【免费赠书】使用 pyechart 轻松玩转数据可视化

heii2 2018-09-15

展开全文

pyecharts库可绘制多种图形。利用Scatter方法可绘制散点图，代码如下：

import numpy as np
import pandas as pd
import pyecharts

x = [10, 20, 30, 40, 50,60]
y = [10, 20, 30, 40, 50,60]
scatter =pyecharts.Scatter('散点图示例')         #加入标题
scatter.add('A', x,y)                           #绘制散点图
scatter

pyecharts绘图的核心代码是add方法，该方法用于添加图表的数据和设置各种配置项。在scatter中，add函数的参数如下，其中，name为图例名称，后面依次为x轴和y轴，symbol_size为散点图大小，默认为10。

add(name, x_axis,y_axis,
    extra_data=None,
symbol_size=10, **kwargs)

绘制的散点图如图所示。

利用Visualmap组件，可以通过图形点大小映射数值，效果如图所示。代码如下：

x = [10, 20, 30, 40, 50,60]
y = [10, 20, 30, 40, 50,60]
scatter = pyecharts.Scatter('散点图示例')
scatter.add('A', x, y,is_visualmap=True,
            visual_type='size',visual_range_size=[10, 60])
scatter

折线图

利用Line方法可绘制折线图，代码如下：

years = [1950, 1960,1970, 1980, 1990, 2000, 2010]
gdp = [300.2, 543.3,1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
line =pyecharts.Line('折线图示例')
line.add('GDP',years, gdp, mark_point=['average'])        #标记平均值
line

下面给出line.add方法的参数。is_symbol_show显示标记图形；is_smooth显示平滑曲线；is_stack显示数据堆叠；is_step设置阶梯线图；is_fill绘制面积图，具体代码如下：

add(name, x_axis,y_axis,
    is_symbol_show=True,
    is_smooth=False,
    is_stack=False,
    is_step=False,
is_fill=False, **kwargs)

绘制的折线图如图所示。

下面给出通过设置is_step参数绘制阶梯图的代码，最终的效果如图所示

years = [1950, 1960,1970, 1980, 1990, 2000, 2010]
gdp = [300.2, 543.3,1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
line =pyecharts.Line('阶梯图')
line.add('GDP',years, gdp, is_step=True)
line

面给出通过设置is_fill参数绘制面积图的代码。其中，area_color为填充颜色，area_opacity为透明度，效果如图所示。

years = [1950, 1960,1970, 1980, 1990, 2000, 2010]
gdp = [300.2, 543.3,1075.9, 2862.5, 5979.6, 10289.7, 14958.3]
line =pyecharts.Line('面积图')
line.add('GDP', years, gdp, is_fill=True,area_color='#000',area_opacity=0.3)
line

柱状图

利用Bar方法可以绘制柱状图，代码如下：

data = [23, 85, 72, 43,52]
labels =['A','B','C','D','E']
bar =pyecharts.Bar('柱状图')
bar.add('one',labels, data)
bar

下面给出bar.add方法的参数。其中，is_stack为堆积柱状图；bar_category_gap为类目间的距离，值为0时则可以绘制直方图。

add(name, x_axis,y_axis,
    is_stack=False,
bar_category_gap='20%',**kwargs)

绘制的柱状图如图所示。

使用多个add方法可以绘制并列柱状图，效果如图所示。代码如下：

data1 = [23, 85, 72, 43,52]
data2 = [14, 35, 62, 41,19]
labels =['A','B','C','D','E']
bar =pyecharts.Bar('并列柱状图')
bar.add('one',labels, data1)
bar.add('two', labels,data2)
bar

通过设置is_stack参数可以绘制堆积柱状图，效果如图所示。代码如下：

data1 = [23, 85, 72, 43,52]
data2 = [14, 35, 62, 41,19]
labels =['A','B','C','D','E']
bar =pyecharts.Bar('堆积柱状图')
bar.add('one',labels, data1, is_stack=True)
bar.add('two', labels,data2, is_stack=True)
bar

通过设置is_convert参数可以绘制垂直柱状图，效果如图所示。代码如下：

data1 = [23, 85, 72, 43,52]
labels =['A','B','C','D','E']
bar =pyecharts.Bar('垂直柱状图')
bar.add('one',labels, data1, is_convert=True)
bar

