使用pyecharts 1.5进行数据可视化
安装 pip install pyecharts
直接使用该命令安装的版本为最新版本为1.5。语法与之前版本大不一样，因此本文仅针对1.5及之后版本说明。若想使用之前版本请使用命令pip install pyecharts == 0.1.5.19
注：建议在jupyter notebook中coding，方便debug。
开始使用
基本套路就是先创建一个你需要的空图层，然后使用.set_global_opts修改全局项再用.set_series_opts修改具体的相关配置就可以。当然最好的学习地址一定是官方文档，但是里面介绍的太过复杂了，这里仅以快速上手使用为目标进行几个例子来说明套路。
地图
pyecharts比较好的就是绘制地图，这里以2019-nCov项目中安徽省地图绘制为例。
首先导入需要的包
from pyecharts.charts import Pie ,Grid,Bar,Line
from pyecharts.faker import Faker #数据包from pyecharts.charts import Map,Geo
from pyecharts import options as opts
from pyecharts.globals import ThemeType
OK，我现在有一个省份的一组数据，大概长这样
locate =['合肥市', '阜阳市', '亳州市', '安庆市', '马鞍山市', '铜陵市', '六安市', '滁州市', '池州市','蚌埠市','芜湖市','宿州市','宣城市','淮北市','淮南市','黄山市']`
data =['115','105','72','66','30','22','41','11','11','88','27','27','5','22','14','9']
这也是接触到的需要绘制地图的数据格式，两个list，一个是地名，一个是每个城市对应的数据，现在执行以下代码就可以得到安徽省的疫情地图。
list1 = [[locate[i],data[i]] for i in range(len(locate))] #首先创建数据
map_1 = Map(init_opts=opts.InitOpts(width="400px", height="460px")) #创建地图，其中括号内可以调整大小，也可以修改主题颜色。
map_1.add("安徽疫情", list1, maptype="安徽") #添加安徽地图
map_1.set_global_opts( #设置全局配置项#title_opts=opts.TitleOpts(title="安徽疫情"), 添加标题
visualmap_opts=opts.VisualMapOpts(max_=120, is_piecewise=True),#最大数据范围 并且使用分段
legend_opts=opts.LegendOpts(is_show=False), #是否显示图例
)
map_1.render_notebook() #直接在notebook中显示# map_1.render('map1.html') 将地图以html形式保存在工作目录下
当然地图还有很多可以自定义的配置项，选择需要的配置项添加到对应的函数中即可。
# 数据项 (坐标点名称，坐标点值)
data_pair: Sequence,
# 地图类型，具体参考 pyecharts.datasets.map_filenames.json 文件
maptype: str = "china",
# 是否选中图例
is_selected: bool = True,
# 是否开启鼠标缩放和平移漫游。
is_roam: bool = True,
# 当前视角的中心点，用经纬度表示
center: Optional[Sequence] = None,
# 当前视角的缩放比例。
zoom: Optional[Numeric] = 1,
# 自定义地区的名称映射
name_map: Optional[dict] = None,
# 标记图形形状
symbol: Optional[str] = None,
# 是否显示标记图形
is_map_symbol_show: bool = True,
# 标签配置项，参考 `series_options.LabelOpts`
label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
# 提示框组件配置项，参考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
# 图元样式配置项，参考 `series_options.ItemStyleOpts`
itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
# 高亮标签配置项，参考 `series_options.LabelOpts`
emphasis_label_opts: Union[opts.LabelOpts, dict, None] = None,
# 高亮图元样式配置项，参考 `series_options.ItemStyleOpts`
emphasis_itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
饼图
最简单的一个饼图
from pyecharts.faker import Faker #导入官方数据示例包
c = (
Pie() #创建一个饼图 ()里面可以添加配置项
.add("", [list(z) for z in zip(Faker.choose(), Faker.values())]) #添加数据
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-基本示例")) #全局配置项
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) #图形配置项 配置标签
)
c.render_notebook() #展示图饼图的更多配置项# 系列名称，用于 tooltip 的显示，legend 的图例筛选。
series_name: str,
# 系列数据项，格式为 [(key1, value1), (key2, value2)]
data_pair: Sequence,
# 系列 label 颜色
color: Optional[str] = None,
# 饼图的半径，数组的第一项是内半径，第二项是外半径# 默认设置成百分比，相对于容器高宽中较小的一项的一半
radius: Optional[Sequence] = None,
# 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标# 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度
center: Optional[Sequence] = None,
# 是否展示成南丁格尔图，通过半径区分数据大小，有'radius'和'area'两种模式。# radius：扇区圆心角展现数据的百分比，半径展现数据的大小# area：所有扇区圆心角相同，仅通过半径展现数据大小
rosetype: Optional[str] = None,
# 饼图的扇区是否是顺时针排布。
is_clockwise: bool = True,
# 标签配置项，参考 `series_options.LabelOpts`
label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
# 提示框组件配置项，参考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
# 图元样式配置项，参考 `series_options.ItemStyleOpts`
itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
继续使用地图里的数据绘制饼图，现在想看安徽各地区疫情分布比，就可以考虑使用饼图（玫瑰图）。详细代码
map_2 = (
Pie(init_opts=opts.InitOpts(width="600px", height="500px")) 创建一个饼图
.add(
"", #图名
[[locate[i],data[i]] for i in range(len(locate))], #添加数据
radius=["40%", "75%"], # 调整半径
)
.set_global_opts(
legend_opts=opts.LegendOpts(
orient="vertical", pos_top="10%", pos_left="88%"#图例设置
),
)
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) #设置标签
)
map_2.render_notebook() #直接在notebook中显示#map_2.render('map2.html') #保存到本地柱状图demo
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values()) #数据配置
.add_yaxis("商家B", Faker.values()) #数据配置
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题")) #全局配置标题
)
c.render_notebook()
通过添加配置项可以调整标题、图例、粗细、位置、背景图等等# 系列数据
yaxis_data: Sequence[Numeric, opts.BarItem, dict],
# 是否选中图例
is_selected: bool = True,
# 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。
xaxis_index: Optional[Numeric] = None,
# 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。
yaxis_index: Optional[Numeric] = None,
# 系列 label 颜色
color: Optional[str] = None,
# 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。
stack: Optional[str] = None,
# 同一系列的柱间距离，默认为类目间距的 20%，可设固定值
category_gap: Union[Numeric, str] = "20%",
# 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。# 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。
gap: Optional[str] = None,
# 标签配置项，参考 `series_options.LabelOpts`
label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
# 标记点配置项，参考 `series_options.MarkPointOpts`
markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
# 标记线配置项，参考 `series_options.MarkLineOpts`
markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
# 提示框组件配置项，参考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
# 图元样式配置项，参考 `series_options.ItemStyleOpts`
itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
同一图层绘制多图
如果想要同时叠加绘制图形可以采用参考以下方法
def two_pic() -> Bar:
x = Faker.choose() #选择数据
bar = ( #先绘制bar
Bar()
.add_xaxis(x)
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Overlap-line+scatter"))
)
line = ( #再添加line
Line()
.add_xaxis(x)
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
)
bar.overlap(line)
return bar
two_pic().render_notebook()
总结使用新版pyecharts并不难，基本套路都和上面一样，只要先学会画图套路，再多读官方文档就可以。
2280
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
