Python可视化神器——pyecharts的超详细使用指南！

LibraryPKU 2018-09-29

展开全文

加入人工智能技术社区！

源 | 机器之心文 | wengJJ

pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你阐述pyecharts的使用细则

前言

我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyecharts，下面就来简述下pyecharts一些使用细则：

安装

写这篇文章用的是Win环境，首先打开命令行(win+R),输入：

pip install pyecharts

但笔者实测时发现，由于墙的原因，下载时会出现断线和速度过慢的问题导致下载失败，所以建议通过清华镜像来进行下载：

pip install -i https://pypi.tuna./simple pyecharts

出现上方的信息，即代表下载成功，我们可以来进行下一步的实验了！

使用实例

使用之前我们要强调一点：就是python2.x和python3.x的编码问题，在python3.x中你可以把它看做默认是unicode编码，但在python2.x中并不是默认的，原因就在它的bytes对象定义的混乱，而pycharts是使用unicode编码来处理字符串和文件的，所以当你使用的是python2.x时，请务必在上方插入此代码：

from __future__ import unicode_literals

现在我们来开始正式使用pycharts，这里我们直接使用官方的数据：

柱状图-Bar

//导入柱状图-Barfrom pyecharts import Bar//设置行名columns = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']//设置数据data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]//设置柱状图的主标题与副标题bar = Bar('柱状图', '一年的降水量与蒸发量')//添加柱状图的数据及配置项bar.add('降水量', columns, data1, mark_line=['average'], mark_point=['max', 'min'])bar.add('蒸发量', columns, data2, mark_line=['average'], mark_point=['max', 'min'])//生成本地文件（默认为.html文件）bar.render()

运行结果如下：

简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的，在这里还是要安利一下jupyter，pyecharts在v0.1.9.2版本开始，在jupyter上直接调用实例（例如上方直接调用bar）就可以将图表直接表示出来，非常方便。

笔者数了数，目前pyecharts上的图表大概支持到二十多种，接下来，我们再用上方的数据来生成几个数据挖掘常用的图表示例：

饼图-Pie

//导入饼图Piefrom pyecharts import Pie//设置主标题与副标题，标题设置居中，设置宽度为900pie = Pie('饼状图', '一年的降水量与蒸发量',title_pos='center',width=900)//加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示pie.add('降水量', columns, data1 ,center=[25,50],is_legend_show=False)//加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签pie.add('蒸发量', columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)//保存图表pie.render()

箱体图-Boxplot

//导入箱型图Boxplotfrom pyecharts import Boxplot boxplot = Boxplot('箱形图', '一年的降水量与蒸发量')x_axis = ['降水量','蒸发量']y_axis = [data1,data2]//prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]yaxis = boxplot.prepare_data(y_axis) boxplot.add('天气统计', x_axis, _yaxis)boxplot.render()

折线图-Line

from pyecharts import Lineline = Line('折线图','一年的降水量与蒸发量')//is_label_show是设置上方数据是否显示line.add('降水量', columns, data1, is_label_show=True)line.add('蒸发量', columns, data2, is_label_show=True)line.render()

雷达图-Rader

from pyecharts import Radarradar = Radar('雷达图', '一年的降水量与蒸发量')//由于雷达图传入的数据得为多维数据，所以这里需要做一下处理radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]]radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]]//设置column的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同schema = [ ('Jan', 5), ('Feb',10), ('Mar', 10), ('Apr', 50), ('May', 50), ('Jun', 200), ('Jul', 200), ('Aug', 200), ('Sep', 50), ('Oct', 50), ('Nov', 10), ('Dec', 5)]//传入坐标radar.config(schema)radar.add('降水量',radar_data1)//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色radar.add('蒸发量',radar_data2,item_color='#1C86EE')radar.render()

散点图-scatter

from pyecharts import Scatterscatter = Scatter('散点图', '一年的降水量与蒸发量')//xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置scatter.add('降水量与蒸发量的散点分布', data1,data2,xaxis_name='降水量',yaxis_name='蒸发量', yaxis_name_gap=40)scatter.render()

图表布局 Grid

由于标题与图表是属于两个不同的控件，所以这里必须对下方的图表Line进行标题位置设置，否则会出现标题重叠的bug。

from pyecharts import Grid//设置折线图标题位置line = Line('折线图','一年的降水量与蒸发量',title_top='45%')line.add('降水量', columns, data1, is_label_show=True)line.add('蒸发量', columns, data2, is_label_show=True)grid = Grid()//设置两个图表的相对位置grid.add(bar, grid_bottom='60%')grid.add(line, grid_top='60%')grid.render()

from pyecharts import Overlapoverlap = Overlap()bar = Bar('柱状图-折线图合并', '一年的降水量与蒸发量')bar.add('降水量', columns, data1, mark_point=['max', 'min'])bar.add('蒸发量', columns, data2, mark_point=['max', 'min'])overlap.add(bar)overlap.add(line)overlap.render()