30分鐘學會pyecharts數據可視化

小紅：你先跟我說說什么是pyecharts吧。

?

小明：Echarts 是一個由百度開源的數據可視化javascript庫，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用于數據處理。當數據分析遇上數據可視化時，pyecharts誕生了。簡單地說，pyecharts就是百度開源的一個強大的javascript數據可視化庫Echarts的python接口。

?

小紅：明白，那這個pyecharts要怎么安裝呢？

?

小明：很簡單，用pip就可以安裝了。下面是在jupyter notebook中安裝這個庫的一個示范。

?

#?安裝pyecharts
!pip?install?pyecharts==0.5.11

#?pyecharts_snapshot?提供圖片導出功能
!pip?install?pyecharts_snapshot

??

一，基本圖表

?

小紅：好了，我已經安裝成功了。你可不可以給我舉一些常用圖表的范例。

?

小明：OK，在數據分析中最常用的3種圖表就是柱形圖，折線圖和散點圖了。下面我們就來看一下pyecharts繪制這3種常用圖表的范例吧。

?

1，柱形圖

??

柱形圖適合表現幾組數據之間的對比關系，柱形圖表現的數據的數量一般不宜太多，多了的話會像一堆雜草。

?

from??pyecharts?import?Bar

x?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋"]
y1?=?[5,?20,?36,?10,?75]
y2?=?[10,?25,?8,?60,?20]

bar?=?Bar(title?=?"產品月銷量",width?=?600,height?=?420)
bar.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1)
bar.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,is_xaxis_boundarygap?=True)

#?導出繪圖html文件，可直接用瀏覽器打開
bar.render('柱形圖示范.html')
bar

? ?

2，折線圖

?

折線圖適合描述兩個變量之間的函數關系，例如常用它來描述一個變量隨時間的變化趨勢。

?

from??pyecharts?import?Line

x?=?['2018-{:0>2d}'.format(s)?for?s?in?range(1,13)]
y1?=?[5,10,26,30,35,30,20,26,40,46,40,50]
y2?=?[8,20,24,36,40,36,40,45,50,53,48,58]

line?=?Line(title?=?"月銷售總額",width?=?600,height?=?420)

line.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1,
?????????line_width?=?3,line_color?=?'red')
line.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,
?????????yaxis_min?=?0,yaxis_max?=?100,is_xaxis_boundarygap?=?False,
?????????is_datazoom_show?=True,line_width?=?2,line_color?=?'cyan')

line.render('折線圖示范.html')
line

??

3，散點圖

散點圖適合表現大量樣本的多個屬性的分布規律。散點圖的每個點表示一個樣本，每個坐標維度表示一個屬性。

?

from?pyecharts?import?Scatter
import?pandas?as?pd?

dfboy?=?pd.DataFrame()
dfboy['weight']?=?[56,67,65,70,57,60,80,85,76,64]
dfboy['height']?=?[162,170,168,172,168,172,180,176,178,170]

dfgirl?=?pd.DataFrame()
dfgirl['weight']?=?[50,62,60,70,57,45,62,65,70,56]
dfgirl['height']?=?[155,162,165,170,166,158,160,170,172,165]

scatter?=?Scatter(title?=?"體格數據",width?=?600,height?=?420)
scatter.add(name?=?"boy",?x_axis?=?dfboy['weight'],?y_axis?=?dfboy['height'])
scatter.add(name?=?"girl",?x_axis?=?dfgirl['weight'],?y_axis?=?dfgirl['height'],
???????????yaxis_min?=?130,yaxis_max?=?200,xaxis_min?=?30,xaxis_max?=?100)

scatter.render("散點圖示范.html")

scatter

?

當樣本屬性維度多于2個時，散點圖可以使用點的顏色或大小等方式來表達更多屬性維度。下面示范使用點的大小表示第3個維度。

?

from?pyecharts?import?Scatter
import?pandas?as?pd?

