python中pyecharts,pyecharts是python的可视化工具包吗
Echarts是百度开源的用于生成eCharts图表的类库，可以用于数据可视化分析。本文将详细讲解Pyecharts的使用方法，以供参考。
00-1010 1.安装肾盂造影2。图表基础2.1主题样式2.2图表标题2.3图例2.4提示框2.5可视化映射2.6工具箱2.7区域缩放3。条形图模块4。折线图/面积线模块4.1折线图4.2面积图5。饼状图5.1饼状图5.2夜莺玫瑰图6。箱线图模块7。涟漪效应散射模块8。WordCloud模块9。热图模块10。水球图液体模块11。日历图表日历模块
目录
pip安装pyecharts
1. 安装Pyecharts
2. 图表基础
添加主题样式使用InitOpts()方法，
该方法的主要参数是：
参数wIDth canvas width要求字符串格式，如wIDth=" 500 px " height canvas height，字符串格式，如width="500px" chart _ id图表id，作为图表的唯一标识。当有多个图表时，用于区分不同的图表。page_title页面标题，字符串格式主题图表主题。ThemeType模块提供了bg_color图表背景色，字符串格式的样式可以选择如下：
2.1 主题风格
向图表添加标题需要set_global_options()方法的title_opts参数，
该参数的值由Opts模块的TitleOpts()方法生成，
TitleOpts()方法主要参数语法如下：
2.2 图表标题
设置图例需要set_global_opts()方法的legend_opts参数，
该参数的参数值引用options模块的LegendOpts()方法。
LegendOpts()方法的主要参数如下：
2.3 图例
设置提示框主要是通过set_global_opts()方法中的tooltip_opts参数来设置。
该参数的参数值引用options模块的TooltipOpts()方法。
TooltipOpts()方法的主要参数如下：
align:center">
2.5 视觉映射
视觉映射通过 set_global_opts()方法中的 visualmap_opts参数进行设置，
该参数的取值参考options模块的VisualMapOpts()方法。
其主要参数如下：
2.6 工具箱
工具箱通过 set_global_opts()方法中的 toolbox_opts参数进行设置，
该参数的取值参考options模块的ToolboxOpts()方法。
其主要参数如下：
2.7 区域缩放
区域缩放通过 set_global_opts()方法中的 datazoom_opts参数进行设置，
该参数的取值参考options模块的DataZoomOpts()方法。
其主要参数如下：
3. 柱状图 Bar模块
绘制柱状图通过Bar模块来实现，
该模块的主要方法有：
下边展示一个简单的示例，先不使用过多复杂的样式：
import numpy as npfrom pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
# 生成数据
years = [2011, 2012, 2013, 2014, 2015]
y1 = [1, 3, 5, 7, 9]
y2 = [2, 4, 6, 4, 2]
y3 = [9, 7, 5, 3, 1]
y4 = list(np.random.randint(1, 10, 10))
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
# 为柱状图添加x轴和y轴数据
bar.add_xaxis(years)
bar.add_yaxis(A型, y1)
bar.add_yaxis(B型, y2)
bar.add_yaxis(C型, y3)
bar.add_yaxis(D型, y4)
# 渲染图表到HTML文件，并保存在当前目录下
bar.render("bar.html")
生成图像效果如下：
这里有一个无法解释的细节，就是可以看到y4数据，即D型，在图像中没有显示出来。经过小啾的反复尝试，发现凡是使用随机数产生的数据再转化成列表，这部分随机数不会被写入到html文件中：
既然不会解释，那就避免。
4. 折线图/面积图 Line模块
Line模块的主要方法有add_xaxis() 和 add_yaxis()，分别用来添加x轴数据和y轴数据。
add_yaxis()的主要参数如下：
4.1 折线图
绘制折线图时，x轴的数据必须是字符串，图线方可正常显示。
from pyecharts.charts import Linefrom pyecharts import options as opts
from pyecharts.globals import ThemeType
# 准备数据
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]
line = Line(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A类", y_axis=y1)
line.add_yaxis(series_name="B类", y_axis=y2)
line.add_yaxis(series_name="C类", y_axis=y3)
line.render("line.html")
生成图像效果如下：
4.2 面积图
绘制面积图时需要在add_yaxis()方法中指定areastyle_opts参数。其值由options模块的AreaStyleOpts()方法提供。
from pyecharts.charts import Linefrom pyecharts import options as opts
from pyecharts.globals import ThemeType
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [2, 5, 6, 8, 9]
y2 = [1, 4, 5, 4, 7]
y3 = [1, 3, 4, 6, 6]
line = Line(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A类", y_axis=y1, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="B类", y_axis=y2, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="C类", y_axis=y3, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.render("line2.html")
图像效果如下：
5.饼形图
5.1 饼形图
绘制饼形图使用的是Pie模块，该模块中需要使用的主要方法是add()方法
该方法主要参数如下：
from pyecharts.charts import Piefrom pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = [AAA, BBB, CCC, DDD, EEE, FFF]
