Python数据可视化之Pyecharts如何使用

这篇“Python数据可视化之Pyecharts如何使用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python数据可视化之Pyecharts如何使用”文章吧。

创新互联公司专注于企业营销型网站建设、网站重做改版、三门峡网站定制设计、自适应品牌网站建设、HTML5电子商务商城网站建设、集团公司官网建设、外贸网站建设、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为三门峡等各大城市提供网站开发制作服务。

    1. 安装Pyecharts

    pip install pyecharts

    2. 图表基础

    2.1 主题风格

    添加主题风格使用的是 InitOpts() 方法,

    该方法的主要参数有:

    参数描述
    width画布宽度,要求字符串格式,如 width=“500px”
    height画布高度,要求字符串格式,如 width=“500px”
    chart_id图表ID,作为图表的唯一标识。有多个图表时用来区分不同的图表
    page_title网页标题,字符串格式
    theme图表主题。由ThemeType模块提供
    bg_color图表背景颜色,字符串格式

    可以选择的风格有:

    Python数据可视化之Pyecharts如何使用

    2.2 图表标题

    给图表添加标题需要通过 set_global_options()方法 的 title_opts参数,

    该参数的值通过opts模块的TitleOpts()方法生成,

    且TitleOpts()方法主要参数语法如下:

    Python数据可视化之Pyecharts如何使用

    2.3 图例

    设置图例需要通过 set_global_opts()方法的 legend_opts参数,

    该参数的参数值参考options模块的LegendOpts()方法。

    LegendOpts() 方法的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.4 提示框

    设置提示框主要是通过 set_global_opts()方法中的 tooltip_opts参数进行设置,

    该参数的参数值参考options模块的TooltipOpts()方法。

    TooltipOpts()方法的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.5 视觉映射

    视觉映射通过 set_global_opts()方法中的 visualmap_opts参数进行设置,

    该参数的取值参考options模块的VisualMapOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.6 工具箱

    工具箱通过 set_global_opts()方法中的 toolbox_opts参数进行设置,

    该参数的取值参考options模块的ToolboxOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    2.7 区域缩放

    区域缩放通过 set_global_opts()方法中的 datazoom_opts参数进行设置,

    该参数的取值参考options模块的DataZoomOpts()方法。

    其主要参数如下:

    Python数据可视化之Pyecharts如何使用

    3. 柱状图 Bar模块

    绘制柱状图通过Bar模块来实现,

    该模块的主要方法有:

    主要方法描述
    add_xaxis()x轴数据
    add_yaxis()y轴数据
    reversal_axis()翻转x、y轴数据
    add_dataset()原始数据

    下边展示一个简单的示例,先不使用过多复杂的样式:

    import numpy as np
    from pyecharts.charts import Bar
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    # 生成数据
    years = [2011, 2012, 2013, 2014, 2015]
    y1 = [1, 3, 5, 7, 9]
    y2 = [2, 4, 6, 4, 2]
    y3 = [9, 7, 5, 3, 1]
    y4 = list(np.random.randint(1, 10, 10))
    
    bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    # 为柱状图添加x轴和y轴数据
    bar.add_xaxis(years)
    bar.add_yaxis('A型', y1)
    bar.add_yaxis('B型', y2)
    bar.add_yaxis('C型', y3)
    bar.add_yaxis('D型', y4)
    # 渲染图表到HTML文件,并保存在当前目录下
    bar.render("bar.html")

    生成图像效果如下:

    Python数据可视化之Pyecharts如何使用

    这里有一个无法解释的细节,就是可以看到y4数据,即D型,在图像中没有显示出来。经过小啾的反复尝试,发现凡是使用随机数产生的数据再转化成列表,这部分随机数不会被写入到html文件中:

    Python数据可视化之Pyecharts如何使用

    既然不会解释,那就避免。

    4. 折线图/面积图 Line模块

    Line模块的主要方法有add_xaxis() 和 add_yaxis(),分别用来添加x轴数据和y轴数据。

    add_yaxis()的主要参数如下:

