手把手教你用pycharts绘制各种图（常做报表可视化的同学请进）

使用pycharts绘制各种图

安装pycharts使用 pip install pycharts==1.9.0

建议使用jupyter notebook
本图代码参考自官网，仅供学习使用

• 柱状图1

  #数据可视化库,需要使用pip install pyecharts
  #官网： http://pyecharts.org/#/
  import pandas as pd
  from pyecharts.charts import Bar
  bar = Bar()
  #pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组
  # Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表
  bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫"])
  bar.add_yaxis("商家A", [5, 20, 36])
  # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
  # 也可以传入路径参数，如 bar.render("mycharts.html")
  # bar.render() 会渲染到本地的一个html页面上
  bar.render_notebook() #渲染到当前的页面上
  

• 柱状图2

  s = pd.Series([20,100,30,200,100],index=['a','b','c','d','e'])
  # s.index
  # s.values
  # 可以调用tolist()方法，将Numpy的数组，Series转为列表
  # s.index.tolist()
  s.values.tolist()
  

  from pyecharts.charts import Bar
  from pyecharts import options as opts
  bar = (
       Bar()
       .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
       .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
       .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
  )
  bar.render_notebook()
  

• 柱状图3

  from pyecharts.charts import Bar
  bar = Bar()
  #pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组
  # Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表
  bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫",'牛仔裤'])
  bar.add_yaxis("商家A",[5,20,36,42])
  bar.add_yaxis("商家B",[5,12,40,37])
  # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
  # 也可以传入路径参数，如 bar.render("mycharts.html")
  # bar.render() 会渲染到本地的一个html页面上
  bar.render_notebook() #渲染到当前的页面上
  

• 堆叠图

  #堆叠图
  from pyecharts.charts import Bar
  from pyecharts import options as opts
  bar = Bar()
  #pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组
  # Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表
  bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫",'牛仔裤','连衣裙','背心','围巾'])
  bar.add_yaxis("销售方甲",[5,20,36,42,38,26,37],stack='stack1')
  bar.add_yaxis("销售方乙",[5,12,40,37,29,12,39],stack='stack1')
  bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
  bar.set_global_opts(title_opts=opts.TitleOpts(title="柱状图数据堆叠图"))
  # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
  # 也可以传入路径参数，如 bar.render("mycharts.html")
  # bar.render() 会渲染到本地的一个html页面上
  bar.render_notebook() #渲染到当前的页面上
  

• 饼图

  #饼图示例
  # zip可以将两个列表打包在一起
  from pyecharts.charts import Pie
  from pyecharts import options as opts
  from pyecharts.charts import Page,Pie
  datas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))
  pie=Pie()
  pie.add('',datas)
  pie.set_global_opts(title_opts=opts.TitleOpts(title='Pie图'))
  pie.set_series_opts(label_opts=opts.LabelOpts(formatter=" {b}:{c} "))
  pie.render_notebook()
  

• 玫瑰图

  from pyecharts.charts import Pie
  from pyecharts import options as opts
  from pyecharts.charts import Page,Pie
  datas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))
  rosetype=Pie()
  rosetype.add("玫瑰图",datas,
               radius=["30%", "75%"],center=["25%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=False))
  rosetype.add("玫瑰图",datas,
               radius=["30%", "75%"],center=["75%", "50%"],rosetype="area")
  rosetype.set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图"))
  #对图表进行渲染输出
  rosetype.render_notebook()
  

from pyecharts.faker import Collector, Faker 
Faker.choose()
Faker.values()
print(Faker.choose(),Faker.values())

datas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))
datas

• 玫瑰图2

  #玫瑰图示例
  #调用函数形式
  #先导入要绘图的函数模组
  from pyecharts import options as opts
  from pyecharts.charts import Page, Pie
  from pyecharts.commons.utils import JsCode
  from pyecharts.faker import Collector, Faker
  #使用绘图函数对表进行设置，并设置表的各种参数
  def pie_rosetype() -> Pie:
      v = Faker.choose()
      c = (
          Pie()
          .add(
              "",
              [list(z) for z in zip(v, Faker.values())],
              radius=["30%", "75%"],
              center=["25%", "50%"],
              rosetype="radius",
              label_opts=opts.LabelOpts(is_show=False),
          )
          .add(
              "",
              [list(z) for z in zip(v, Faker.values())],
              radius=["30%", "75%"],
              center=["75%", "50%"],
              rosetype="area",
          )
          .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图"))
      )
      return c
  #调用函数，并对图表进行渲染输出
  figure=pie_rosetype()
  figure.render_notebook()
  

