内容简介:我们都知道python上的一款可视化工具Echarts 是百度开源的一个数据可视化 JS 库,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,很适合用于数据处理。当数据分析遇上数据可视化时,pyecharts 就诞生了。下面带大家快速了解
我们都知道 python 上的一款可视化工具 matplotlib , 但是它是静态的。后来发现了 pyecharts 模块,简直好用到不行,可视化类型非常多,它是基于 Echarts 开发的。
Echarts 是百度开源的一个数据可视化 JS 库,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,很适合用于数据处理。当数据分析遇上数据可视化时,pyecharts 就诞生了。
下面带大家快速了解 pyecharts 以及基本使用方法:
:sparkles: 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,Jupyter Notebook 和 JupyterLab
- 可轻松集成至 Flask,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,为地理数据可视化提供强有力的支持
:sparkles: 安装
1pip install pyecharts 复制代码
注意:pyecharts 共有两个版本,v0.5.X 和 V1.0.X 间完全不兼容,且v0.5.X版本作者已经不维护了,请使用V1.0.X
Bar:柱状图/条形图
柱状图对应的模块是 Bar 除此之外可以设置全局配置和系列配置项。配置项都是基于 options
示例代码:
1# coding: utf-8 2from example.commons import Faker 3from pyecharts import options as opts 4from pyecharts.charts import Bar 5 6def bar_base(): 7 8 bar = Bar(init_opts=opts.InitOpts(page_title="bar页面")) # 设置html页面标题 9 # bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) # 设置x轴的参数 10 11 bar.add_xaxis(Faker.choose()) 12 bar.add_yaxis("A", Faker.values()) 13 bar.add_yaxis("B", Faker.values()) 14 15 # 设置全局配置项,可选 16 bar.set_global_opts(opts.TitleOpts(title="主标题", subtitle="副标题")) 17 # render 会生成本地 HTML 文件,默认会在当前目录生成 render.html 文件 18 bar.render("bar.html") # 也可以自己指定文件名 19 20if __name__ == "__main__": 21 bar_base() 复制代码
运行代码后会在当前目录生成一个 ”bar.html“ 的文件,我们在浏览器中打开它。效果图如下:
、
生成的页面支持-点击取消显示某 Series
除了上述的使用方法之外,pyecharts 所有方法均支持链式调用!
翻转XY轴
代码如下:
1 def bar_reversal_axis() -> Bar: 2 3 # pyecharts 所有方法均支持链式调用。 4 c = ( 5 Bar(init_opts=opts.InitOpts(page_title="bar页面")) 6 .add_xaxis(Faker.choose()) 7 .add_yaxis("商家A", Faker.values()) 8 .add_yaxis("商家B", Faker.values()) 9 .reversal_axis() 10 .set_global_opts(toolbox_opts=opts.ToolboxOpts()) # 设置 工具 箱配置项 11 .set_series_opts(label_opts=opts.LabelOpts(position="right")) # 系列配置项 12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴")) # 全局配置项 13 ) 14 return c 15 16 17if __name__ == "__main__": 18 bar_reversal_axis().render("bar.html") 复制代码
效果图如下:
部分堆叠数据
同个类目轴上系列配置相同的 stack 值可以堆叠放置
例如堆叠放置A,B的代码如下:
1 def bar_stack1() -> Bar: 2 c = ( 3 Bar() 4 .add_xaxis(Faker.choose()) 5 6 # 数据堆叠,同个类目轴上系列配置相同的 stack 值可以堆叠放置。 7 # stack: Optional[str] = None, 8 .add_yaxis("A", Faker.values(), stack="stack1") 9 .add_yaxis("B", Faker.values(), stack="stack1") 10 .add_yaxis("C", Faker.values()) 11 .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) 12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据(部分)")) 13 ) 14 return c 复制代码
区域缩放配置项
1 def bar_datazoom_slider() -> Bar: 2 c = ( 3 Bar(init_opts=opts.InitOpts(page_title="bar页面")) 4 .add_xaxis(Faker.days_attrs) 5 .add_yaxis("商家A", Faker.days_values) 6 .set_global_opts( 7 title_opts=opts.TitleOpts(title="Bar-DataZoom(slider-水平)"), 8 datazoom_opts=[opts.DataZoomOpts(type_="slider",)] 9 ) 10 ) 11 return c 复制代码
效果图如下:
区域缩放配置项的设置方法在 DataZoomOpts 类中,我们可以点进去查看源码:
其中,主要用到的参数含义如下:
1 type_: str = "slider", # 组件类型,可选 "slider", "inside" 2 # 拖动时,是否实时更新系列的视图。如果设置为 false,则只在拖拽结束的时候更新。 3 is_realtime: bool = True, 4 5 # 布局方式是横还是竖。可选值为:'horizontal', 'vertical' 6 orient: str = "horizontal", 复制代码
知道参数的含义后我们可以来试试效果
比如我们要将区域缩放布局改为竖,将 orient 定义为 vertical 即可,代码就不展示,可以自己动手试试!