def?custom_formatter(params):
????return?(params.value[3]?+?':'?+
?????????????str(params.value[0])?+','
?????????????+str(params.value[1])?+?','
?????????????+str(params.value[2]))

df?=?pd.DataFrame()
df['country']?=?["中國",'美國','德國','法國','英國','日本','俄羅斯','印度','澳大利亞','加拿大']
df['life-expectancy']?=?[76.9,79.1,81.1,81.9,81.4,83.5,73.13,66.8,81.8,81.7]
df['capita-gdp']?=?[13334,53354,44053,37599,38225,36162,23038,5903,44056,43294]
df['population']?=?[1376048943,321773631,80688545,64395345,64715810,126573481,143456918,
????????????????????1311050527,23968973,35939927]

scatter?=?Scatter(title?=?"各國發展水平",width?=?600,height?=?420)
scatter.add(name?=?'',
????????????x_axis?=?df['capita-gdp'],??#?params.values[0]
????????????y_axis?=?df['life-expectancy'],?#?params.values[1]
????????????extra_data?=?df['population'].values.tolist(),?#?params.values[2]
????????????extra_name?=?df['country'].values.tolist(),?#?params.values[3]
????????????tooltip_formatter=custom_formatter,??#自定義提示框格式內容
????????????is_visualmap=True,?
????????????visual_orient="horizontal",
????????????visual_type?=?'size',??#可以是size或者color
????????????visual_dimension=2,
????????????visual_range=[20000000,?1500000000],
???????????)
scatter

??

小紅：你上面說的這些范例大部分還是挺簡單的，可能這個用散點圖來顯示各個國家的發展水平的例子相對復雜一些，是不是如果有第3維數據就要用extra_data來傳入呢？然后用visual_dimension來指定用點的顏色或者點的大小表示的是第幾維的數據。這里的話，用點的大小表示了population也就是各個國家人口的多少。對嗎？

?

小明：一點也沒有錯，你可以仿照著這個例子試試用點的顏色來表示第3維度的數據，應該不難懂的。

?

小紅：棒棒的。除了這三種最常用圖表外。還有一些別的好用的表現力強的圖表可以推薦一些嗎?

?

小明：你還真是學而不厭。那我再給你演示一下箱型圖，詞云圖以及地理坐標系圖吧。

?

4，箱型圖

?

箱型圖適合表現一組數據的統計分布規律，它能顯示出一組數據的最大值、最小值、中位數、及上下四分位數。

箱型圖的進階版本是小提琴圖，可以展示數據的密度估計曲線，可以用seaborn畫出。

?

from?pyecharts?import?Boxplot

x?=['1班','2班','3班','4班']
y1=[78,?98,?56,?78,?90.0,?45,?78,?20,?87,?86,?74,?89,?94]
y2=[89,?82,?45,?67,?68,?78.0,?79,?98,?71,?56,?78,?81,?80]
y3=[90,?80,?60,?89,?76,?73.0,?72,?92,?89,?87,?65,?66,?76]
y4=[82,?72,?55,?100,?90.0,?78,?69,?67,?87,?66,?78,?71,?82]

box?=?Boxplot(title?=?'考試成績箱型圖',width?=?600,height?=?420)

#?預處理數據計算最大值，最小值，中位數以及上下四分位數
y_prepared?=?box.prepare_data([y1,y2,y3,y4])?
box.add(name?=?'',x_axis?=?x,y_axis?=?y_prepared)

?

附：用seaborn 進行小提琴圖的繪制

?

import?seaborn?as?sns
%matplotlib?inline
%config?InlineBackend.figure_format?=?'svg'

#設置風格
sns.set(style="white",?context="notebook")
#處理中文問題
sns.set_style({'font.sans-serif':['simhei',?'Arial']})?

dfdata?=?pd.DataFrame()
dfdata['score']?=?y1?+?y2?+?y3?+?y4
dfdata['class']?=?['1班']*len(y1)+['2班']*len(y2)+['3班']*len(y3)+['4班']*len(y4)

ax?=?sns.violinplot(x=?'class',?y?=?'score',data?=?dfdata,
????????????palette?=?'hls',?#?設置調色板
????????????inner?=?'box'#?設置內部顯示類型?→?“box”,?“quartile”,?“point”,?“stick”,?None
???????????)

??

5，詞云圖

?

詞云圖適合表現不同關鍵詞的出現頻率或重要性程度。

?

from?pyecharts?import?WordCloud

words?=?['python','jupyter','numpy','pandas','matplotlib','sklearn',
????????'xgboost','lightGBM','simpy','keras','tensorflow',
?????????'hive','hadoop','spark']
counts?=?[100,90,65,95,50,60,70,70,20,70,80,80,60,60]

cloud?=?WordCloud(title?=?'數據算法常用工具',width?=?600,height?=?420)
cloud.add(name?=?'utils',attr?=?words,value?=?counts,
??????????shape?=?"circle",word_size_range?=?(10,70))
cloud

?

