pyecharts绘图笔记（一）

pyecharts是干什么的

echarts 是百度开源的一个数据可视化 JS 库，主要用于数据可视化。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。pyecharts分为v0.5和v1两个版本，v0.5和v1两个版本并不兼容，v1是一个船新的版本，本文绘图均基于v1版本。

echarts官网： https://www.echartsjs.com/index.html
pyecharts官网：https://pyecharts.org/#/zh-cn/intro

pyecharts可以画什么图

• 基本图表
  Bar（柱状图/条形图） Bar3D（3D 柱状图）
  Boxplot（箱形图） EffectScatter（带有涟漪特效动画的散点图）
  Funnel（漏斗图） Gauge（仪表盘）Geo（地理坐标系）
  Graph（关系图） HeatMap（热力图） Kline（K线图）
  Line（折线/面积图） Line3D（3D 折线图） Liquid（水球图）
  Map（地图） Parallel（平行坐标系） Pie（饼图） Polar（极坐标系）
  Radar（雷达图） Sankey（桑基图） Scatter（散点图） Scatter3D（3D 散点图）
  ThemeRiver（主题河流图） WordCloud（词云图）
• 用来组合图的自定义模块
  Grid 类：并行显示多张图
  Overlap 类：结合不同类型图表叠加画在同张图上
  Page 类：同一网页按顺序展示多图
  Timeline 类：提供时间线轮播多张图
  
  上面列举出现的所有图形都在charts字模块下，我们利用如下代码就可以导入各自对应的图形类，并进行实例化

from pyecharts.charts import 函数名

pyecharts绘图基本流程

pyecharts中绘图有2种方式。

1. 普通方式

普通方式绘图即先用类实例化，然后继续用对象中的各种方法添加属性

2. 链式调用

链式调用就是在实例化时的时候同时用各种方法添加属性

普通方式

#柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [123, 153, 89, 107, 98, 23]
data2 = [56, 77, 93, 68, 45, 67]
bar=Bar()
bar.add_xaxis(cate)
bar.add_yaxis('电商渠道', data1)
bar.add_yaxis('门店', data2)
bar.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))
bar.render_notebook()

链式调用

#柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [123, 153, 89, 107, 98, 23]
data2 = [56, 77, 93, 68, 45, 67]
# 1.x版本支持链式调用
bar = (Bar()
       .add_xaxis(cate)
       .add_yaxis('电商渠道', data1)
       .add_yaxis('门店', data2)
       .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题"))
      )

bar.render_notebook()

pyecharts绘图参数

添加数据

像散点图、折线图等二维数据图形，它既有X轴，又有Y轴，所以我们要为X轴，Y轴分别添加数据。

.add_xaxis(xaxis_data=x)为X轴添加数据
.add_yaxis(series_name='', y_axis=y)为Y轴添加数据

像饼图、地图这样没有X轴、Y轴区分的图形，直接使用add()方法添加成对的数据即可

.add(series_name='', data_pair=[(i,j)for i,j in zip(lab,num)])

在添加数据时候，series_name参数是一个字符串，最终的作用是对应数据系列的名字，这个参数必须有，哪怕传递一个空字符串，否则会报错。

设置全局配置

画完图需要用全局配置项，进行图形参数的调节与设置。全局配置项可通过调用set_global_options()方法进行设置，所有的全局配置项的使用，都是在options这个子模块下。

import pyecharts.options as opts

默认情况下图例配置项和提示框配置项是显示的，其他四个配置项默认情况下是不显示的，需要我们自己设置。
这部分涉及到的参数太多太杂，当你觉得某个图形需要怎么改的时候，一般肯定是有对应的参数进行处理的，这个时候你就需要去官网查！

