
bar.add("蒸发量",columns,data2,mark_point=["max","min"])
overlap.add(bar)
overlap.add(line)
overlap.render()
（1）导入相关图表包
（2）进行图表的基础设置，创建图表对象
（3）利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)
（4）利用render()方法来进行图表保存
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。