6，地理坐標系圖

?

地理坐標系圖適合表現和國家，省份，以及城市，經緯度位置相關聯的數據分布規律。

pyecharts中Geo表達和城市關聯的數據,Map表達和國家和省份關聯的數據。

?

#?安裝地圖附屬包
!pip?install?echarts-countries-pypkg
!pip?install?echarts-china-provinces-pypkg
!pip?install?echarts-china-cities-pypkg

?

#?全國城市地圖示例
from?pyecharts?import?Geo

data?=?[
????("海門",?9),("鄂爾多斯",?12),("招遠",?12),("舟山",?12),("齊齊哈爾",?14),("鹽城",?15),
????("惠州",?37),("江陰",?37),("蓬萊",?37),("韶關",?38),("嘉峪關",?38),("廣州",?38),
????("張家港",?52),("三門峽",?53),("錦州",?54),("南昌",?54),("柳州",?54),("三亞",?54),
????("呼和浩特",?58),("成都",?58),("大同",?58),("鎮江",?59),("桂林",?59),("張家界",?59),
????("北京",?79),("徐州",?79),("衡水",?80),("包頭",?80),("綿陽",?80),("烏魯木齊",?84),
????("菏澤",?194),("合肥",?229),("武漢",?273),("大慶",?279)]

geo?=?Geo(
????"全國部分城市空氣質量",
????title_color="#fff",
????title_pos="center",
????width=800,
????height=600,
????background_color="#404a59",
)
attr,?value?=?geo.cast(data)
geo.add(
????"",
????attr,
????value,
????visual_range=[0,?200],
????visual_text_color="#fff",
????symbol_size=15,
????is_visualmap=True,
)
geo

??

#??全國省份地圖
from?pyecharts?import?Map
value?=?[155,?10,?66,?78,?44,?38,?88,?50,?20]
attr?=?["福建","山東","北京","上海","江西","新疆","內蒙古","云南","重慶"]
m?=?Map("全國省份地圖",?width=600,?height=400)
m.add("",?attr,?value,?maptype='china',
????????is_visualmap=True,?
????????is_piecewise=True,
????????visual_text_color="#000",
????????visual_range_text=["",?""],
????????pieces=[
????????????{"max":?160,?"min":?81,?"label":?"高"},
????????????{"max":?80,?"min":?51,?"label":?"中"},
????????????{"max":?50,?"min":?0,?"label":?"低"},
????????])
m

??

#?世界地圖示例
from?pyecharts?import?Map
countries=?["China",?"Canada",?"India",?"Russia",?"United?States","Japan"]
capita_gdp?=?[13334,?43294,?5903,?23038,?53354,36162]
population?=?[1376048943,?35939927,?1311050527,?143456918,?321773631,126573481]
life_expectancy?=?[76.9,81.7,66.8,73.13,79.1,73.13]

m?=?Map("世界經濟發展水平",?width=800,?height=500)
m.add(
????"人均GDP",
????attr?=?countries,
????value?=?capita_gdp,
????maptype="world",
????is_visualmap=True,
????visual_range?=?[5000,60000],
????visual_text_color="#000",
????is_map_symbol_show=False,
????visual_orient="horizontal"
)
m

??

二，圖表配置

?

小紅：你上面介紹的這些基本圖表都蠻實用的，做起來好像也不難。但是如果我想對圖表尺寸，線型顏色，坐標軸刻度等一些細節進行調整，而不是采用默認配置，應該怎么做呢？

?

小明：你說的這個叫做圖表配置。在pyecharts里有3種進行圖表配置的方法。

?

第一個是修改圖表主題風格：利用configure或use_theme指定圖表主題風格，對圖表整體顏色風格產生影響。

?

第二個是初始化圖表通用屬性：在創建圖表時指定圖表height,title等屬性，對圖像尺寸和標題等通用屬性產生影響。

?

第三個是配置特定元素屬性：可以使用add給圖表配置xyAxis,datazoom,lineStyle等特定元素屬性。

?

1，修改圖表主題風格

?

可以使用use_theme修改單個圖表主題，也可以用configure修改全局圖表風格。

?

#?默認主題效果
import?random
from?pyecharts?import?Bar

X_AXIS?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
bar?=?Bar("默認主題效果",?"這里是副標題")
bar.add("商家A",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家B",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家C",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家D",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar

?

