Python可视化神器1-Pyecharts绘图详细教程-初识Pyecharts

原创

北京-宏哥

修改于 2024-01-24 16:10:23

70610

代码可运行

修改于 2024-01-24 16:10:23

运行总次数：0

代码可运行

前言

文档位于 https://pyecharts.org/#/zh-cn/intro

示例位于 https://gallery.pyecharts.org/#/README

echarts

官网 https://www.echartsjs.com/zh/index.html

1. 简介

1.1 Pyecharts 是什么

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
可以理解为 Pyecharts 是实现 Echarts 与 Python 对接的一个库

1.2 Pyecharts 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+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

2. 安装

2.1 Pyecharts 版本

Pyecharts一共有三个大版本：V0.X 、 V1.X 、V2.X ，版本之间差别比较大！，v0.5.X 和 v1 间不兼容，v1 是一个全新的版本，详见 ISSUE#892，ISSUE#1033。

v0.5.X

支持 Python2.7，3.4+

经开发团队决定，0.5.x 版本将不再进行维护，0.5.x 版本代码位于 05x 分支，文档位于 05x-docs.pyecharts.org。

仅支持 Python3.6+

新版本系列将从 v1.0.0 开始，文档位于 pyecharts.org，即本文档。

支持 Python3.6 ~ Python 3.11

新版本系列从 Echarts 4 切换到 Echarts 5

宏哥本系列用的 Pyecharts 版本是2.0.4 ! 如下图所示：

谨记：不要装错啦！不同版本有些图参数设置不一样！

2.2安装

（1）直接 pip 安装：

pip(3) install pyecharts==2.0.4

显示successfully，表示安装成功！！！

但宏哥实测时发现，由于墙的原因，下载时会出现断线和速度过慢的问题导致下载失败，所以建议通过清华镜像来进行下载：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

（2）源码安装

$ git clone https://github.com/pyecharts/pyecharts.git
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install
# 或者执行 python install.py

（3）查看已安装版本：

import pyecharts
print(pyecharts.__version__)

2.3 常用安装方式

pip install xxx（库名）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ xxx（库名）

2.4 安装地图文件（可选）

后期涉及到地图部分的可视化，所以这里就把地图包先装上（如果自己的可视化不包含地图，可以先不装，需要的时候再装也可以）：

全球国家地图: echarts-countries-pypkg
中国省级地图: echarts-china-provinces-pypkg
中国市级地图: echarts-china-cities-pypkg

pip install pyecharts
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg

3.pyecharts常用的方法

(1)add(...)主要方法,用于加载要绘制的图表数据和设置各种配置。

(2)show_config();打印输出图标的所有配置项信息

(3)render(“xxx.html”):用于绘制生成html文件,默认在根目录下生成一个html文件，当未指定要绘制的文件名称，默认render.html。支持设置文件保存位置。

4.绘制图表的基本步骤

(1)初始化图表类型

Xxx=图表类型()

chart_name = Type() #初始化具体类型图表

例如，绘制柱图

mybar=Bar()

(2)添加配置项

xxx.add(.....)

add() #加数据及配置项,基本都在操作这个函数

(3)生成html文件

xxx.render(“xxx.html”)

render() #生成 .html文件，可设置文件类型

5. 图表类型

5.1 直角坐标系图表

Bar: 柱状图/条形图
Boxplot: 箱形图
EffectScatter: 连清特效散点图
HeatMap: 热力图
Kline/Candlestick: K线图
Line: 折线/面积图
PictorialBar: 象形柱状图
Scatter: 散点图
Overlap: 层查多图

5.2 基本图表

Calendar: 日历图
Funnel: 漏斗图
Gauge: 仪表盘
Graph: 关系图
Liquid: 水球图
Parallel: 平行坐标系
Pie: 饼图
Polar: 极坐标系
Radar: 雷达图
Sankey: 桑基图
Sunburst: 旭日图
ThemeRiver:主题河流图
WordCloud: 词云图

5.3 树形图表

Tree：树图
TreeMap：矩形树图

5.4 地理图表

Geo：地理坐标系
Map：地图
BMap：百度地图

5.5. 3D图表

Bar3D: 3D柱状图
Line3D: 3D折线图
Scatter3D: 3D散点图
Surface3D: 3D曲面图
Lines3D:3D 路径图
Map3D-三维地图
GraphGL-GL关系图

5.6. 组合图表

Grid: 并行多图
Page: 顺序多图
Tab: 选项卡多图
Timeline: 时间线轮播多图

5.7. HTML组件

Component 通用配置项
Table: 表格
Image: 图像

6. 绘图输出

6.1 输出到 jupyter notebook

# 将图形渲染到 notebook
def render_notebook()

6.2 输出到 html 文件

def render(
 # 生成图片路径
 path: str = "render.html",

 # 模板路径
 template_name: str = "simple_chart.html",

 # jinja2.Environment 类实例，可以配置各类环境参数
 env: Optional[Environment] = None,
)

7.图形设置

图形的设置方法都是同宗同源，大致主要为以下几种：

1、设置颜色：

.add_yaxis( "商家A", Faker.values(), itemstyle_opts=opts.ItemStyleOpts(color='red')

