Python数据可视化（三）（pyecharts）

分享一些python-pyecharts作图小技巧，用于展示汇报。

一、特点

• 任何元素皆可配置
• pyecharts只支持python原生的数据类型，包括int,float,str,bool,dict,list
• 动态展示，炫酷的效果，给人视觉冲击力

# 安装
pip install pyecharts 

from pyecharts import options as opts #全局配置
from pyecharts.globals import ThemeType # 主题

chart.render('idx_name_Completion%.html') #保存为网页，可进一步嵌入到ppt
chart.render_notebook() #直接查看结果

二、常用图形
（1）漏斗图
功能：用于呈现不同阶段数据流变化的情况
示例代码：

from pyecharts.charts import Funnel
x=['visit','shoppingcar','order','pay','done']
y=[1000,890,500,300,280]
data=[i for i in zip(x,y)]
chart=Funnel()
chart.add(series_name='headcount'
          ,data_pair=data
          ,sort_='ascending',gap=15
          ,label_opts=opts.LabelOpts(is_show=True,position='inside')
          ,tooltip_opts=opts.TooltipOpts(trigger='item',formatter='{a}:{c}')
         )

chart.set_global_opts(
                    title_opts=opts.TitleOpts(title='e_buy_funnle',pos_left='left')
                    ,legend_opts=opts.LegendOpts(is_show=False)
                    )
chart.render('e_buy_funnle.html')

（2）散点图（带有涟漪效果）
功能：同时比较2个指标的数据比较
示例代码：

from pyecharts.charts import EffectScatter

x=[28,16,34,25,35,46,20,40] # data['x'].tolist()
y=[45,25,78,46,18,35,94,27] # data['y'].tolist()

chart=EffectScatter()
chart.add_xaxis(x)
chart.add_yaxis(
                series_name='age,shopping($)'
                ,y_axis=y
                ,label_opts=opts.LabelOpts(is_show=False)
                ,symbol_size=15
                )
chart.set_global_opts(
                    title_opts=opts.TitleOpts(title='salse-scatter')
                    ,yaxis_opts=opts.AxisOpts(type_='value',name='shopping($)',name_location='middle',name_gap=40)
                    ,xaxis_opts=opts.AxisOpts(type_='value',name='age',name_location='middle',name_gap=40)
                    ,tooltip_opts=opts.TooltipOpts(trigger='item',formatter='{a}:{c}')
                    )
chart.render('lianyi-scatter.html')

（3）水球图
功能：适用于展示单个或多个百分数
示例代码：

from pyecharts.charts import Liquid

a=68
t=100
chart=Liquid()
chart.add(
        series_name='productA'
        ,data=[a/t]
        ,shape='circle'  # 改变形状，如圆形、矩形rect、箭头pin等
        )
chart.set_global_opts(
                    title_opts=opts.TitleOpts(title='sales',pos_left='center')
                    )
chart.render('sales.html')

from pyecharts.charts import Liquid

a=68
b=120
c=37
t=100
chart=Liquid()

chart.set_global_opts(
                    title_opts=opts.TitleOpts(title='sales',pos_left='center')
                    )
chart.add(
        series_name='productA'
        ,data=[a/t]
        ,center=['20%','50%'] # 指定水球中心点在图表中的位置
        )
chart.add(
        series_name='productB'
        ,data=[b/t]
        ,center=['50%','50%']
        )
chart.add(
        series_name='productC'
        ,data=[c/t]
        ,center=['80%','50%']
        )
chart.render('sales-2.html')

（4）仪表盘
功能：适用于展示单个或多个百分比
示例代码：

from pyecharts.charts import Gauge

chart=Gauge()
chart.add(
        series_name='idx_name'
        ,data_pair=[('Completion%','62.25')]
        ,split_number=10 #平均分割段数
        ,radius='50%' # 设置仪表盘半径
        ,title_label_opts=opts.LabelOpts(font_size=20,color='red',font_family='Microsoft YaHei')
        )
chart.set_global_opts(
        tooltip_opts=opts.TooltipOpts(is_show=True,formatter='{a}
{b}:{c}%')  # a = idx_name,b=done%,c=62.25,
表示换行
        ,legend_opts=opts.LegendOpts(is_show=False)
                    )

chart.render('idx_name_Completion%.html')
chart.render_notebook()

（5）词云图
功能：展示关键词频数的图表
示例代码：

from pyecharts.charts import WordCloud

#data=pd.read_excel('')
name=['流浪地球2','满江红','熊出没','无名','英雄'] #data['movies']
value=[1000,1200,500,300,280] #data['ticket']
data1=[z for z in zip(name,value)]
chart=WordCloud()
chart.add('ticket',data_pair=data1,word_size_range=[6,20],shape='diamond') # shape可改变词云图的外形轮廓

chart.set_global_opts(
                    title_opts=opts.TitleOpts(title='ticket analysis',title_textstyle_opts=opts.TextStyleOpts(font_size=30)) 
                     ,tooltip_opts=opts.TooltipOpts(is_show=True)
                    )
chart.render('ticket-wordcount.html')

三、嵌入到ppt

具体方法参考：https://blog.csdn.net/zjkpy_5/article/details/123264097

参考《Python爬虫、数据分析与可视化——从入门到精通》，感谢原作者。