#?使用dark主題
import?random
from?pyecharts?import?Bar


X_AXIS?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
bar?=?Bar("dark主題展示",?"這里是副標題")
bar.use_theme("dark")
bar.add("商家A",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家B",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家C",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家D",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar

??

#?安裝主題插件獲取更多主題
!pip?install?echarts-themes-pypkg

?

主題插件支持以下主題

• vintage

• macarons? 美

• shine ? 美+++

• roma ?? 美

• westeros

• wonderland

• chalk

• halloween? 美+

• essos

• walden

• purple-passion

• romantic

?

import?random
from?pyecharts?import?Bar

X_AXIS?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
bar?=?Bar("shine主題展示",?"這里是副標題")
bar.use_theme("shine")
bar.add("商家A",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家B",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家C",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar.add("商家D",?X_AXIS,?[random.randint(10,?100)?for?_?in?range(6)])
bar

??

如果要設置某個主題風格應用到所有圖表，可以在繪圖開始前用configure進行設置。

?

from?pyecharts?import?configure
#?將這行代碼置于首部
configure(global_theme='shine')


from?pyecharts?import?Pie
attr?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
value?=?[11,?12,?13,?10,?10,?10]
pie?=?Pie("銷售額占比",width?=?800,height?=?520)
pie.add("",?attr,?value,?is_label_show=True)

?

2，修改圖表通用屬性

?

圖表通用屬性指的是圖表的title,subtitle,height,width,title_pos,title_color,title_text_size,background_color等屬性，這些屬性對所有類型的圖表都適用。

所有通用屬性設置方式詳細參見pyecharts的官方文檔：https://github.com/lyhue1991/pyecharts/blob/master/docs/zh-cn/charts_configure.md

?

from?pyecharts?import?Pie
attr?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
value?=?[11,?12,?13,?10,?10,?10]

#?初始化圖表通用屬性
pie?=?Pie(title?=?"銷售額占比",
??????????title_pos?=?'center',?#?標題居中
??????????title_top?=?'bottom',?#?標題在底部
??????????title_color?=?'#0000ff',?#?標題顏色設置為藍色，256位rgb格式
??????????background_color?=?"#aee",?#?設置背景顏色，16位rgb格式
??????????width?=?600,height?=?420)

pie.add("",?attr,?value,?is_label_show=True)

??

3，配置特定元素屬性

?

特定元素屬性包括xyAxis,dataZoom,lineStyle,markLine-markPoint,visualMap等元素屬性，這些元素只在某些種類的圖表中適用。例如xyAxis只在Line、Bar、Scatter、EffectScatter、Kline這幾類圖表中適用。

?

所有特定元素屬性設置方式詳細參見官方文檔：https://github.com/lyhue1991/pyecharts/blob/master/docs/zh-cn/charts_configure.md

?

#?設置xyAxis示范

from??pyecharts?import?Line

x?=?['2018-{:0>2d}'.format(s)?for?s?in?range(1,13)]
y1?=?[5,10,26,30,35,30,20,26,40,46,40,50]
y2?=?[8,20,24,36,40,36,40,45,50,53,48,58]

line?=?Line(title?=?"月銷售總額",width?=?600,height?=?420)

line.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1)
line.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,
?????????#
?????????#=====設置xyAxis=====
?????????yaxis_min?=?0,yaxis_max?=?100,??#?設置y坐標軸刻度范圍
?????????xaxis_name?=?'月份',?yaxis_name?=?'銷售額',?#x軸名稱，y軸名稱
?????????xaxis_name_gap?=??40,?#?x軸名稱與軸距離
?????????xaxis_rotate?=?30,??#?x軸刻度旋轉角度
?????????is_splitline_show?=?True,?#?顯示y軸網格線
?????????is_xaxislabel_align?=?True?#?x軸刻度和標簽是否對齊
????????)
line

??

