Pythonpyecharts 数据可视化模块

Posted 吞吞吐吐大魔王

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Pythonpyecharts 数据可视化模块相关的知识，希望对你有一定的参考价值。

文章目录

1. pyecharts 模块介绍

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

pyecharts 官网：https://pyecharts.org/#/zh-cn/

pyecharts 画廊地址：https://gallery.pyecharts.org/#/README

2. pyecharts 模块安装

pip install pyecharts

3. pyecharts 配置选项

pyecharts 模块中有很多配置选项，常用到两个类别的选项：全局配置选项和系列配置选项。

3.1 全局配置选项

全局配置选项可以通过 set_global_opts 方法来进行配置，通常对图表的一些通用的基础的元素进行配置，例如标题、图例、工具箱、鼠标移动效果等等，它们与图表的类型无关。

示例代码：通过折线图对象对折线图进行全局配置

from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

# 获取折线图对象
line = Line()

# 对折线图进行全局配置
line.set_global_opts(
    # 设置标题、标题的位置...
    title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
    # 设置图例是展示的...
    legend_opts=LegendOpts(is_show=True),
    # 设置工具箱是展示的
    toolbox_opts=ToolboxOpts(is_show=True),
    # 设置视觉映射是展示的
    visualmap_opts=VisualMapOpts(is_show=True)
)

3.2 系列配置选项

系列配置选项是针对某个具体的参数进行配置，可以去 pyecharts 官网进行了解。

4. 基础折线图的构建

4.1 基本使用流程

  1. 导包，导入 Line 功能构建折线图对象

    from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

  2. 获取折线图对象

    line = Line()

  3. 添加 x、y 轴数据（添加系列配置）

    line.add_xaxis(["中国", "美国", "英国"])
line.add_yaxis("GDP", [30, 20, 10])

  4. 添加全局配置

    line.set_global_opts(
    # 设置标题、标题的位置...
    title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
    # 设置图例是展示的...
    legend_opts=LegendOpts(is_show=True),
    # 设置工具箱是展示的
    toolbox_opts=ToolboxOpts(is_show=True),
    # 设置视觉映射是展示的
    visualmap_opts=VisualMapOpts(is_show=True)
)

  5. 生成图表（通过 render 方法将代码生成图像）

    line.render()

4.2 实现2020年美印日确诊人数对比折线图

import json
from pyecharts.charts import Line


# 获取不同国家疫情时间
from pyecharts.options import TitleOpts, LabelOpts


def getdata(file):
    # 处理数据
    try:
        f = open(file, 'r', encoding='utf8')
    except FileNotFoundError as e:
        print(f"文件不存在，具体错误为：e")
    else:
        data = f.read()

        # JSON 转 Python 字典
        dict = json.loads(data)

        # 获取 trend
        trend_data = dict['data'][0]['trend']

        # 获取日期数据，用于 x 轴（只拿2020年的数据）
        x_data = trend_data['updateDate'][:314]

        # 获取确认数据，用于 y 轴
        y_data = trend_data['list'][0]['data'][:314]

        # 返回结果
        return x_data, y_data
    finally:
        f.close()


# 获取美国数据
us_x_data, us_y_data = getdata("E:\\\\折线图数据\\\\美国.txt")

# 获取印度数据
in_x_data, in_y_data = getdata("E:\\\\折线图数据\\\\印度.txt")

# 获取日本数据
jp_x_data, jp_y_data = getdata("E:\\\\折线图数据\\\\日本.txt")

# 生成图表
line = Line()

# 添加 x 轴数据（日期，公用数据，不同国家都一样）
line.add_xaxis(us_x_data)

# 添加 y 轴数据（设置 y 轴的系列配置，将标签不显示）
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国数据
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度数据
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本数据

# 配置全局选项
line.set_global_opts(
    # 设置标题
    title_opts=TitleOpts("2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%"),

)

# 生成图表
line.render()

5. 基础地图构建

5.1 基本使用流程

  1. 导包，导入 Map 功能获取地图对象

    from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

  2. 获取地图对象

    map = Map()

  3. 准备好数据

    data = [
    ("北京", 99),
    ("上海", 199),
    ("广州", 299),
    ("湖南", 199),
    ("安徽", 99),
    ("湖北", 399),
]

  4. 添加数据到地图对象中

    # 地图名称、传入的数据、地图类型（默认是中国地图）
map,add("地图", data, "china")

  5. 添加全局配置

    map.set_global_opts(
    # 设置视觉映射配置
    visualmap_opts=VisualMapOpts(
        # 打开视觉映射（可能不精准，因此可以开启手动校准）
        is_show=True,
        # 开启手动校准范围
        is_piecewise=True,
        # 设置要校准参数的具体范围
        pieces=[
            "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99",
            "min": 100, "max": 199, "label": "100~199人", "color": "#FF9966",
            "min": 200, "max": 299, "label": "200~299人", "color": "#FF6666",
            "min": 300, "label": "300人以上", "color": "#CC3333",
        ]
    )
)

  6. 生成地图

    map.render()

