—— 基于PyEcharts的数据可视化

Posted 2023-04-01 mossloo

文章目录

• 1. pyecharts数据可视化介绍
• 2．pyecharts安装与使用
• 3．全局配置项和系列配置项
• • 3.1 全局配置项
  • • 3.1.1 基本元素配置项
    • 3.1.2 坐标轴配置项
    • 3.1.3 原生图形配置项
  • 3.2 系列配置项
  • • 3.2.1 样式类配置项
    • 3.2.2 标记类型配置项
    • 3.2.3 其它类配置项
• 4．运行环境
• • 4.1 生成HTML
  • 4.2 Jupyter Notebook
  • 4.3 Jupyter Lab
• 5．Pyecharts可视化绘图
• • 5.1 柱状图
  • 5.2 折线图
  • 5.3 饼图
  • 5.4 箱型图
  • 5.5 涟漪散点图
  • 5.6 K线图
  • 5.7 雷达图
• 6. Bar的基本使用
• 7. Line的基本使用
• 8. 饼图的基本使用
• 9. 本章小结

---

1. pyecharts数据可视化介绍

pyecharts是一个用于生成 Echarts 图表的类库，是一款将Python与Echarts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。

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

Pyecharts是一个用于生成Echarts图表的库。代码相对简洁，可以生成Echarts风格的图表。

◾丰富的可视化类型: 提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap、旭日图，多维数据可视化的平行坐标，还有用于 BI 的漏斗图，仪表盘，并且支持图与图之间的混搭。
◾多种数据格式无需转换直接使用: 内置的 dataset 属性（4.0+）支持直接传入包括二维表，key-value 等多种格式的数据源，此外还支持输入 TypedArray 格式的数据。
◾千万数据的前端展现: 通过增量渲染技术（4.0+），配合各种细致的优化，ECharts 能够展现千万级的数据量。
◾移动端优化: 针对移动端交互做了细致的优化，例如移动端小屏上适于用手指在坐标系中进行缩放、平移。 PC 端也可以用鼠标在图中进行缩放（用鼠标滚轮）、平移等。
◾多渲染方案，跨平台使用: 支持以 Canvas、SVG（4.0+）、VML 的形式渲染图表。
◾深度的交互式数据探索: 提供了图例、视觉映射、数据区域缩放、tooltip、数据刷选等开箱即用的交互组件，可以对数据进行多维度数据筛取、视图缩放、展示细节等交互操作。
◾多维数据的支持以及丰富的视觉编码手段: 对于传统的散点图等，传入的数据也可以是多个维度的。
◾动态数据: 数据的改变驱动图表展现的改变。
◾绚丽的特效: 针对线数据，点数据等地理数据的可视化提供了吸引眼球的特效。
◾通过 GL 实现更多更强大绚丽的三维可视化: 在 VR，大屏场景里实现三维的可视化效果。
◾无障碍访问（4.0+）: 支持自动根据图表配置项智能生成描述，使得盲人可以在朗读设备的帮助下了解图表内容，让图表可以被更多人群访问。

2．pyecharts安装与使用

在使用pyecharts之前，首先要安装它。在Windows命令行中使用以下命令来执行安装过程：

pip install pyecharts

执行后，可输入以下命令查看：

pip list

如用户需要用到地图图表，可自行安装对应的地图文件包。命令如下：

pip install echarts-countries-pypkg #安装全球国家地图
pip install echarts-china-provinces-pypkg#安装中国省级地图
pip install echarts-china-cities-pypkg#安装中国市级地图

在安装完地图库以后，即可进行地图的数据可视化显示。

3．全局配置项和系列配置项

图形的参数配置是数据可视化的基础，Pyecharts中的参数配置比较简单，可分为全局配置项和系列配置项

3.1 全局配置项

3.1.1 基本元素配置项

Pyecharts的基本元素配置项主要包括：InitOpts、ToolBoxFeatureOpts、ToolboxOpts、TitleOpts、DataZoomOpts、LegendOpts、VisualMapOpts、TooltipOpts等8个配置。

(1) InitOpts:

(2) ToolBoxFeatureOpts:

(3) ToolboxOpts:

(4) TitleOpts:

(5) DataZoomOpts :