#?設置dataZoom示范
from??pyecharts?import?Line

x?=?['2018-{:0>2d}'.format(s)?for?s?in?range(1,13)]
y1?=?[5,10,26,30,35,30,20,26,40,46,40,50]
y2?=?[8,20,24,36,40,36,40,45,50,53,48,58]

line?=?Line(title?=?"月銷售總額",width?=?600,height?=?420)

line.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1)
line.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,
?????????#
?????????#=====設置xyAxis=====
?????????is_xaxis_boundarygap?=?False,??#?x坐標刻度對準數據，而不是作為分類邊界
?????????#
?????????#=====設置dataZoom=====
?????????is_datazoom_show?=?True,?#顯示?dataZoom控制條
?????????datazoom_type?=?'both'?#?可以是slider,inside或both
?????????#
?????????#
????????)
line

??

#?設置lineStyle示范

from??pyecharts?import?Line

x?=?['2018-{:0>2d}'.format(s)?for?s?in?range(1,13)]
y1?=?[5,10,26,30,35,30,20,26,40,46,40,50]
y2?=?[8,20,24,36,40,36,40,45,50,53,48,58]

line?=?Line(title?=?"月銷售總額",width?=?600,height?=?420)

line.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1,
?????????#
?????????#=====設置lineStyle=====
?????????line_width?=?2,
?????????line_opacity?=?0.5,?#?透明度
?????????line_color?=?'red'
????????)
line.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,
?????????#
?????????#=====設置xyAxis=====
?????????is_xaxis_boundarygap?=?False,??#?x坐標刻度對準數據，而不是作為分類邊界
?????????#
?????????#=====設置dataZoom=====
?????????is_datazoom_show?=?True,?#顯示?dataZoom控制條
?????????#
?????????#=====設置lineStyle=====
?????????line_width?=?3,
?????????line_color?=?'#11ffbb',
?????????line_type?=?'dashed',?#?線型，可以是solid,dashed,或者dotted
????????)
line

??

#?設置markPoint和markLine示范

from??pyecharts?import?Line

x?=?['2018-{:0>2d}'.format(s)?for?s?in?range(1,13)]
y1?=?[5,10,26,30,35,30,20,26,40,46,40,50]
y2?=?[8,20,24,36,40,36,40,45,50,53,48,58]

line?=?Line(title?=?"月銷售總額",width?=?600,height?=?420)

line.add(name?=?"商家A",?x_axis?=?x,?y_axis?=?y1,
?????????#
?????????#=====設置lineStyle=====
?????????line_width?=?2,
?????????line_opacity?=?0.5,?#?透明度
?????????line_color?=?'red',
?????????#
?????????#=====設置markPoint&markLine=====
?????????mark_point?=?['min','max'],?#標記點
?????????mark_line?=?['average']?#標記線
????????)
line.add(name?=?"商家B",?x_axis?=?x,?y_axis?=?y2,
?????????#
?????????#=====設置xyAxis=====
?????????is_xaxis_boundarygap?=?False,??#?x坐標刻度對準數據，而不是作為分類邊界
?????????yaxis_min?=?0,yaxis_max?=?100,??#?設置y坐標軸刻度范圍
?????????#
?????????#=====設置dataZoom=====
?????????is_datazoom_show?=?True,?#顯示?dataZoom控制條
?????????#
?????????#=====設置lineStyle=====
?????????line_width?=?3,
?????????line_type?=?'dashed',?#?線型，可以是solid,dashed,或者dotted

?????????#=====設置markPoint&markLine=====
?????????mark_point?=?[{"coord":?['2018-09',?60],?"name":?"2018/09銷售目標"},?
??????????{"coord":?['2018-11',?80],?"name":?"2018/10銷售目標"}]??#?自定義標記點
????????)
line

??

如果需要反復使用相同的配置，可以使用Style類簡化這個過程。

?

from?pyecharts?import?Pie,Style

pie?=?Pie('各類電影中"好片"所占的比例',?"數據來自豆瓣",?title_pos='center')
style?=?Style()
pie_style?=?style.add(
????label_pos="center",
????is_label_show=True,
????label_text_color=None
)

pie.add(
????"",?["劇情",?""],?[25,?75],?center=[10,?30],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["奇幻",?""],?[24,?76],?center=[30,?30],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["愛情",?""],?[14,?86],?center=[50,?30],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["驚悚",?""],?[11,?89],?center=[70,?30],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["冒險",?""],?[27,?73],?center=[90,?30],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["動作",?""],?[15,?85],?center=[10,?70],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["喜劇",?""],?[54,?46],?center=[30,?70],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["科幻",?""],?[26,?74],?center=[50,?70],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["懸疑",?""],?[25,?75],?center=[70,?70],?radius=[18,?24],?**pie_style
)
pie.add(
????"",?["犯罪",?""],[28,?72],center=[90,?70],?radius=[18,?24],?legend_top="bottom",?
????**pie_style
)
pie

??