• 仪表盘

  from pyecharts import charts
  # 仪表盘
  gauge = charts.Gauge()
  gauge.add('Python使用小调查',[list(i) for i in zip(['好运来','张家乡','财神爷','赖某标','黄某强'],[38,42,24,37,59])])
  #[('English',85),('Chinese',90),('Math',98)])
  gauge.render_notebook()
  

• 折线图

  #折线图
  #调用函数形式
  import pyecharts.options as opts
  from pyecharts.faker import  Faker
  from pyecharts.charts import Line
  c=(
     Line()
     .add_xaxis(Faker.choose())
     .add_yaxis("商家A", Faker.values())
     .add_yaxis("商家B", Faker.values())
     .set_global_opts(title_opts=opts.TitleOpts(title="Line折线"))
     )
  c.render_notebook()
  

• 雷达图

  #雷达图
  from pyecharts import options as opts
  from pyecharts.charts import Page, Radar
  v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
  v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
  #-> Radar:
  def radar_base() -> Radar:
      c = (
          Radar()
          .add_schema(
              schema=[
                  opts.RadarIndicatorItem(name="销售", max_=6500),
                  opts.RadarIndicatorItem(name="管理", max_=16000),
                  opts.RadarIndicatorItem(name="信息技术", max_=30000),
                  opts.RadarIndicatorItem(name="客服", max_=38000),
                  opts.RadarIndicatorItem(name="研发", max_=52000),
                  opts.RadarIndicatorItem(name="市场", max_=25000),
              ]
          )
          .add("预算分配", v1)
          .add("实际开销", v2)
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(title_opts=opts.TitleOpts(title="Radar图"))
      )
      return c
  c=radar_base()
  c.render_notebook()
  

  

• 词云图

  #词云图
  #定义函数形式显示
  from pyecharts import options as opts
  from pyecharts.charts import Page, WordCloud
  from pyecharts.globals import SymbolType
  
  words = [("Sam S Club", 10000),("Macys", 6181),("Amy Schumer", 4386),("Jurassic World", 4055),
           ("Charter Communications", 2467),("Chick Fil A", 2244),("Planet Fitness", 1868),
           ("Pitch Perfect", 1484),("Express", 1112),("Home", 865),("Johnny Depp", 847),("Lena Dunham", 582)]
  def wordcloud_base() -> WordCloud:
      c = (
          WordCloud()
          .add("", words,word_size_range=[20, 100])
          .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例"))
      )
      return c
  c=wordcloud_base()
  c.render_notebook()
  

  

• 散点图

  from pyecharts.charts import Scatter
  scatter = Scatter()
  scatter.add_xaxis(['衬衫','羊毛衫', '雪纺衫', '裤子','高跟鞋','袜子'])
  scatter.add_yaxis('商家A',[5, 20, 36,10, 75, 90])
  scatter.set_global_opts(title_opts=opts.TitleOpts(title='Scatter-基本示例'))
  scatter.render_notebook()
  

• 利用Geo绘制地理坐标图表

  #利用Geo绘制地理坐标图表
  '''
  add_schema() ：控制地图类型、视角中心点等
  add()：添加图表名称、传入数据集、选择geo图类型、调整图例等
  set_series_opts() ：系列配置项，可配置图元样式、文字样式、标签样式、点线样式等
  set_global_opts() ： 全局配置项，可配置标题、动画、坐标轴、图例等
  render_notebook() ： 在notebook中渲染显示图表
  
  Geo()模块还有几个功能函数：
  add_coordinate() : 新增一个坐标点
  add_coordinate_json() ：以json形式新增多个坐标点
  get_coordinate() ：根据地点查询对应坐标
  '''
  #python的链式调用，使代码更加简洁
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  c = (
      Geo()
      .add_schema(maptype="china")
      .add("geo", [list(z) for z in zip(Faker.provinces, Faker.values())])
      .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
      .set_global_opts(
          visualmap_opts=opts.VisualMapOpts(),
          title_opts=opts.TitleOpts(title="Geo-基本示例"),
      )
  )
  c.render_notebook()
  

• 利用Geo绘制热力图表示

  #你可以更换数据展现形式，比如用热力图表示，只需在add()函数中添加参数：type_=ChartType.HEATMAP
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  c = (
      Geo()
      .add_schema(maptype="china")
      .add("geo", [list(z) for z in zip(['江苏','浙江','湖北','湖南','河南'], [22,34,27,100,42])],type_=ChartType.HEATMAP)
      .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
      .set_global_opts(
          visualmap_opts=opts.VisualMapOpts(),
          title_opts=opts.TitleOpts(title="全国各省xx数据分布"),
      )
  )
  c.render_notebook()
  

