Pyecharts学习记录day_01_各类图的作用和Pyecharts常用模块介绍

    • 1 Pyecharts库简介
    • 2 Pyecharts常用模块介绍
      • 2.1 pyecharts.faker(伪造数据生成器)
      • 2.2 pyecharts.charts(各类图表模块)
      • 2.3 pyecharts.globals(设置图表的主样式等)
      • 2.4 pyecharts.options(设置绘图大小,样式等等)
      • 2.5 pyecharts.commons(设置背景色、渲染等)
    • 3 小结

# 只需 shift+回车 运行本单元格,就可以让jupyter notebook宽屏显示
from IPython.core.display import display, HTML
display(HTML(''))

1 Pyecharts库简介

  • Echarts 是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,得到了许多人的认可。Pyecharts是Python将Echarts结合起来的强大的数据可视化库。
  • 学习途径:官方中文文档链接、官方实例
  • 安装方法(我的版本是1.7.1,这里加了清华源):pip install pyecharts==1.7.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • pyecharts 可以生成独立的网页,也可以在 flask , Django 中集成使用。

各类表以及适用场景

图表类型 适用场景
散点图  适用于大量数据中寻找规律,如回归分析中,常用于比较跨类别的聚合数据
折线图  观察一个或者多个数据指标连续变化的趋势,显示随时间而变化的连续数据,所有值数据沿垂直轴均匀分布
柱状图  展示多个分类的数据变化和同类别各变量之间的比较情况,适用于较小的数据集
柱线图  柱状图和折线图在同一个图表展现数据,同时展现出两类数据的特点
箱形图  利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法,
热力图  通过密度函数进行可视化用于点的密度的热图,能够缩放点的密度,热力图适合用于交通出行等
饼状图  饼状图常用于统计学模型,反映各组成数据之间的比例
树图  层次化数据的可视化方法,把目的与需要采取的措施或手段,并绘制成图,寻找最佳手段或措施
词云图  文本中出现频率较高的词以视觉化的展现,词云图过滤掉大量的低频低质的文本信息,使其一目了然
地理数据图  将数据信息结合具体的坐标展示在地图上,如最近网上疫情地图,以直观反映出各地区的情况

2 Pyecharts常用模块介绍

2.1 pyecharts.faker(伪造数据生成器)

# 导入库
from pyecharts.faker import Faker
# dir(name)获取name模块的属性列表,并从列表中截取可获得随机数据
dataset_name_list = dir(Faker)[-21:]
print("显示前5个:",dataset_name_list[:5])
显示前5个: ['animal', 'cars', 'choose', 'clock', 'clothes']
# 如我们想获取伪造的animal的数据可通过下面的代码实现
animal = Faker.animal
values = Faker.values(1,20)
a = dict()
for i in range(len(animal)):
    a[animal[i]] = values[i]
print(a)
{'河马': 7, '蟒蛇': 3, '老虎': 5, '大象': 15, '兔子': 9, '熊猫': 16, '狮子': 5}

2.2 pyecharts.charts(各类图表模块)

import pyecharts.charts as pe
# 通过dir()查看模块内的图有哪些,这里只显示了5个
dir(pe)[:5]
['BMap', 'Bar', 'Bar3D', 'Boxplot', 'Calendar']
# 如果我们需要绘制Bar图(柱状图,条形图),通过以下方法调用
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
    Bar()
    .add_xaxis(Faker.choose())
    .add_yaxis("A", Faker.values())
    .add_yaxis("B", Faker.values())
    )
c.render_notebook()

Pyecharts学习记录day_01_各类图的作用和Pyecharts常用模块介绍_第1张图片

2.3 pyecharts.globals(设置图表的主样式等)

from pyecharts.globals import ThemeType
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
    Bar({
     "theme":ThemeType.MACARONS})
    .add_xaxis(Faker.choose())
    .add_yaxis("A", Faker.values())
    .add_yaxis("B", Faker.values())
    )
c.render_notebook()

Pyecharts学习记录day_01_各类图的作用和Pyecharts常用模块介绍_第2张图片

# 通过dir()可以看到有16种样式
dir(ThemeType)[:16]
['BUILTIN_THEMES',
 'CHALK',
 'DARK',
 'ESSOS',
 'INFOGRAPHIC',
 'LIGHT',
 'MACARONS',
 'PURPLE_PASSION',
 'ROMA',
 'ROMANTIC',
 'SHINE',
 'VINTAGE',
 'WALDEN',
 'WESTEROS',
 'WHITE',
 'WONDERLAND']

2.4 pyecharts.options(设置绘图大小,样式等等)

from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
    Bar(init_opts=opts.InitOpts(width="900px",height="500px",theme=ThemeType.CHALK))
    .add_xaxis(Faker.choose())
    .add_yaxis("图例1", Faker.values())
    .add_yaxis("图例2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts("标题"))
    )
c.render_notebook()

Pyecharts学习记录day_01_各类图的作用和Pyecharts常用模块介绍_第3张图片

2.5 pyecharts.commons(设置背景色、渲染等)

from pyecharts.commons.utils import JsCode
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar
from pyecharts.faker import Faker
# 这句暂时不太懂,从官网复制过来的
background_color_js = (
    "new echarts.graphic.LinearGradient(0, 0, 0, 1, "
    "[{offset: 0, color: '#c86589'}, {offset: 1, color: '#06a7ff'}], false)"
)
c = (
    Bar(init_opts=opts.InitOpts(width="900px",height="500px",theme=ThemeType.CHALK,bg_color=JsCode(background_color_js)))
    .add_xaxis(Faker.choose())
    .add_yaxis("图例1", Faker.values())
    .add_yaxis("图例2", Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts("标题"))
    )
c.render_notebook()

Pyecharts学习记录day_01_各类图的作用和Pyecharts常用模块介绍_第4张图片

3 小结

之所以学习Pyecharts,是因为我认为绘图十分炫酷,而且是交互式,还可以用于Django等Web开发框架。以上常用模块和代码均参考官网,从官网的实例来看,外部调用的主要来自这5个模块,今天是正式学习Pyecharts第一天,还不是很了解,明天继续加油。

你可能感兴趣的:(数据可视化,可视化,python,Pyecharts)