三，圖表組合

?

小紅：你上面展示的這些圖表配置的范例我基本上get到了，簡單地說，就是可以修改圖表主題，配置圖表通用屬性，以及配置特定元素屬性，找到相應的范例參照來改就可以了。但有時候我想把多個不同類型的圖表畫在一張圖上，比如在一張圖上同時畫柱狀圖和折線圖，繪制包含多個子圖的圖表，pyecharts可以做到嗎？

?

小明：當然可以嘍。pyecharts可以利用圖表組合將多個基本圖表加工成內容更加豐富，表現力更強的組合圖表。在pyecharts中對圖表進行組合的方式主要有：Grid, Overlap, Page, Timeline這四種方式。

?

1，Grid圖表組合

?

Grid圖表組合可以并行顯示多張圖，類似子圖的作用。Grid中的子圖可以是Overlap。

?

from?pyecharts?import?Bar,?Line,?Grid

x?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
y1?=?[5,?20,?36,?10,?75,?90]
y2?=?[10,?25,?8,?60,?20,?80]
bar?=?Bar("柱狀圖示例",?height=720)
bar.add("商家A",?x,?y1,?is_stack=True)
bar.add("商家B",?x,?y2,?is_stack=True)


line?=?Line("折線圖示例",?title_top="50%")
x?=?["周一",?"周二",?"周三",?"周四",?"周五",?"周六",?"周日"]
line.add(
????"最高氣溫",
????x,
????[11,?11,?15,?13,?12,?13,?10],
????mark_point=["max",?"min"],
????mark_line=["average"],
)
line.add(
????"最低氣溫",
????x,
????[1,?-2,?2,?5,?3,?2,?0],
????mark_point=["max",?"min"],
????mark_line=["average"],
????legend_top="50%",
)

grid?=?Grid()
#利用grid_bottom,grid_top,grid_left,grid_right四個參數控制子圖的相對位置
grid.add(bar,?grid_bottom="60%")??
grid.add(line,?grid_top="60%")
grid

?

利用Grid解決dataZoom與X軸標簽重疊的問題

?

from?pyecharts?import?Bar,?Grid

x?=?[
????"2019-01-01",
????"2019-01-02",
????"2019-01-03",
????"2019-01-04",
????"2019-01-05",
????"2019-01-06",
????"2019-01-07",
????"2019-01-08",
????"2019-01-09",
]
y?=?[10,?20,?30,?40,?50,?60,?70,?80,?90]

grid?=?Grid()
bar?=?Bar("利用?Grid?解決?dataZoom?與?X?軸標簽重疊問題")
bar.add("",?x,?y,?is_datazoom_show=True,?xaxis_interval=0,?xaxis_rotate=30)

#?把?bar?加入到?grid?中，并適當調整?grid_bottom?參數，使?bar?圖整體上移
grid.add(bar,?grid_bottom="25%")

??

2，Overlap圖表組合

?

Overlap圖表組合可以將不同類型的圖表畫在同一張圖上。

?

from?pyecharts?import?Bar,?Line,?Overlap

attr?=?['A',?'B',?'C',?'D',?'E',?'F']
v1?=?[10,?20,?30,?40,?50,?60]
v2?=?[38,?28,?58,?48,?78,?68]
bar?=?Bar("Line?-?Bar?示例")
bar.add("bar",?attr,?v1)
line?=?Line()
line.add("line",?attr,?v2)

overlap?=?Overlap()
overlap.add(bar)
overlap.add(line)
overlap

?

Overlap顯示雙坐標軸

?

from?pyecharts?import?Line,?Bar,?Overlap

attr?=?["{}月".format(i)?for?i?in?range(1,?13)]
v1?=?[2.0,?4.9,?7.0,?23.2,?25.6,?76.7,?135.6,?162.2,?32.6,?20.0,?6.4,?3.3]
v2?=?[2.6,?5.9,?9.0,?26.4,?28.7,?70.7,?175.6,?182.2,?48.7,?18.8,?6.0,?2.3]
v3?=?[2.0,?2.2,?3.3,?4.5,?6.3,?10.2,?20.3,?23.4,?23.0,?16.5,?12.0,?6.2]

