如何制作pyecharts图表,python中pyecharts模块

　　本文介绍了Python使用pyecharts控件绘制图表的方法，并通过示例代码进行了详细介绍。对大家的学习或者工作都有一定的参考价值，有需要的朋友可以参考一下。

　　00-1010一、电子海图简介1。特点2。相关资源：二。用法1。直方图-条形图2、饼图3、盒状图4、折线图5、雷达图6、散点图7和图表布局的网格摘要。

一、Echarts简介

　　简单的API设计，使用流畅，支持链式调用，包括30种常用图表，全部支持主流笔记本环境。Jupyter Notebook和JupyterLab可以轻松集成到Flask、Sanic、Django等主流Web框架的高度灵活的配置项中。可以轻松搭配精美的图表、详细的文档和实例，帮助开发者入门多达400个地图文件，并支持原生百度地图，为地理数据可视化提供有力支持。

1、特性

　　官方网站项目地址的中文文档(包括5分钟的介绍性教程)英文文档示例

2、相关资源：

　　现在让我们开始正式使用pycharts。这里我们直接使用官方数据：

二、使用

　　//导入直方图条

　　从pyecharts导入栏

　　//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

　　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()

　　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，直接调用jupyter上的实例(比如从上面直接调用bar)就可以直接表示图表，非常方便。

　　笔者统计了一下，目前pyecharts上支持的图表大概有二十种。接下来，我们将使用上述数据生成数据挖掘中常用的几个图表示例：

1、柱状图-Bar

　　//导入饼图饼图

　　从饼图导入饼图

　　//设置主标题和副标题，标题居中，宽度设置为900。

　　Pie=Pie(饼图，年降水量和蒸发量，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()

3、箱体图-Boxplot

//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()

4、折线图-Line

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()

5、雷达图-Rader

from pyecharts import Radar
　　radar = 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的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同
　　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()

6、散点图-scatter

from pyecharts import Scatter
　　scatter = 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()

7、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。

from pyecharts import Grid
　　//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()

from pyecharts import Overlap
　　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()

总结

导入相关图表包
进行图表的基础设置，创建图表对象
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)
利用render()方法来进行图表保存

　　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。

　　到此这篇关于Python使用pyecharts控件绘制图表的文章就介绍到这了。希望对大家的学习有所帮助，也希望大家多多支持盛行IT软件开发工作室。

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。