    Python数据可视化之Pyecharts如何使用

    4.1 折线图

    绘制折线图时,x轴的数据必须是字符串,图线方可正常显示。

    from pyecharts.charts import Line
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    # 准备数据
    x = [2011, 2012, 2013, 2014, 2015]
    x_data = [str(i) for i in x]
    y1 = [1, 3, 2, 5, 8]
    y2 = [2, 6, 5, 6, 7]
    y3 = [5, 7, 4, 3, 1]
    
    line = Line(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
    line.add_xaxis(xaxis_data=x_data)
    line.add_yaxis(series_name="A类", y_axis=y1)
    line.add_yaxis(series_name="B类", y_axis=y2)
    line.add_yaxis(series_name="C类", y_axis=y3)
    line.render("line.html")

    生成图像效果如下:

    Python数据可视化之Pyecharts如何使用

    4.2 面积图

    绘制面积图时需要在add_yaxis()方法中指定areastyle_opts参数。其值由options模块的AreaStyleOpts()方法提供。

    from pyecharts.charts import Line
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    
    x = [2011, 2012, 2013, 2014, 2015]
    x_data = [str(i) for i in x]
    y1 = [2, 5, 6, 8, 9]
    y2 = [1, 4, 5, 4, 7]
    y3 = [1, 3, 4, 6, 6]
    
    line = Line(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
    
    line.add_xaxis(xaxis_data=x_data)
    line.add_yaxis(series_name="A类", y_axis=y1, areastyle_opts=opts.AreaStyleOpts(opacity=1))
    line.add_yaxis(series_name="B类", y_axis=y2, areastyle_opts=opts.AreaStyleOpts(opacity=1))
    line.add_yaxis(series_name="C类", y_axis=y3, areastyle_opts=opts.AreaStyleOpts(opacity=1))
    
    line.render("line2.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    5.饼形图

    5.1 饼形图

    绘制饼形图使用的是Pie模块,该模块中需要使用的主要方法是add()方法

    该方法主要参数如下:

    主要参数描述
    series_name系列名称。用于提示文本和图例标签。
    data_pair数据项,格式为形如[(key1,value1),(key2,value2)]
    color系列标签的颜色。
    radius饼图的半径。默认设成百分比形式,默认是相对于容器的高和宽中较小的一方的一半
    rosetype是否展开为南丁格尔玫瑰图,可以取的值有radius货area,radius表示通过扇区圆心角展现数据的大小,即默认的扇形图;area表示所有扇区的圆心角的角度相同,通过半径来展现数据大小
    from pyecharts.charts import Pie
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF']
    y_data = [200, 200, 100, 400, 500, 600]
    # 将数据转换为目标格式
    data = [list(z) for z in zip(x_data, y_data)]
    # 数据排序
    data.sort(key=lambda x: x[1])
    
    pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
    
    pie.add(
            series_name="类别",    # 序列名称
            data_pair=data,     # 数据
        )
    pie.set_global_opts(
            # 饼形图标题
            title_opts=opts.TitleOpts(
                title="各类别数量分析",
                pos_left="center"),
            # 不显示图例
            legend_opts=opts.LegendOpts(is_show=False),
        )
    pie.set_series_opts(
            # 序列标签
            label_opts=opts.LabelOpts(),
        )
    
    pie.render("pie.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    5.2 南丁格尔玫瑰图
    from pyecharts.charts import Pie
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    
    x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF', 'GGG', 'HHH', 'III', 'JJJ', 'KKK', 'LLL', 'MMM', 'NNN', 'OOO']
    y_data = [200, 100, 400, 50, 600, 300, 500, 700, 800, 900, 1000, 1100, 1200, 1300, 1500]
    # 将数据转换为目标格式
    data = [list(z) for z in zip(x_data, y_data)]
    # 数据排序
    data.sort(key=lambda x: x[1])
    
    # 创建饼形图并设置画布大小
    pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, width='300px', height='400px'))
    # 为饼形图添加数据
    pie.add(
            series_name="类别",
            data_pair=data,
            radius=["8%", "160%"],  # 内外半径
            center=["65%", "65%"],  # 位置
            rosetype='area',       # 玫瑰图,圆心角相同,按半径大小绘制
            color='auto'           # 颜色自动渐变
        )
    pie.set_global_opts(
            # 不显示图例
            legend_opts=opts.LegendOpts(is_show=False),
            # 视觉映射
            visualmap_opts=opts.VisualMapOpts(is_show=False,
             min_=100,    # 颜色条最小值
             max_=450000, # 颜色条最大值
        )
    )
    pie.set_series_opts(
            # 序列标签
            label_opts=opts.LabelOpts(position='inside',  # 标签位置
                                      rotate=45,
                                      font_size=8)       # 字体大小
        )
    
    pie.render("pie2.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    6. 箱线图 Boxplot模块