bar?=?Bar()
bar.add("蒸發量",?attr,?v1)
bar.add("降水量",?attr,?v2,?yaxis_formatter="?ml",
????????yaxis_interval=50,?yaxis_max=250)

line?=?Line()
line.add("平均溫度",?attr,?v3,?yaxis_formatter="?°C",?yaxis_interval=5)

overlap?=?Overlap(width=800,?height=500)
#?默認不新增?x?y?軸，并且?x?y?軸的索引都為?0
overlap.add(bar)
#?新增一個?y?軸，此時?y?軸的數量為?2，第二個?y?軸的索引為?1（索引從?0?開始），所以設置?yaxis_index?=?1
#?由于使用的是同一個?x?軸，所以?x?軸部分不用做出改變
overlap.add(line,?yaxis_index=1,?is_add_yaxis=True)
overlap

??

3，Pages圖表組合

?

Pages可以將多張圖表按順序展示在一張網頁中，適合制作圖形化報表。Pages中的圖表可以是Grid,Overlap或Timeline.

?

?

from?pyecharts?import?Bar,?Scatter3D
from?pyecharts?import?Page

page?=?Page()?????????

#?bar
attr?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
v1?=?[5,?20,?36,?10,?75,?90]
v2?=?[10,?25,?8,?60,?20,?80]
bar?=?Bar("柱狀圖數據堆疊示例",width?=?500,height?=?300)
bar.add("商家A",?attr,?v1,?is_stack=True)
bar.add("商家B",?attr,?v2,?is_stack=True)
page.add(bar)?????????

#?scatter3D
import?random
data?=?[
????[random.randint(0,?100),
????random.randint(0,?100),
????random.randint(0,?100)]?for?_?in?range(80)
]
range_color?=?[
????'#313695',?'#4575b4',?'#74add1',?'#abd9e9',?'#e0f3f8',?'#ffffbf',
????'#fee090',?'#fdae61',?'#f46d43',?'#d73027',?'#a50026']
scatter3D?=?Scatter3D("3D?散點圖示例",?width=?500,?height=300)
scatter3D.add("",?data,?is_visualmap=True,?visual_range_color=range_color)

page.add(scatter3D)??

page

??

4，Timeline圖表組合

?

Timeline可以將多個圖表制作成動畫。

?

from?pyecharts?import?Bar,?Timeline
from?random?import?randint

attr?=?["襯衫",?"羊毛衫",?"雪紡衫",?"褲子",?"高跟鞋",?"襪子"]
bar_1?=?Bar("2012?年銷量",?"數據純屬虛構")
bar_1.add("春季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_1.add("夏季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_1.add("秋季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_1.add("冬季",?attr,?[randint(10,?100)?for?_?in?range(6)])

bar_2?=?Bar("2013?年銷量",?"數據純屬虛構")
bar_2.add("春季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_2.add("夏季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_2.add("秋季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_2.add("冬季",?attr,?[randint(10,?100)?for?_?in?range(6)])

bar_3?=?Bar("2014?年銷量",?"數據純屬虛構")
bar_3.add("春季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_3.add("夏季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_3.add("秋季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_3.add("冬季",?attr,?[randint(10,?100)?for?_?in?range(6)])

bar_4?=?Bar("2015?年銷量",?"數據純屬虛構")
bar_4.add("春季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_4.add("夏季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_4.add("秋季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_4.add("冬季",?attr,?[randint(10,?100)?for?_?in?range(6)])

bar_5?=?Bar("2016?年銷量",?"數據純屬虛構")
bar_5.add("春季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_5.add("夏季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_5.add("秋季",?attr,?[randint(10,?100)?for?_?in?range(6)])
bar_5.add("冬季",?attr,?[randint(10,?100)?for?_?in?range(6)],?is_legend_show=True)

timeline?=?Timeline(is_auto_play=True,
????????????????????timeline_bottom=0,
????????????????????timeline_play_interval=800??#?每800ms播放一張
???????????????????)

timeline.add(bar_1,?'2012?年')
timeline.add(bar_2,?'2013?年')
timeline.add(bar_3,?'2014?年')
timeline.add(bar_4,?'2015?年')
timeline.add(bar_5,?'2016?年')
timeline

?

轉載于:https://www.cnblogs.com/yinguo/p/11223265.html

總結

以上是生活随笔為你收集整理的Pyechart：30分钟学会pyecharts数据可视化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。