通过设置mark_point和mark_line参数可以标记点和线，效果如图所示。代码如下：

data1 = [23, 85, 72, 43,52]
data2 = [14, 35, 62, 41,19]
labels =['A','B','C','D','E']
bar =pyecharts.Bar('标记点和线')
bar.add('one',labels, data1, mark_point=['average'])
bar.add('two', labels, data2, mark_point=['max'], mark_line=['min','max'])
bar

注意：全局变量mark_line要写入最后一个add方法中。

令bar_category_gap参数为0，可绘制直方图，效果如图所示。代码如下：

data = [23, 85, 72, 43,52, 67, 98, 76]
labels =['A','B','C','D','E','F','G','H']
bar =pyecharts.Bar('直方图')
bar.add('',labels, data, bar_category_gap=0)
bar

饼图

饼图用于表现不同类别的占比情况。利用Pie方法可绘制饼图，代码如下：

data = [45, 76, 35, 47,56]
labels = ['电脑','手机','冰箱','彩电','洗衣机']
pie = pyecharts.Pie('饼图')
pie.add('', labels, data,is_label_show=True)
pie

下面给出pie.add方法的参数。其中，radius为设置饼图半径，默认为[0,75]，第一项为内半径，第二项为外半径；center为设置饼图中心坐标，默认为[50,50]，第一项为横坐标，第二项为纵坐标；rosetype可以设置南丁格尔图（玫瑰图），有两种表现形式，分别为radius和area。

add(name, attr, value,
    radius=None,
    center=None,
   rosetype=None, **kwargs)

绘制的饼图如图所示。

设置radius参数为[40,75]，这样就有了内半径值，就可以绘制圆环图了，效果如图所示。代码如下：

data = [45, 76, 35, 47,56]
labels = ['电脑','手机','冰箱','彩电','洗衣机']
pie = pyecharts.Pie('圆环图')
pie.add('', labels,data, radius=[40,75], is_label_show=True)
pie

设置radius参数为[40,75]，这样就有了内半径值，就可以绘制圆环图了，效果如图所示。代码如下：

data = [45, 76, 35, 47,56]
labels = ['电脑','手机','冰箱','彩电','洗衣机']
pie = pyecharts.Pie('圆环图')
pie.add('', labels,data, radius=[40,75], is_label_show=True)
pie

通过设置center参数可以绘制多个饼图，这样就可以比较两种玫瑰图的区别。通过图可以看出，通过radius参数绘制的玫瑰图的圆心角不同，以此来显示其数据的百分比，玫瑰图的半径显示数据的数值大小；通过area参数绘制的玫瑰图的圆心角相同，仅通过半径大小来显示数据的区别。实现代码如下：

data= [45, 76, 35, 47, 56]
labels= ['电脑','手机','冰箱','彩电','洗衣机']
pie =pyecharts.Pie('玫瑰图')

pie.add('',labels, data, radius=[20,75], center=[25,50], 
        rosetype='radius')
pie.add('',labels, data, radius=[20,75], center=[75,50], 
        rosetype='area', is_label_show=True)
pie

箱线图

箱线图可显示一组数据的最大值、最小值、中位数、下四分位数及上四分位数，可以体现数据的分布规律。利用Boxplot方法可绘制饼图，其参数见下文。其中，x_axis为横坐标列表；y_axis为嵌套列表。每个列表为[min, Q1, median (or Q2), Q3, max]，该列表可通过内置的prepare_data方法转换。

add(name, x_axis, y_axis, **kwargs)

这里以Iris数据为例，首先读入数据，如图所示。

通过以下代码即可绘制箱线图，如图所示。

x =list(iris_data.columns[0:4])
y = [list(iris_data.sepal_length_cm),
    list(iris_data.sepal_width_cm),
    list(iris_data.petal_length_cm),
    list(iris_data.petal_width_cm)]      #构造y

boxplot =pyecharts.Boxplot('箱线图')
y_data =boxplot.prepare_data(y)      #数据转化
boxplot.add('', x,y_data)
boxplot