(6) LegendOpts:
(7) VisualMapOpts:

(8) TooltipOpts:

3.1.2 坐标轴配置项

Pyecharts的坐标轴配置项主要包括：AxisOpts、AxisLineOpts、AxisTickOpts、AxisPointerOpts、SingleAxisOpts等5个配置。

(1) AxisOpts:

(2) AxisLineOpts:

(3) AxisTickOpts:

(4) AxisPointerOpts:

(5) SingleAxisOpts:

3.1.3 原生图形配置项

Pyecharts的原生图形配置项主要包括：GraphicGroup、GraphicItem、GraphicBasicStyleOpts、GraphicShapeOpts、GraphicImage、GraphicText、GraphicTextStyleOpts、GraphicRect等8个配置。
(1) GraphicGroup:

(2) GraphicItem:

(3) GraphicBasicStyleOpts:

(4) GraphicShapeOpts:

(5) GraphicImage：

(6) GraphicText:

(7) GraphicTextStyleOpts:

(8) GraphicRect:

3.2 系列配置项

3.2.1 样式类配置项

Pyecharts的样式类配置项主要包括：ItemStyleOpts、TextStyleOpts、LabelOpts、LineStyleOpts、SplitLineOpts等5个配置。
(1) ItemStyleOpts:

(2) TextStyleOpts:

(3) LabelOpts:

(4) LineStyleOpts:

(5) SplitLineOpts:

3.2.2 标记类型配置项

Pyecharts的标记类型配置项主要包括：MarkPointItem、MarkPointOpts、MarkLineItem、MarkLineOpts、MarkAreaItem、MarkAreaOpts等6个配置。
(1) MarkPointItem:

(2) MarkPointOpts:

(3) MarkLineItem :

(4) MarkLineOpts:

(5) MarkAreaItem:

(6) MarkAreaOpts:

3.2.3 其它类配置项

Pyecharts的其它类配置项主要包括：EffectOpts、AreaStyleOpts、SplitAreaOpts等3个配置。
(1) EffectOpts:

(2) AreaStyleOpts:

(3) SplitAreaOpts:

4．运行环境

4.1 生成html

Pyecharts可以通过render函数生成HTML文件，下面的代码将结果生成html文件。
……
bar.render(‘bar.html’)

4.2 Jupyter Notebook

Pyecharts可以在Jupyter Notebook环境中运行。
……
bar.render_notebook()

4.3 Jupyter Lab

Pyecharts可以在Jupyter Lab环境中运行。
……
#第一次渲染时候调用load_javascript文件
bar.load_javascript()
bar.render_notebook()

5．Pyecharts可视化绘图

Pyecharts可以方便的绘制一些基础视图，包括柱状图，折线图，箱型图，涟漪散点图，K线图以及双坐标轴图等

5.1 柱状图

柱状图是一种把连续数据画成数据条的表现形式，通过比较不同组的柱状长度，从而对比不同组的数据量大小。
描绘柱状图的要素有3个：组数、宽度、组限。绘制柱状图时，不同组之间是有空隙的。柱状用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用与较小的数据集分析。柱状图也可以多维表达。

(1) 参数配置：

(2) 基本函数形式：
c = (
Bar()
.set_global_opts(title_opts=opts.TitleOpts(title=“Bar-基本示例”, subtitle=“我是副标题”,title_link=“https://pyecharts.org/#/zh-cn/”))
.add_xaxis(Faker.choose())
.add_yaxis(“商家A”, Faker.values())
.add_yaxis(“商家B”, Faker.values())
)

(3) 例：商家A与B商品订单数量分析
为了分析商家A与B商品订单数量，绘制了两个商家商品订单量的柱状图。

bar = Bar()

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)

5.2 折线图

折线图是用直线段将各个数据点连接起来而组成的图像，以折线方式显示数据的变化趋势。折线图可以显示随时间而变化的连续数据，因此非常适合显示相等时间间隔的数据趋势。在折线图中，类别数据沿水平轴均匀分布，数值数据沿垂直轴均匀分布。例如为了显示不同订单日期的销售额走势，可以创建不同订单日期的销售额折线图。