效果图如下:
HeatMap:热力图
热力图主要通过颜色去表现数值的大小,必须要配合 visualMap 组件使用。 直角坐标系上必须要使用两个类目轴。
热力图使用的方法函数是 add_yaxis ,下面是函数的用法说明:
i 1def add_yaxis( 2 # 系列名称,用于 tooltip 的显示,legend 的图例筛选。 3 series_name: str, 4 5 # Y 坐标轴数据 6 yaxis_data: Sequence, 7 8 # 系列数据项 9 value: Sequence, 10 11 # 是否选中图例 12 is_selected: bool = True, 13 14 # 使用的 x 轴的 index,在单个图表实例中存在多个 x 轴的时候有用。 15 xaxis_index: Optional[Numeric] = None, 16 17 # 使用的 y 轴的 index,在单个图表实例中存在多个 y 轴的时候有用。 18 yaxis_index: Optional[Numeric] = None, 19 20 # 标签配置项,参考 `series_options.LabelOpts` 21 label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(), 22 23 # 标记点配置项,参考 `series_options.MarkPointOpts` 24 markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None, 25 26 # 标记线配置项,参考 `series_options.MarkLineOpts` 27 markline_opts: Union[opts.MarkLineOpts, dict, None] = None, 28 29 # 提示框组件配置项,参考 `series_options.TooltipOpts` 30 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None, 31 32 # 图元样式配置项,参考 `series_options.ItemStyleOpts` 33 itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None, 34 35 复制代码
其中 series_name, yaxis_data, value 是三个必传参数 示例代码如下:
import random from example.commons import Faker from pyecharts import options as opts from pyecharts.charts import HeatMap def heatmap_base() -> HeatMap: value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)] c = ( HeatMap() .add_xaxis(Faker.clock) .add_yaxis("series", Faker.week, value) .set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"), visualmap_opts=opts.VisualMapOpts(), ) ) return c if __name__ == "__main__": heatmap_base().render("heatMap.html") 复制代码
效果图如下:
WordCloud:词云图
词云图用的的方法函数是 add ,使用方法如下:
1 def add( 2 # 系列名称,用于 tooltip 的显示,legend 的图例筛选。 3 series_name: str, 4 5 # 系列数据项,[(word1, count1), (word2, count2)] 6 data_pair: Sequence, 7 8 # 词云图轮廓,有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选 9 shape: str = "circle", 10 11 # 单词间隔 12 word_gap: Numeric = 20, 13 14 # 单词字体大小范围 15 word_size_range=None, 16 17 # 旋转单词角度 18 rotate_step: Numeric = 45, 19 20 # 提示框组件配置项,参考 `series_options.TooltipOpts` 21 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None, 22 23 复制代码
其中 series_name, data_pair, shape 是三个必传参数 示例代码如下:
# coding: utf-8 import random from pyecharts.charts import WordCloud from pyecharts import options as opts words = [ ("火箭", 10000), ("勇士库里", 8888), ("在你写这个教程之前,我已经会用了", 6181), ("哈登", 6386), ("金州拉文", 5055), ("杜兰特", 6467), ("戳眼", 2244), ("NBA", 1868), ("季后赛", 1484), ("约老师", 1112), ("利拉德", 865), ("双卡双待", 847), ("字母歌MVP", 5582), ("卡哇伊", 555), ("猛龙", 550), ("大帝", 462), ("西蒙斯不投三分", 366), ("JB", 360), ("科尔垃圾", 282), ("格林公式", 273), ("欧文", 2650), ] def wordcloud_base() -> WordCloud: c = ( WordCloud() .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10) .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond")) ) return c if __name__ == "__main__": wordcloud_base().render("wordCloud.html") 复制代码
效果图如下:
保存为图片
前面我们讲的几种图形生成方法,最后都保存成 html文件,pyecharts 还提供了保存为图片的方式
需要安装 snapshot_selenium ,同时需要将浏览器驱动保存路径 cheromdriver.exe 加入到环境变量中
1pip install snapshot_selenium 复制代码
示例代码如下:
1 # coding: utf-8 2 import random 3 4 from pyecharts.charts import WordCloud 5 from pyecharts import options as opts 6 from snapshot_selenium import snapshot as driver 7 from pyecharts.render import make_snapshot 8 9 words = [ 10 ("火箭", 10000), 11 ("勇士库里", 8888), 12 ("在你写这个教程之前,我已经会用了", 6181), 13 ("哈登", 6386), 14 ("金州拉文", 5055), 15 ("杜兰特", 6467), 16 ("戳眼", 2244), 17 ("NBA", 1868), 18 ("季后赛", 1484), 19 ("约老师", 1112), 20 ("利拉德", 865), 21 ("双卡双待", 847), 22 ("字母歌MVP", 5582), 23 ("卡哇伊", 555), 24 ("猛龙", 550), 25 ("大帝", 462), 26 ("西蒙斯不投三分", 366), 27 ("JB", 360), 28 ("科尔垃圾", 282), 29 ("格林公式", 273), 30 ("欧文", 2650), 31] 32 33 34 def wordcloud_base() -> WordCloud: 35 c = ( 36 WordCloud() 37 .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10) 38 .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond")) 39 ) 40 return c 41 42 43 if __name__ == "__main__": 44 make_snapshot(driver, wordcloud_base().render(), "wordcloud.png") 45 # wordcloud_base().render("wordCloud.html") 复制代码
最后会在当前目录生成一张 wordcloud.png 的图片
总结
1.根据自己想制作的图形,导入相关的包
2.进行图表的基础设置,创建图表对象
3.需要了解该图表对象下面的函数中参数的含义,及其使用方法
4.配置项主要是在 options中进行配置,有全局配置项和系列配置项,需要了解配置项下面对象含义使用方法
5.利用render()方法来报存图表
pyecharts 还有许多好玩的 3D图表 和 地图图表,由于篇幅有限,下篇将继续介绍 地图系玩法 欢迎关注公众号: Python编程与实战!
以上所述就是小编给大家介绍的《Python数据可视化神器--pyecharts 快速入门》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 推荐一款Python数据可视化神器
- 推荐: 你必须知道的Python 可视化神器
- 前端开发神器Hype3初体验-可视化、响应式、动效
- 这款NLP神器火了!关键词提取、结果可视化,从小白进阶大神
- 一个像素的旅行,华人博士卷积网络可视化项目火了:点点鼠标就能看懂的扫盲神器
- MySQL 优化神器
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
数据结构与算法:Python语言描述
裘宗燕 / 机械工业出版社 / 2016-1 / CNY 45.00
本书基于Python语言介绍了数据结构与算法的基本知识,主要内容包括抽象数据类型和Python面向对象程序设计、线性表、字符串、栈和队列、二叉树和树、集合、排序以及算法的基本知识。本书延续问题求解的思路,从解决问题的目标来组织教学内容,注重理论与实践的并用。一起来看看 《数据结构与算法:Python语言描述》 这本书的介绍吧!