• 以北京作为底图，展示北京市各区县xx数据的分布

  #以北京作为底图，展示北京市各区县xx数据的分布。将函数add_schema(maptype="china")的maptype="china"修改为maptype="北京"
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  c = (
          Geo()
          .add_schema(maptype="北京")
          .add(
              "geo",
              [list(z) for z in zip(['大兴区','房山区','海淀区','朝阳区','东城区'], [150,100,300,200,500])],
              type_=ChartType.EFFECT_SCATTER,
          )
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(
              visualmap_opts=opts.VisualMapOpts(),
              title_opts=opts.TitleOpts(title="Geo-HeatMap"),
          )
      )
  
  c.render_notebook()
  

• 你可以修改地图的背景色

  #你可以修改地图的背景色，在函数add_schema()中添加参数itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111")，
  #颜色和边缘颜色可设任意色值。
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  c = (
          Geo()
          .add_schema(maptype="北京",
                     itemstyle_opts=opts.ItemStyleOpts(color="#383c48", border_color="#111"))
          .add(
              "geo",
              [list(z) for z in zip(['大兴区','房山区','海淀区','朝阳区','东城区'], [1500,10,300,20,5])],
          )
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(
              visualmap_opts=opts.VisualMapOpts(),
              title_opts=opts.TitleOpts(title="北京市各区县xx数据分布"),
          )
      )
  
  c.render_notebook()
  

• 地理空间流动图

  '''2、动态展示
  pyecharts可以生成地理空间流动图，用来表示航班数量、人口流动等等。
  下面以全国主要城市航班流动图为例（虚拟数据）：
  '''
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  c = (
          Geo()
          .add_schema(maptype="china")
          .add(
              "",
              [("深圳", 120), ("哈尔滨", 66), ("杭州", 77), ("重庆", 88), ("上海", 100), ("乌鲁木齐", 30),("北京", 30),("武汉",70),("南昌",48)],
              type_=ChartType.EFFECT_SCATTER,
              color="green",
          )
          .add(
              "geo",
              [("北京", "上海"), ("武汉", "深圳"),("重庆", "杭州"),
               ("南昌","北京"),("哈尔滨", "重庆"),("乌鲁木齐", "哈尔滨"),("深圳", "乌鲁木齐"),("武汉", "北京")],
              type_=ChartType.LINES,
              effect_opts=opts.EffectOpts(
                  symbol=SymbolType.ARROW, symbol_size=6, color="blue"
              ),
              linestyle_opts=opts.LineStyleOpts(curve=0.2),
          )
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(title_opts=opts.TitleOpts(title="全国主要城市航班路线和数量"))
      )
  c.render_notebook()
  

• 绘制地图

  #利用Map模块绘制地图
  #Map模块的使用方法和Geo类似，数据展现在地图上，首先导入相关库：
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  from pyecharts.charts import Map
  c = (
      Map()
      .add("省份地图", [list(z) for z in zip(['江苏','浙江','湖北','湖南','河南'], [22,100,27,53,42])], "china")
      .set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"),
      visualmap_opts=opts.VisualMapOpts(max_=200))
  )
  
  c.render_notebook()
  

• 世界地图

  #世界地图：
  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  from pyecharts.charts import Map
  c = (
          Map()
          .add("世界地图", [list(z) for z in zip(['China','Canada','Brazil','United States','Russia'], [22,100,27,53,42])], "world")
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(
              title_opts=opts.TitleOpts(title="Map-世界地图"),
              visualmap_opts=opts.VisualMapOpts(max_=200),
          )
      )
  
  c.render_notebook()
  

• 上海地图

  from pyecharts.faker import Collector, Faker
  from pyecharts import options as opts 
  from pyecharts.charts import Geo 
  from pyecharts.globals import ChartType, SymbolType
  from pyecharts.charts import Map
  c = (
          Map()
          .add("商家A", [list(z) for z in zip(['嘉定区','松江区','宝山区','浦东新区','奉贤区'], [22,100,27,53,42])], "上海")
          .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
          .set_global_opts(
              title_opts=opts.TitleOpts(title="Map-上海地图"),
              visualmap_opts=opts.VisualMapOpts(max_=200),
          )
      )
  c.render_notebook()
  

t Geo
from pyecharts.globals import ChartType, SymbolType
from pyecharts.charts import Map
c = (
Map()
.add(“商家A”, [list(z) for z in zip([‘嘉定区’,‘松江区’,‘宝山区’,‘浦东新区’,‘奉贤区’], [22,100,27,53,42])], “上海”)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title=“Map-上海地图”),
visualmap_opts=opts.VisualMapOpts(max_=200),
)
)
c.render_notebook()

![在这里插入图片描述](https://img-blog.csdnimg.cn/2021062017012474.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzQ5NTAxNDUz,size_16,color_FFFFFF,t_70)
更多图详见官网