个性化图表

DataScience

发布于 2019-12-30 11:19:20

6320

发布于 2019-12-30 11:19:20

文章被收录于专栏：A2DataA2Data

个性化绘制图表

#coding=utf-8
from __future__ import unicode_literals

#首先来我的绘制第一个图表

from pyecharts import Bar

bar = Bar("我的第一个图表","这里是一个副标题")
bar.add("服装",["A","B","C","D","E","F"],[15,18,35,66,6,88])
#bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用
bar.render() #生成本地 HTML 文件
bar

·add()

主要方法，用于添加图表的数据和设置各种配置项

·print_echarts_options()

打印输出图表的所有配置项

·render()

默认将会在根目录下生成一个render.html的文件,

支持path参数，设置文件保存位置。

例如：render(r"e:\my_first_chart.html"),文件用浏览器打开

·Note：

可以按右边的下载按钮将图片下载到本地，如果想要提供更多实用工具按钮，请在add()中设置is_more_utils 为True。

#案例如下

from pyecharts import Bar

bar = Bar("我的第一个图表","这里是副标题")

bar.add("数据分析",["Q","W","E","R"],[6,12,6,18],is_more_utils=True)
bar.render()
bar

使用主题

自0.5.2+ 起，pyecharts 支持更换主题色系。

下面是更换为'dark' 的例子

#案例如下

from pyecharts import Bar

bar = Bar("这是我的第一个主题图表","这是一个副标题 dark主题")

bar.use_theme('dark')
bar.add("年少风",["脚程","奇趣","我們"],[66,88,99],is_more_utils=True)
bar.render()
bar

图形绘制过程

步骤描述代码示例备注

1 实例一个具体类型图表的对象 chart = FooChart() 2 为图表添加通用的配置，如主题 chart.use_theme() 3 为图表添加特定的配置 geo.add_coordinate() 4 添加数据及配置项 chart.add() 5 生成本地文件(html/svg/jpeg/png/pdf/gif）chart.render() 参考数据解析与导入篇

http://pyecharts.org/#/zh-cn/data_import

本文参考pyecharts官方教程，希望带给大家更多精彩。

from pyecharts import Bar, Line
from pyecharts.engine import create_default_environment

bar = Bar("我的第一个图表", "这里是副标题")
bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])

line = Line("我的第一个图表", "这里是副标题")
line.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])

env = create_default_environment("html")
# 为渲染创建一个默认配置环境
# create_default_environment(filet_ype)
# file_type: 'html', 'svg', 'png', 'jpeg', 'gif' or 'pdf'

env.render_chart_to_file(bar, path='bar.html')
env.render_chart_to_file(line, path='line.html')
line

# Pandas & Numpy 简单示例

import pandas as pd
import numpy as np
from pyecharts import Bar

title = "年少风"
index = pd.date_range('3/9/2018',periods=6,freq='M')
df1 = pd.DataFrame(np.random.randn(6),index=index)
df2 = pd.DataFrame(np.random.randn(6),index=index)


dtvalue1 = [i[0] for i in df1.values]
dtvalue2 = [i[0] for i in df2.values]
_index = [i for i in df1.index.format()]

bar = Bar(title,'Profit and loss situation')
bar.add('profit',_index,dtvalue1)
bar.add('profit',_index,dtvalue2)
bar

年少风

官方案例

# note ：使用Pandas & Numpy 时，整数类型请确保为int， 而不是 numpy.int32

#当然你可以采用更加酷炫的方式，使用jupyter notebook 来展示图表，matplotib有的，
# pyecharts 也会有的

#Note :从v0.1.9.2版本开始，废弃 render_notebook() 方法，现在已采用更加pythonic的做法。
#直接调用本身实例就可以了。

#EG 案例
from pyecharts import Bar

attr = ["{}月".format(i) for i in range(1,13)]
v1 = [2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
v2 = [2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]

bar = Bar("柱状图示例")
bar.add("蒸发量",attr,v1,mark_line=["average"],mark_point=["max","min"])
bar.add("降水量",attr,v2,mark_line=["average"],mark_point=["max","min"])
bar

# 还有这样
from pyecharts import Pie

attr = ["衬衫","羊毛衫","雪纺衫","裤子","高跟鞋","袜子"]
v1 = [11,12,13,10,10,10]
v2 = [19,21,32,20,20,33]

pie= Pie("饼图-玫瑰图示例",title_pos='center',width=900)
pie.add("商品A",attr,v1,center=[25,50],is_random=True,redius=[30,75],rosetype='redius')
pie.add("商品B",attr,v2,center=[75,50],is_random=True,redius=[30,75],rosetype='area',is_legend_show=False,is_label_show=True)

pie

# 如果使用的是 自定义类，直接调用自定义类示例即可

from pyecharts import Bar,Line,Overlap

attr = ["A","B","C","D","E","F"]
v1 = [10,20,30,40,50,60]
v2 = [38,28,58,48,88,68]
bar =Bar("Line-Bar 示例")
bar.add("bar",attr,v1)
line = Line()
line.add("line",attr,v2)

overlap = Overlap()
overlap.add(bar)
overlap.add(line)

overlap