Python使用pyecharts控件绘制图表

第Python使用pyecharts控件绘制图表目录一、Echarts简介1、特性2、相关资源：二、使用1、柱状图-Bar2、饼图-Pie3、箱体图-Boxplot4、折线图-Line5、雷达图-Rader6、散点图-scatter7、图表布局Grid总结

一、Echarts简介

Echarts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而Python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。

分v0.5.x和V1间不兼容，导致很多代码不可复用，旧版本将不再维护。

1、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，JupyterNotebook和JupyterLab可轻松集成至Flask，Sanic，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，并且支持原生百度地图，为地理数据可视化提供强有力的支持

2、相关资源：

官网项目地址中文文档（含5分钟入门教程）EnglishDocumentation示例Example

二、使用

现在我们来开始正式使用pycharts，这里我们直接使用官方的数据：

1、柱状图-Bar

//导入柱状图-Bar

frompyechartsimportBar

//设置行名

columns=["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"]

//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]

//设置柱状图的主标题与副标题

bar=Bar("柱状图","一年的降水量与蒸发量")

//添加柱状图的数据及配置项

bar.add("降水量",columns,data1,mark_line=["average"],mark_point=["max","min"])

bar.add("蒸发量",columns,data2,mark_line=["average"],mark_point=["max","min"])

//生成本地文件（默认为.html文件）

bar.render()

简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的，在这里还是要安利一下jupyter，pyecharts在v0.1.9.2版本开始，在jupyter上直接调用实例（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：

2、饼图-Pie

//导入饼图Pie

frompyechartsimportPie

//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()

3、箱体图-Boxplot

//导入箱型图Boxplot

frompyechartsimportBoxplot

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()

4、折线图-Line

frompyechartsimportLine

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

frompyechartsimportRadar

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

frompyechartsimportScatter

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。

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

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