y_data = [200, 200, 100, 400, 500, 600]
# 将数据转换为目标格式
data = [list(z) for z in zip(x_data, y_data)]
# 数据排序
data.sort(key=lambda x: x[1])
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
pie.add(
series_name="类别", # 序列名称
data_pair=data, # 数据
)
pie.set_global_opts(
# 饼形图标题
title_opts=opts.TitleOpts(
title="各类别数量分析",
pos_left="center"),
# 不显示图例
legend_opts=opts.LegendOpts(is_show=False),
)
pie.set_series_opts(
# 序列标签
label_opts=opts.LabelOpts(),
)
pie.render("pie.html")
图像效果如下：
5.2 南丁格尔玫瑰图
from pyecharts.charts import Piefrom pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = [AAA, BBB, CCC, DDD, EEE, FFF, GGG, HHH, III, JJJ, KKK, LLL, MMM, NNN, OOO]
y_data = [200, 100, 400, 50, 600, 300, 500, 700, 800, 900, 1000, 1100, 1200, 1300, 1500]
# 将数据转换为目标格式
data = [list(z) for z in zip(x_data, y_data)]
# 数据排序
data.sort(key=lambda x: x[1])
# 创建饼形图并设置画布大小
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, width=300px, height=400px))
# 为饼形图添加数据
pie.add(
series_name="类别",
data_pair=data,
radius=["8%", "160%"], # 内外半径
center=["65%", "65%"], # 位置
rosetype=area, # 玫瑰图，圆心角相同，按半径大小绘制
color=auto # 颜色自动渐变
)
pie.set_global_opts(
# 不显示图例
legend_opts=opts.LegendOpts(is_show=False),
# 视觉映射
visualmap_opts=opts.VisualMapOpts(is_show=False,
min_=100, # 颜色条最小值
max_=450000, # 颜色条最大值
)
)
pie.set_series_opts(
# 序列标签
label_opts=opts.LabelOpts(position=inside, # 标签位置
rotate=45,
font_size=8) # 字体大小
)
pie.render("pie2.html")
图像效果如下：
6. 箱线图 Boxplot模块
绘制箱线图使用的是Boxplot类。
这里有一个细节，准备y轴数据y_data时需要在列表外再套一层列表，否则图线不会被显示。
绘制箱线图使用的是Boxplot模块，
主要的方法有
add_xaxis()和add_yaxis()
from pyecharts.charts import Boxplotfrom pyecharts.globals import ThemeType
from pyecharts import options as opts
y_data = [[5, 20, 22, 21, 23, 26, 25, 24, 28, 26, 29, 30, 50, 61]]
boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
boxplot.add_xaxis([""])
boxplot.add_yaxis(, y_axis=boxplot.prepare_data(y_data))
boxplot.render("boxplot.html")
图像效果如下：
7. 涟漪特效散点图 EffectScatter模块
绘制涟漪图使用的是EffectScatter模块，代码示例如下：
from pyecharts.charts import EffectScatterfrom pyecharts import options as opts
from pyecharts.globals import ThemeType
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]
scatter = EffectScatter(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
scatter.add_xaxis(x_data)
scatter.add_yaxis("", y1)
scatter.add_yaxis("", y2)
scatter.add_yaxis("", y3)
# 渲染图表到HTML文件，存放在程序所在目录下
scatter.render("EffectScatter.html")
图像效果如下：
8. 词云图 WordCloud模块
绘制词云图使用的是WordCloud模块，
主要的方法有add()方法。
add()方法的主要参数如下：
add()方法主要的参数有
准备一个txt文件（001.txt），文本内容以《兰亭集序》为例：
永和九年，岁在癸丑，暮春之初，会于会稽山阴之兰亭，修禊事也。群贤毕至，少长咸集。此地有崇山峻岭，茂林修竹，又有清流激湍，映带左右，引以为流觞曲水，列坐其次。虽无丝竹管弦之盛，一觞一咏，亦足以畅叙幽情。
是日也，天朗气清，惠风和畅。仰观宇宙之大，俯察品类之盛，所以游目骋怀，足以极视听之娱，信可乐也。
夫人之相与，俯仰一世。或取诸怀抱，悟言一室之内；或因寄所托，放浪形骸之外。虽趣舍万殊，静躁不同，当其欣于所遇，暂得于己，快然自足，不知老之将至；及其所之既倦，情随事迁，感慨系之矣。向之所欣，俯仰之间，已为陈迹，犹不能不以之兴怀，况修短随化，终期于尽！古人云：死生亦大矣。岂不痛哉！
每览昔人兴感之由，若合一契，未尝不临文嗟悼，不能喻之于怀。固知一死生为虚诞，齐彭殇为妄作。后之视今，亦犹今之视昔，悲夫！故列叙时人，录其所述，虽世殊事异，所以兴怀，其致一也。后之览者，亦将有感于斯文。
代码示例如下：
from pyecharts.charts import WordCloudfrom jieba import analyse
# 基于TextRank算法从文本中提取关键词
textrank = analyse.textrank