    绘制箱线图使用的是Boxplot类。

    这里有一个细节,准备y轴数据y_data时需要在列表外再套一层列表,否则图线不会被显示。

    绘制箱线图使用的是Boxplot模块,

    主要的方法有

    add_xaxis()和add_yaxis()

    from pyecharts.charts import Boxplot
    from pyecharts.globals import ThemeType
    from pyecharts import options as opts
    
    y_data = [[5, 20, 22, 21, 23, 26, 25, 24, 28, 26, 29, 30, 50, 61]]
    
    boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
    
    boxplot.add_xaxis([""])
    boxplot.add_yaxis('', y_axis=boxplot.prepare_data(y_data))
    boxplot.render("boxplot.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    7. 涟漪特效散点图 EffectScatter模块

    绘制涟漪图使用的是EffectScatter模块,代码示例如下:

    from pyecharts.charts import EffectScatter
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    
    
    x = [2011, 2012, 2013, 2014, 2015]
    x_data = [str(i) for i in x]
    y1 = [1, 3, 2, 5, 8]
    y2 = [2, 6, 5, 6, 7]
    y3 = [5, 7, 4, 3, 1]
    
    scatter = EffectScatter(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
    scatter.add_xaxis(x_data)
    scatter.add_yaxis("", y1)
    scatter.add_yaxis("", y2)
    scatter.add_yaxis("", y3)
    # 渲染图表到HTML文件,存放在程序所在目录下
    scatter.render("EffectScatter.html")

    图像效果如下:

    Python数据可视化之Pyecharts如何使用

    8. 词云图 WordCloud模块

    绘制词云图使用的是WordCloud模块,

    主要的方法有add()方法。

    add()方法的主要参数如下:

    add()方法主要的参数有

    Python数据可视化之Pyecharts如何使用

    准备一个txt文件(001.txt),文本内容以《兰亭集序》为例:

    永和九年,岁在癸丑,暮春之初,会于会稽山阴之兰亭,修禊事也。群贤毕至,少长咸集。此地有崇山峻岭,茂林修竹,又有清流激湍,映带左右,引以为流觞曲水,列坐其次。虽无丝竹管弦之盛,一觞一咏,亦足以畅叙幽情。
    是日也,天朗气清,惠风和畅。仰观宇宙之大,俯察品类之盛,所以游目骋怀,足以极视听之娱,信可乐也。
    夫人之相与,俯仰一世。或取诸怀抱,悟言一室之内;或因寄所托,放浪形骸之外。虽趣舍万殊,静躁不同,当其欣于所遇,暂得于己,快然自足,不知老之将至;及其所之既倦,情随事迁,感慨系之矣。向之所欣,俯仰之间,已为陈迹,犹不能不以之兴怀,况修短随化,终期于尽!古人云:“死生亦大矣。”岂不痛哉!
    每览昔人兴感之由,若合一契,未尝不临文嗟悼,不能喻之于怀。固知一死生为虚诞,齐彭殇为妄作。后之视今,亦犹今之视昔,悲夫!故列叙时人,录其所述,虽世殊事异,所以兴怀,其致一也。后之览者,亦将有感于斯文。

    代码示例如下:

    from pyecharts.charts import WordCloud
    from jieba import analyse
    
    # 基于TextRank算法从文本中提取关键词
    textrank = analyse.textrank
    text = open('001.txt', 'r', encoding='UTF-8').read()
    keywords = textrank(text, topK=30)
    list1 = []
    tup1 = ()
    
    # 关键词列表
    for keyword, weight in textrank(text, topK=30, withWeight=True):
        # print('%s %s' % (keyword, weight))
        tup1 = (keyword, weight)  # 关键词权重
        list1.append(tup1)     # 添加到列表中
    
    # 绘制词云图
    mywordcloud = WordCloud()
    mywordcloud.add('', list1, word_size_range=[20, 100])
    mywordcloud.render('wordclound.html')

    词云图效果如下:

    Python数据可视化之Pyecharts如何使用

    9. 热力图 HeatMap模块

    绘制热力图使用的是HeatMap模块。

    下边以双色球案例为例,数据使用生成的随机数,绘制出热力图:

    import pyecharts.options as opts
    from pyecharts.charts import HeatMap
    import pandas as pd
    import numpy as np
    