显示及保存图表

保存html

.render(r"C:\Users\fff507\Desktop\test.html")
# 如果不指定路径，默认保存在当前工作环境目录下；

.render_notebook()
# 直接在notebook里显示；

保存图片

make_snapshot 用于 pyecharts 直接生成图片,根据渲染引擎的不同，有selenium, phantomjs 和 pyppeteer 三种方式

def make_snapshot(
    # 渲染引擎，可选 selenium 或者 phantomjs
    engine: Any,

    # 传入 HTML 文件路径
    file_name: str,

    # 输出图片路径
    output_name: str,

    # 延迟时间，避免图还没渲染完成就生成了图片，造成图片不完整
    delay: float = 2,

    # 像素比例，用于调节图片质量
    pixel_ratio: int = 2,

    # 渲染完图片是否删除原 HTML 文件
    is_remove_html: bool = False,

    # 浏览器类型，目前仅支持 Chrome, Safari，使用 snapshot-selenium 时有效
    browser: str = "Chrome",
    **kwargs,
)

下面以selenium为例（需要下载 browser driver）

#柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
#渲染图片
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
# 数据
cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
data2 = [510, 515, 505, 521, 530, 401,413]

# 1.x版本支持链式调用
bar = (Bar()
       .add_xaxis(cate)
       .add_yaxis('助力车', data1)
       .add_yaxis('单车', data2)
       .set_global_opts(title_opts=opts.TitleOpts(title="Bar-助力车单车骑行量对比", subtitle="副标题"))
      )
fig=bar.render()
make_snapshot(snapshot,fig, "bar0.png")

更多详见渲染图片

pyecharts绘图实例

柱状图

#柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False

# 数据
cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
data2 = [510, 515, 505, 521, 530, 401,413]

# 1.x版本支持链式调用
bar = (Bar()
       .add_xaxis(cate)
       .add_yaxis('助力车', data1)
       .add_yaxis('单车', data2)
       .set_global_opts(title_opts=opts.TitleOpts(title="Bar-助力车单车骑行量对比", subtitle="副标题"))
      )

bar.render_notebook()

带点标记和线标记

"""
系列配置项使用示例：
1. 不显示数值
2. 标记每个系列的最大值，最小值
3. 标记平均值
"""
bar = (Bar()
       .add_xaxis(cate)
       .add_yaxis('助力车', data1)
       .add_yaxis('单车', data2)
       .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                        markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),
                                                                opts.MarkPointItem(type_="min", name="最小值"),
                                                                ]),
                        markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average",name='平均值')]))
       .set_global_opts(title_opts=opts.TitleOpts(title="Bar-助力车单车骑行量对比", subtitle="副标题"))
      )

bar.render_notebook()

饼图

#饼图
from pyecharts.charts import Pie
from pyecharts import options as opts
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False

# 数据
cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
pie = (Pie()
       .add('骑行量', [list(z) for z in zip(cate, data)],
            radius=["30%", "75%"],
            rosetype="radius")
       .set_global_opts(title_opts=opts.TitleOpts(title="Pie-助力车", subtitle="副标题"))
       .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))
      )

pie.render_notebook()

折线图

#折线图
from pyecharts.charts import Line
from pyecharts import options as opts
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
# 数据
cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
data2 = [510, 515, 505, 521, 530, 401,413]
"""
折线图示例:
1. is_smooth 折线 OR 平滑
2. markline_opts 标记线 OR 标记点
"""
line = (Line()
       .add_xaxis(cate)
       .add_yaxis('助力车', data1, 
                  markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average",name='平均值')]))
       .add_yaxis('单车', data2, 
                  is_smooth=True, 
                  markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(name="标记点", 
                                                                             coord=[cate[2], data2[2]], value=data2[2])]),
                  markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average",name='平均值')]))
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-助力车vs单车", subtitle="副标题"))
      )

line.render_notebook()

热力图

#热力图
from pyecharts.charts import HeatMap
from pyecharts import options as opts
from pyecharts.faker import Faker
import random
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
# 数据
data = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heat = (HeatMap()
        .add_xaxis(Faker.clock)
        .add_yaxis("访客数", 
                   Faker.week, 
                   data,
                   label_opts=opts.LabelOpts(is_show=True, position="inside"))
        .set_global_opts(
            title_opts=opts.TitleOpts(title="HeatMap-基本示例", subtitle="我是副标题"),
            visualmap_opts=opts.VisualMapOpts(),
            legend_opts=opts.LegendOpts(is_show=False))
       )

heat.render_notebook()