(1) 参数配置：

(2) 例：各门店销售业绩比较分析
为了比较企业门店销售业绩，绘制了各门店的销售额和利润额的折线图。

(3)基本函数形式：

line = Line()

line.set_global_opts(  
    title_opts = opts.TitleOpts(title = "门店销售额利润额的比较分析", subtitle = "2019年企业经营状况分析"),  
    toolbox_opts = opts.ToolboxOpts(),  
    legend_opts = opts.LegendOpts(is_show = True)  
)

line.add_xaxis(v1)
line.add_yaxis(“销售额”,v2,is_smooth = True) #is_smooth默认是False，即折线；is_selected默认是False,即不选中
line.add_yaxis("利润额",v3,is_smooth = True, is_selected = True)

5.3 饼图

基本函数形式：

c = (
    Pie()
    .add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
    .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
    .set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="b: c"))
)
c.render_notebook()

5.4 箱型图

箱型图是一种用作显示一组数据分散情况资料的统计图。在各种领域也经常被使用，常见于品质管理。
箱型图主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。
箱型图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数位于箱体中。

(1) 参数配置：

(2) 例：2019年销售额和利润额分析
为了分析2019年的销售额和利润额情况，绘制了不同的箱型图

(3) 基本函数形式：

boxplot = Boxplot()

boxplot.set_global_opts(  
    title_opts = opts.TitleOpts(title = "2019年销售额和利润额分析",subtitle = "2019年企业经营状况分析"),  
    toolbox_opts = opts.ToolboxOpts(is_show = False),  
    legend_opts = opts.LegendOpts(is_show = True)  
)

boxplot.add_xaxis(["2019年业绩"])
boxplot.add_yaxis("销售额",boxplot.prepare_data([v2]))
boxplot.add_yaxis("利润额",boxplot.prepare_data([v3]))

5.5 涟漪散点图

涟漪散点图是一类特殊的散点图，只是散点图中带有涟漪特效，利用特效可以突出显示某些想要的数据。
(1) 参数配置：

(2) 例：涟漪散点图各种图形

(3) 基本函数形式：

es = EffectScatter()

es.set_global_opts(  
    title_opts = opts.TitleOpts(title = "涟漪散点图分布",subtitle = "各种类型"),  
    xaxis_opts = opts.AxisOpts(splitline_opts = opts.SplitLineOpts(is_show = True)),  
    yaxis_opts = opts.AxisOpts(splitline_opts = opts.SplitLineOpts(is_show = True)),  
    toolbox_opts = opts.ToolboxOpts(False),  
    legend_opts = opts.LegendOpts(is_show = True)  
)
es.add_xaxis(v1)
es.add_yaxis("",v2,symbol = SymbolType.ARROW)

es.render_notebook()

5.6 K线图

K线图又称蜡烛图，股市及期货市场中的K线图的画法包含四个数据，即开盘价，最高价，最低价，收盘价，所有的K线都是围绕这四个指标展开，反映股票的情况。
如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可以画出周K线图，月K线图。

(1) 参数配置：

(2) 例：企业股票价格趋势分析

(3) 基本函数形式：

c = (
    Kline()
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts(pos_bottom="-2%")],
        title_opts=opts.TitleOpts(title="Kline-ItemStyle"),
    )
    .add_xaxis(["2017/7/".format(i + 1) for i in range(31)])
    .add_yaxis(
        "kline",
        data,
        itemstyle_opts=opts.ItemStyleOpts(
            color="#ec0000",
            color0="#00da3c",
            border_color="#8A0000",
            border_color0="#008F28",
        ),
    )
)

5.7 雷达图

基本函数形式：

c = (
    Radar()
    .add_schema(
        schema=[
            ……
        ]
    )
    .add("预算分配", v1,linestyle_opts=opts.LineStyleOpts(color="#CD0000"))
    .add("实际开销", v2,linestyle_opts=opts.LineStyleOpts(color="#5CACEE"))
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Radar-单例模式"),
    )
)

6. Bar的基本使用

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

c = (
    Bar()
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题",title_link="https://pyecharts.org/#/zh-cn/"))
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())  
) 
c.render_notebook()

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

x = [0,1,2,3,4,5]
y = [1,2,3,2,4,3]

c = Bar()
c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts",title_link="https://pyecharts.org/#/zh-cn/"))
c.add_xaxis(x)
c.add_yaxis("示例", y)  #'label',数值
# c.add_yaxis("商家B", Faker.values())  

c.render_notebook()