    # 创建一个33行7列的DataFrame,数据使用随机数生成。每个数据表示该位置上该数字出现的次数
    s1 = np.random.randint(0, 200, 33)
    s2 = np.random.randint(0, 200, 33)
    s3 = np.random.randint(0, 200, 33)
    s4 = np.random.randint(0, 200, 33)
    s5 = np.random.randint(0, 200, 33)
    s6 = np.random.randint(0, 200, 33)
    s7 = np.random.randint(0, 200, 33)
    data = pd.DataFrame(
        {'位置一': s1,
         '位置二': s2,
         '位置三': s3,
         '位置四': s4,
         '位置五': s5,
         '位置六': s6,
         '位置七': s7
         },
        index=range(1, 34)
    )
    
    # 数据转换为HeatMap支持的列表格式
    value1 = []
    for i in range(7):
        for j in range(33):
            value1.append([i, j, int(data.iloc[j, i])])
    # 绘制热力图
    x = data.columns
    heatmap=HeatMap(init_opts=opts.InitOpts(width='600px' ,height='650px'))
    heatmap.add_xaxis(x)
    heatmap.add_yaxis("aa", list(data.index), value=value1,  # y轴数据
                      # y轴标签
                      label_opts=opts.LabelOpts(is_show=True, color='white', position="center"))
    heatmap.set_global_opts(title_opts=opts.TitleOpts(title="双色球中奖号码热力图", pos_left="center"),
                            legend_opts=opts.LegendOpts(is_show=False),  # 不显示图例
                            # 坐标轴配置项
                            xaxis_opts=opts.AxisOpts(
                            type_="category",  # 类目轴
                            # 分隔区域配置项
                            splitarea_opts=opts.SplitAreaOpts(
                                is_show=True,  # 区域填充样式
                                areastyle_opts=opts.AreaStyleOpts(opacity=1)
                            ),
                            ),
                            # 坐标轴配置项
                            yaxis_opts=opts.AxisOpts(
                            type_="category",  # 类目轴
                            # 分隔区域配置项
                            splitarea_opts=opts.SplitAreaOpts(
                                is_show=True,
                                # 区域填充样式
                                areastyle_opts=opts.AreaStyleOpts(opacity=1)
                                ),
                                ),
    
                            # 视觉映射配置项
                            visualmap_opts=opts.VisualMapOpts(is_piecewise=True,    # 分段显示
                                                              min_=1, max_=170,     # 最小值、最大值
                                                              orient='horizontal',  # 水平方向
                                                              pos_left="center")    # 居中
                            )
    heatmap.render("heatmap.html")

    热力图效果如下:

    Python数据可视化之Pyecharts如何使用

    10. 水球图 Liquid模块

    绘制水球图使用的是Liquid模块。

    from pyecharts.charts import Liquid
    liquid = Liquid()
    liquid.add('', [0.39])
    liquid.render("liquid.html")

    水球图效果如下:

    Python数据可视化之Pyecharts如何使用

    11. 日历图 Calendar模块

    绘制日历图使用的是Calendar模块

    主要使用的方法是add()方法

    import pandas as pd
    import numpy as np
    from pyecharts import options as opts
    from pyecharts.charts import Calendar
    data = list(np.random.random(30))
    # 求最大值和最小值
    mymax = round(max(data), 2)
    mymin = round(min(data), 2)
    # 生成日期
    index = pd.date_range('20220401', '20220430')
    # 合并列表
    data_list = list(zip(index, data))
    # 生成日历图
    calendar = Calendar()
    calendar.add("",
                 data_list,
                 calendar_opts=opts.CalendarOpts(range_=['2022-04-01', '2022-04-30']))
    calendar.set_global_opts(
            title_opts=opts.TitleOpts(title="2022年4月某指标情况", pos_left='center'),
            visualmap_opts=opts.VisualMapOpts(
                max_=mymax,
                min_=mymin+0.1,
                orient="horizontal",
                is_piecewise=True,
                pos_top="230px",
                pos_left="70px",
            ),
        )
    calendar.render("calendar.html")

    日历图效果如下:

    Python数据可视化之Pyecharts如何使用

    以上就是关于“Python数据可视化之Pyecharts如何使用”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注创新互联行业资讯频道。


    网页题目:Python数据可视化之Pyecharts如何使用
    文章出自:http://myzitong.com/article/jchggg.html