漏斗图

#漏斗图
from pyecharts.charts import Funnel
from pyecharts import options as opts
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
# 数据
cate = ['访问', '注册', '加入购物车', '提交订单', '付款成功']
data = [30398, 15230, 10045, 8109, 5698]
"""
漏斗图示例：
1. sort_控制排序，默认降序；
2. 标签显示位置
"""
funnel = (Funnel()
          .add("用户数", [list(z) for z in zip(cate, data)], 
               sort_='ascending',
               label_opts=opts.LabelOpts(position="inside"))
          .set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例", subtitle="我是副标题"))
         )

funnel.render_notebook()

地理热力图

#地理热力图
from pyecharts import options as opts
from pyecharts.charts import Map
import random
#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
province = ['广东', '湖北', '湖南', '四川', '重庆', '黑龙江', '浙江', '山西', '河北', '安徽', '河南', '山东', '西藏']
data = [(i, random.randint(50, 150)) for i in province]
_map = (
        Map()
        .add("销售额", data, "china")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-基本示例"),
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(max_=200, is_piecewise=True),
        )
    )

_map.render_notebook()

组合图

#组合图
from pyecharts import options as opts
from pyecharts.charts import Map, Bar, Grid
from pyecharts.globals import ChartType, ThemeType
import random

cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
bar = (Bar()
       .add_xaxis(cate)
       .add_yaxis('骑行量', data1)
       .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                        markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),
                                                                opts.MarkPointItem(type_="min", name="最小值"),
                                                                ]))            
       .set_global_opts(
            title_opts=opts.TitleOpts(title="Grid-Bar")
        )
      )

line = (Line()
       .add_xaxis(cate)
       .add_yaxis('骑行量', data1, 
                  markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]))
       .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"))
      )

grid = (
        Grid()
        .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))
        .add(line, grid_opts=opts.GridOpts(pos_top="60%"))
    )

grid.render_notebook()

时间轴

#时间轴
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
from pyecharts import options as opts
from pyecharts.charts import Bar, Timeline
from pyecharts.globals import ThemeType

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
tl = Timeline()
for i in range(2015, 2020):
    bar = (
        Bar()
        .add_xaxis(cate)
        .add_yaxis("线上", [random.randint(50, 150) for _ in cate])
        .add_yaxis("门店", [random.randint(100, 200) for _ in cate])
        .set_global_opts(title_opts=opts.TitleOpts("手机品牌{}年营业额".format(i)))
    )
    tl.add(bar, "{}年".format(i))

tl.render_notebook()

主题设置

pyecharts 内置提供了 10+ 种不同的风格
默认设置是ThemeType.WHITE风格

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
Bar()
# 等价于 下面
Bar(init_opts=opts.InitOpts(theme=ThemeType.WHITE))

还有
ThemeType.LIGHT
ThemeType.DARK
ThemeType.CHALK
ThemeType.ESSOS
ThemeType.INFOGRAPHIC
ThemeType.MACARONS
ThemeType.ROMANTIC 等风格，还可以自己定义风格，更多见官网

以下是ThemeType.ROMANTIC风格示例

#主题设置
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

#去掉警告信息
import pyecharts
pyecharts.globals._WarningControl.ShowWarning = False
# 数据
cate = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday','Sunday']
data1 = [600, 620, 615, 605, 630, 510,523]
data2 = [510, 515, 505, 521, 530, 401,413]
"""
主题设置：
默认white
"""
bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC))
       .add_xaxis(cate)
       .add_yaxis('助力车', data1)
       .add_yaxis('单车', data2)
       .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                        markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),]))
       .set_global_opts(title_opts=opts.TitleOpts(title="Bar-助力车单车骑行量对比", subtitle="Theme-ROMANTIC"))
      )

bar.render_notebook()

更多详见定制主题

参考资料

• pyecharts官网
• 想搞懂pyecharts可视化？10分钟你信不信？
• 超详细Pyecharts 1.x 教程，让你的图表动起来～
• Python：数据可视化pyecharts的使用
• pyecharts–雷达图