Python如何使用pyecharts控件繪制圖表

這篇文章主要介紹“Python如何使用pyecharts控件繪制圖表”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Python如何使用pyecharts控件繪制圖表”文章能幫助大家解決問題。

一、Echarts簡介

Echarts 是一個由百度開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用于數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

分v0.5.x 和 V1 間不兼容，導致很多代碼不可復用，舊版本將不再維護。

1、特性

• 簡潔的 API 設計，使用如絲滑般流暢，支持鏈式調用

• 囊括了 30+ 種常見圖表，應有盡有

• 支持主流 Notebook 環境，Jupyter Notebook 和 JupyterLab

• 可輕松集成至 Flask，Sanic，Django 等主流 Web 框架

• 高度靈活的配置項，可輕松搭配出精美的圖表

• 詳細的文檔和示例，幫助開發者更快的上手項目

• 多達 400+ 地圖文件，并且支持原生百度地圖，為地理數據可視化提供強有力的支持

2、相關資源：

• 官網

• 項目地址

• 中文文檔（含5分鐘入門教程）

• English Documentation

• 示例 Example

二、使用

現在我們來開始正式使用pycharts，這里我們直接使用官方的數據：

1、柱狀圖-Bar

//導入柱狀圖-Bar
from pyecharts import Bar
//設置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
//設置數據
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]
//設置柱狀圖的主標題與副標題
bar = Bar("柱狀圖", "一年的降水量與蒸發量")
//添加柱狀圖的數據及配置項
bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])
bar.add("蒸發量", columns, data2, mark_line=["average"], mark_point=["max", "min"])
//生成本地文件（默認為.html文件）
bar.render()

簡單的幾行代碼就可以將數據進行非常好看的可視化，而且還是動態的，在這里還是要安利一下jupyter，pyecharts在v0.1.9.2版本開始，在jupyter上直接調用實例（例如上方直接調用bar）就可以將圖表直接表示出來，非常方便。

筆者數了數，目前pyecharts上的圖表大概支持到二十多種，接下來，我們再用上方的數據來生成幾個數據挖掘常用的圖表示例：

2、餅圖-Pie

//導入餅圖Pie
from pyecharts import Pie
//設置主標題與副標題，標題設置居中，設置寬度為900
pie = Pie("餅狀圖", "一年的降水量與蒸發量",title_pos='center',width=900)
//加入數據，設置坐標位置為【25，50】，上方的colums選項取消顯示
pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)
//加入數據，設置坐標位置為【75，50】，上方的colums選項取消顯示，顯示label標簽
pie.add("蒸發量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)
//保存圖表
pie.render()

3、箱體圖-Boxplot

//導入箱型圖Boxplot
from pyecharts import Boxplot 
boxplot = Boxplot("箱形圖", "一年的降水量與蒸發量")
x_axis = ['降水量','蒸發量']
y_axis = [data1,data2]
//prepare_data方法可以將數據轉為嵌套的 [min, Q1, median (or Q2), Q3, max]
yaxis = boxplot.prepare_data(y_axis) 
boxplot.add("天氣統計", x_axis, _yaxis)
boxplot.render()

4、折線圖-Line

from pyecharts import Line
line = Line("折線圖","一年的降水量與蒸發量")
//is_label_show是設置上方數據是否顯示
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸發量", columns, data2, is_label_show=True)
line.render()

5、雷達圖-Rader

from pyecharts import Radar
radar = Radar("雷達圖", "一年的降水量與蒸發量")
//由于雷達圖傳入的數據得為多維數據，所以這里需要做一下處理
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]]
//設置column的最大值，為了雷達圖更為直觀，這里的月份最大值設置有所不同
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)
]
//傳入坐標
radar.config(schema)
radar.add("降水量",radar_data1)
//一般默認為同一種顏色，這里為了便于區分，需要設置item的顏色
radar.add("蒸發量",radar_data2,item_color="#1C86EE")
radar.render()

6、散點圖-scatter

from pyecharts import Scatter
scatter = Scatter("散點圖", "一年的降水量與蒸發量")
//xais_name是設置橫坐標名稱，這里由于顯示問題，還需要將y軸名稱與y軸的距離進行設置
scatter.add("降水量與蒸發量的散點分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸發量",
 yaxis_name_gap=40)
scatter.render()

7、圖表布局 Grid

由于標題與圖表是屬于兩個不同的控件，所以這里必須對下方的圖表Line進行標題位置設置，否則會出現標題重疊的bug。

from pyecharts import Grid
//設置折線圖標題位置
line = Line("折線圖","一年的降水量與蒸發量",title_top="45%")
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸發量", columns, data2, is_label_show=True)
grid = Grid()
//設置兩個圖表的相對位置
grid.add(bar, grid_bottom="60%")
grid.add(line, grid_top="60%")
grid.render()

from pyecharts import Overlap
overlap = Overlap()
bar = Bar("柱狀圖-折線圖合并", "一年的降水量與蒸發量")
bar.add("降水量", columns, data1, mark_point=["max", "min"])
bar.add("蒸發量", columns, data2, mark_point=["max", "min"])
overlap.add(bar)
overlap.add(line)
overlap.render()

關于“Python如何使用pyecharts控件繪制圖表”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。