5.2 实现国内疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts

# 读取数据
f = open("E:\\\\地图数据\\\\疫情.txt", 'r', encoding='utf8')
str_json = f.read()

# 关闭文件
f.close()

# JSON 转 python 字典
data_dict = json.loads(str_json)

# 取到各省数据
province_data_list = data_dict['areaTree'][0]['children']

# 组装每个省份和确诊人数为元组，并封装到列表内
data_list = []
for province_data in province_data_list:
    province_name = province_data['name']
    province_total_confirm = province_data['total']['confirm']
    data_list.append((province_name, province_total_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add("各省确诊总人数", data_list, "china")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts('全国疫情地图', pos_left='center', pos_bottom='1%'),
    legend_opts=LegendOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99",
            "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966",
            "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666",
            "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333",
            "min": 10000, "label": "10000人以上", "color": "#990033"
        ]
    )
)

# 绘图
map.render()

5.3 实现省级疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts

# 读取数据
f = open("E:\\\\地图数据\\\\疫情.txt", 'r', encoding='utf8')
str_json = f.read()

# 关闭文件
f.close()

# JSON 转 python 字典
data_dict = json.loads(str_json)

# 取到河南省数据
city_data_list = data_dict['areaTree'][0]['children'][3]['children']

# 组装每个市和确诊人数为元组，并封装到列表内
data_list = []
for city_data in city_data_list:
    city_name = city_data['name'] + "市"
    city_total_confirm = city_data['total']['confirm']
    data_list.append((city_name, city_total_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add("各市确诊总人数", data_list, "河南")

# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts('河南省疫情地图', pos_left='center', pos_bottom='1%'),
    legend_opts=LegendOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF",
            "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99",
            "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966",
            "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666",
            "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333",
            "min": 10000, "label": "10000人以上", "color": "#990033"
        ]
    )
)

# 绘图
map.render()

6. 基础柱状图构建

6.1 基本使用流程

  1. 导包，导入 Bar 功能获取地图对象

    from pyecharts.charts import Bar
from pyecharts.options import *

  2. 获取地图对象

    bar = Bar()

  3. 添加 x 和 y 轴数据

    # 添加 x 轴数据
bar.add_xaxis(["中国", "英国", "美国"])
# 添加 y 轴数据
bar.add_yaxis("GDP", [30, 20, 10])

  4. 添加全局配置

    bar.set_global_opts(
    title_opts=TitleOpts("基础柱状图", pos_left='center', pos_bottom='1%')
)

  5. 生成地图

    bar.render()

  6. 反转 xy 轴

    bar.reversal_axis()

  7. 将数值标签添设置到右侧

    bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))

6.2 基础时间线柱状图

柱状图描述的是分类数据，但很难动态的描述一个趋势性的数据，为此 pyecharts 中提供了一种解决方案时间线。

如果说一个 Bar、Line 对象是一张图表的话，时间线就是创建一个一维的 x 轴，轴上的每一个点就是一个图表对象。

创建时间线的基础流程：

  1. 导包，导入时间线 Timeline

    from pyecharts.charts import Bar, Timeline
from pyecharts.options import *

  2. 准备好图表对象并添加好数据

    bar1 = Bar()
bar1.add_xaxis(["中国", "英国", "美国"])
bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国", "英国", "美国"])
bar2.add_yaxis("GDP", [50, 20, 30], label_opts=LabelOpts(position='right'))
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(["中国", "英国", "美国"])
bar3.add_yaxis("GDP", [60, 30, 40], label_opts=LabelOpts(position='right'))
bar3.reversal_axis()

  3. 创建时间线对象 Timeline

    timeline = Timeline()

  4. 将图表添加到 Timeline 对象中

    # 添加图表到时间线中（图表对象，点名称）
timeline.add(bar1, "2020年GDP")
timeline.add(bar2, "2021年GDP")
timeline.add(bar3, "2022年GDP")

  5. 通过时间线绘图

    timeline.render()

  6. 设置自动播放

    timeline.add_schema(
    play_interval=1000,      # 自动播放的时间间隔，单位毫秒
    is_timeline_show=True,  # 是否显示自动播放的时候，显示时间线（默认 True）
    is_auto_play=True,       # 是否在自动播放（默认 False）
    is_loop_play=True        # 是否循环自动播放（默认 True）
)

  7. 设置时间线主题

    # 导入 ThemeType
from pyecharts.globals import ThemeType

# 创建时间线对象时，设置主题参数
timeline = Timeline("theme": ThemeType.DARK)

    主题参数如下：

6.3 实现动态 GDP 柱状图

import json
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("E:\\\\动态柱状图数据\\\\1960-2019全球GDP数据.csv", 
以上是关于Pythonpyecharts 数据可视化模块的主要内容，如果未能解决你的问题，请参考以下文章
 

 Pythonpyecharts 数据可视化模块


 Pythonpyecharts 数据可视化模块


 Python疫情数据分析，并做数据可视化展示


 Python 疫情数据可视化（爬虫+数据可视化）（Jupyter环境）


 10


 视频直播：实时数据可视化分析