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

x = ['战狼2','速度与激情8','功夫瑜伽','西游伏妖篇',
     '变形金刚5：最后的骑士','摔跤吧！爸爸',
     '加勒比海盗5：死无对证','金刚：骷髅岛',
     '极限特工：终极回归','生化危机6：终章',
     '乘风破浪','神偷奶爸3','智取威虎山','大闹天竺',
     '金刚狼3：殊死一战','蜘蛛侠：英雄归来','悟空传',
     '银河护卫队2','情圣','新木乃伊']

y = [56.01,26.94,17.53,16.49,15.45,12.96,
     11.8,11.61,11.28,11.12,10.49,10.3,8.75,
     7.55,7.32,6.99,6.88,6.86,6.58,6.23]

c = Bar()
c.set_global_opts(title_opts=opts.TitleOpts(title="电影票房", subtitle="pyecharts"))
c.add_xaxis(x)
c.add_yaxis("示例", y)  #'label',数值
# c.add_yaxis("商家B", Faker.values())  
c.reversal_axis()

c.render_notebook()

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

a = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']

b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]

c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14, gap = '0%')  #'label',数值
c.add_yaxis("15日票房", b_15, gap = '0%') 
c.add_yaxis("16日票房", b_16, gap = '0%') 

# c.add_yaxis("商家B", Faker.values())  

c.render_notebook()

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

a = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']

b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]

c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14, gap = '0%', stack = '1')  #'label',数值
c.add_yaxis("15日票房", b_15, gap = '0%', stack = '1') 
c.add_yaxis("16日票房", b_16, gap = '0%') 
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

# c.add_yaxis("商家B", Faker.values())  

c.render_notebook()

import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

a = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']

b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]

c = Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))

c.set_global_opts(title_opts
基于Python的数据可视化库pyecharts介绍

什么是pyecharts？　　
　　pyecharts 是一个用于生成 Echarts 图表的类库。 
　　 echarts 是百度开源的一个数据可视化 JS 库，主要用于数据可视化。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。
　　 使用 pyecharts 可以生成独立的网页，也可以在 flask , Django 中集成使用。
pyecharts包含的图表
　　Bar 、Bar3D、Boxplot、EffectScatter 、Funnel、Gauge、Geo、Graph、HeatMap 、Kline、Line、Line3D、Liquid、Map、Parallel、Pie、Polar、Radar、Sankey、Scatter、Scatter3D 、ThemeRiver、WordCloud
pyecharts基本使用

柱状图基本使用

饼图的基本使用

云词图基本使用
等等案例，就不一一列举了，python再好，它终究还是需要靠写代码来完成的，这样解决不了生产力的问题，同时也达不到人人都是数据分析师的这样一个愿景，那有没有更好的解决办法呢，答案是肯定的。
NBI一站式大数据可视化分析平台（nbi.easydatavis.com:8033）
NBI一站式大数据可视化分析平台是一款基于B/S架构的数据可视化构建平台，NBI大数据平台的设计理念是提供简单、快速、可控、可交互为目的的数据可视化产品。
NBI大数据平台支持多种数据源无缝连接，能快速整合数据；

在NBI大数据平台中，我们封装了多达二三十种数据可视化组件供用户使用，提供了丰富的组件属性配置，让图表更具表现力；

同时提供了拖拽式操作方式，用户可以任意DIY数据可视化报告；NBI大数据可视化平台支持两种布局模式：（1）自由式布局和（2）流式布局方式供用户使用

几分钟即可做好数据可视化分析，极大的降低了人力、物力的投入
以上是关于—— 基于PyEcharts的数据可视化的主要内容，如果未能解决你的问题，请参考以下文章
 
 基于requests+pyecharts+MySQL的疫情可视化BI大屏
 第七次人口普查数据可视化分析实战——基于pyecharts（含数据和源码）
 python可视化利器：pyecharts
 Python机器学习---Pyecharts制作可视化大屏
 源码开放：基于Pyecharts可视化分析苏州旅游攻略
 实验pyecharts 1.5.0 饼图的绘制