text = open(001.txt, r, encoding=UTF-8).read()
keywords = textrank(text, topK=30)
list1 = []
tup1 = ()
# 关键词列表
for keyword, weight in textrank(text, topK=30, withWeight=True):
# print(%s %s % (keyword, weight))
tup1 = (keyword, weight) # 关键词权重
list1.append(tup1) # 添加到列表中
# 绘制词云图
mywordcloud = WordCloud()
mywordcloud.add(, list1, word_size_range=[20, 100])
mywordcloud.render(wordclound.html)
词云图效果如下：
9. 热力图 HeatMap模块
绘制热力图使用的是HeatMap模块。
下边以双色球案例为例，数据使用生成的随机数，绘制出热力图：
import pyecharts.options as optsfrom pyecharts.charts import HeatMap
import pandas as pd
import numpy as np
# 创建一个33行7列的DataFrame，数据使用随机数生成。每个数据表示该位置上该数字出现的次数
s1 = np.random.randint(0, 200, 33)
s2 = np.random.randint(0, 200, 33)
s3 = np.random.randint(0, 200, 33)
s4 = np.random.randint(0, 200, 33)
s5 = np.random.randint(0, 200, 33)
s6 = np.random.randint(0, 200, 33)
s7 = np.random.randint(0, 200, 33)
data = pd.DataFrame(
{位置一: s1,
位置二: s2,
位置三: s3,
位置四: s4,
位置五: s5,
位置六: s6,
位置七: s7
},
index=range(1, 34)
)
# 数据转换为HeatMap支持的列表格式
value1 = []
for i in range(7):
for j in range(33):
value1.append([i, j, int(data.iloc[j, i])])
# 绘制热力图
x = data.columns
heatmap=HeatMap(init_opts=opts.InitOpts(width=600px ,height=650px))
heatmap.add_xaxis(x)
heatmap.add_yaxis("aa", list(data.index), value=value1, # y轴数据
# y轴标签
label_opts=opts.LabelOpts(is_show=True, color=white, position="center"))
heatmap.set_global_opts(title_opts=opts.TitleOpts(title="双色球中奖号码热力图", pos_left="center"),
legend_opts=opts.LegendOpts(is_show=False), # 不显示图例
# 坐标轴配置项
xaxis_opts=opts.AxisOpts(
type_="category", # 类目轴
# 分隔区域配置项
splitarea_opts=opts.SplitAreaOpts(
is_show=True, # 区域填充样式
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
# 坐标轴配置项
yaxis_opts=opts.AxisOpts(
type_="category", # 类目轴
# 分隔区域配置项
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
# 区域填充样式
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
# 视觉映射配置项
visualmap_opts=opts.VisualMapOpts(is_piecewise=True, # 分段显示
min_=1, max_=170, # 最小值、最大值
orient=horizontal, # 水平方向
pos_left="center") # 居中
)
heatmap.render("heatmap.html")
热力图效果如下：
10. 水球图 Liquid模块
绘制水球图使用的是Liquid模块。
from pyecharts.charts import Liquidliquid = Liquid()
liquid.add(, [0.39])
liquid.render("liquid.html")
水球图效果如下：
11. 日历图 Calendar模块
绘制日历图使用的是Calendar模块
主要使用的方法是add()方法
import pandas as pdimport numpy as np
from pyecharts import options as opts
from pyecharts.charts import Calendar
data = list(np.random.random(30))
# 求最大值和最小值
mymax = round(max(data), 2)
mymin = round(min(data), 2)
# 生成日期
index = pd.date_range(20220401, 20220430)
# 合并列表
data_list = list(zip(index, data))
# 生成日历图
calendar = Calendar()
calendar.add("",
data_list,
calendar_opts=opts.CalendarOpts(range_=[2022-04-01, 2022-04-30]))
calendar.set_global_opts(
title_opts=opts.TitleOpts(title="2022年4月某指标情况", pos_left=center),
visualmap_opts=opts.VisualMapOpts(
max_=mymax,
min_=mymin+0.1,
orient="horizontal",
is_piecewise=True,
pos_top="230px",
pos_left="70px",
),
)
calendar.render("calendar.html")
日历图效果如下：
以上就是Python数据可视化之Pyecharts使用详解的详细内容，更多关于Python Pyecharts的资料请关注盛行IT软件开发工作室其它相关文章！
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。