2、设置间距与宽度：通过添加gap百分比，默认为类目间距的 20%

.add_yaxis('门店', data2,category_gap="50%")

3、设置是否显示数据：通过添加label_opts = opts.LabelOpts(is_show=False）

.add_yaxis('MSE', data1,label_opts = opts.LabelOpts(is_show=False))

4、设置平均线：

.add_yaxis('MSE', data1, markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")])

5、设置y轴显示数据的范围：在.set_global_opts里添加yaxis_opts=opts.AxisOpts(min_=0.35,)min_和max_

.set_global_opts(title_opts=opts.TitleOpts(title="MSE", subtitle="MSE与决策树数量关系图"), yaxis_opts=opts.AxisOpts(min_=0.35,max_=0.6))

6、设置datazoom_opts拉动条形轴：在.set_global_opts里添加datazoom_opts=[opts.DataZoomOpts()],

.set_global_opts(title_opts=opts.TitleOpts(title="MSE", subtitle="MSE与决策树数量关系图"), datazoom_opts=[opts.DataZoomOpts()], yaxis_opts=opts.AxisOpts(min_=0.33,))

7、设置画布大小：

Bar(init_opts=opts.InitOpts(width="720px", height="680px"))

8、设置图形中的竖直区域

.set_series_opts( markarea_opts=opts.MarkAreaOpts( data=[ opts.MarkAreaItem(x=(s,e)) for s,e in zip([10],[12]) ] ))

9、横坐标显示不全，倾斜横坐标

.set_global_opts(title_opts=opts.TitleOpts(title="天气情况"), xaxis_opts=opts.AxisOpts(name='日期',axislabel_opts={"rotate":50}))

8.五分钟上手

8.1简单示例

首先开始来绘制你的第一个图表。

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2024-01-26
@author: 北京-宏哥
公众号：北京宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])

bar.render()

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：

注：调用 render() 方法的时候会在本地生成一个 HTML 文件，默认会在当前目录生成 render.html 文件，同时也可以传入路径的参数，如 bar.render("mycharts.html") ，拿着这个 HTML 文件直接扔到浏览器中运行就能看到我们刚才创建的柱状图了。

8.2链式调用

链式调用的除了写法和前面的不同，作用完全相同，各位同学选择自己习惯的写法就行。

pyecharts 的方法都支持链式调用，就是上面这一段我们可以换成链式调用的写法，如下：

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2024-01-26
@author: 北京-宏哥
公众号：北京宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
    .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
)

bar.render()

注：这里链式，通俗点就是直接在Bar()后面用 . 直接调用，像调用函数一样，记得最外面有一个小括号哦。

8.3配置项

使用 options 配置项，在 pyecharts 中，一切皆 Options。

在使用 pyecharts 的时候，大量的配置是使用 options 完成的，下面看一个使用 options 进行主标题和副标题配置的小示例：

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2024-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar
from pyecharts import options as opts

# V1 版本开始支持链式调用
# 你所看到的格式其实是 `black` 格式化以后的效果
# 可以执行 `pip install black` 下载使用

bar = (
    Bar()
    .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
    .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
    .set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
    # 或者直接使用字典参数
    # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar.render('render_1.html')

# 不习惯链式调用的开发者依旧可以单独调用方法
bar = Bar()
bar.add_xaxis([2017,2018,2019,2020,2021,2022,2023])
bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
bar.set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
bar.render('render_1.html')

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：

如果想要将结果保存成图片，需要使用 snapshot-selenium 将结果渲染成图片，如果没有安装的话需要先安装，安装命令如下：

pip install snapshot_selenium

这里有一点需要注意，如果想要正常的使用 snapshot_selenium ，需要本地有和当前 Chrome 正常配套的 ChromeDriver ，如果没有，需要先安装。

8.4渲染成图片示例

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2024-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

bar = (
    Bar()
        .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
        .add_yaxis("产品销量", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
)
make_snapshot(snapshot, bar.render(), "bar_1.png")

这时，在同目录下生成了一个名称为 bar_1.png 的图片，就不贴出来了，和上面的图片是一样的，只是这张 png 图片是透明底的。

8.5使用主题

pyecharts 还提供了 10+ 种内置主题，如果有需要也可以自己定制自己喜欢的主题，示例如下：

1.参考代码

# coding=utf-8🔥

# 1.先设置编码，utf-8可支持中英文，如上，一般放在第一行

# 2.注释：包括记录创建时间，创建人，项目名称。
'''
Created on 2024-01-26
@author: 北京-宏哥
Project: Python可视化神器1-Pyecharts绘图详细教程
'''
# 3.导入模块

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add_xaxis([2017,2018,2019,2020,2021,2022,2023])
        .add_yaxis("产品A", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .add_yaxis("产品B", [78000,80200,93000,101000,64000,70500,87000])
        .set_global_opts(title_opts=opts.TitleOpts(title="17 ~ 23年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
)

bar.render('render_2.html')

2.运行代码后，在本地电脑的目录下找到文件，浏览器打开，如下图所示：