5 分钟完全解读 Pyecharts 动态图表

开源
pyecharts是基于百度开源图表组件echarts的python封装。支持所有常用的图表组件,和matlibplot系的图表库不同的是:pyecharts支持动态交互展示,这一点在查看复杂数据图表时特别的有用。

[[393863]]

本文转载自微信公众号「Python中文社区」,作者wedo实验君。转载本文请联系Python中文社区公众号。   

 1. pyecharts简介

pyecharts是基于百度开源图表组件echarts的python封装。支持所有常用的图表组件,和matlibplot系的图表库不同的是:pyecharts支持动态交互展示,这一点在查看复杂数据图表时特别的有用。

  1. pip install pyecharts 

2.pyecharts简单使用

pyecharts支持常用的基本图形展示,条形图、折线图、饼图、散点图、热力图、漏斗图、雷达图、箱型图、地图等,还能支持仪表盘,树形图的展示。

  1. from pyecharts.charts import Bar,Line 
  2. from pyecharts import options as opts 
  3. from pyecharts.globals import ThemeType 
  4.  
  5. line = ( 
  6.     Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, width='1000px',height='300px' )) 
  7.     .add_xaxis(["衬衫""羊毛衫""雪纺衫""裤子""高跟鞋""袜子"]) 
  8.     .add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) 
  9.     .add_yaxis("商家B", [15, 6, 45, 20, 35, 66]) 
  10.     .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"), 
  11.                         datazoom_opts=opts.DataZoomOpts(is_show=True)) 
  12.     .set_series_opts(label_opts=opts.LabelOpts(is_show=True)) 
  13. line.render('test.html'
  14. line.render_notebook() 

从上面简单事例可知,pyecharts的使用包括:

  • 图标类型(Line)本身的初始化配置,如主题,大小
  • 加载数据:如加载x轴数据,加载y轴数据(可以多个)
  • 设置全局配置,如标题,区域缩放datazoom,工具箱等
  • 设置系列配置项,如标签,线条,刻度文本展示等
  • 图标显示:render保存成html文件,如果是jupyter notebook则直接通过render_notebook展示在notebook中

3.常用配置使用

在pyecharts中,关于图表外观显示等操作都是在相应的option里配置,包括坐标轴,图例,数据标签,网格线,图表样式/颜色,不同系列等等。

  • InitOpts:各个图表类型初始配置
  • set_global_opts:全局外观配置
  • set_series_opts:系列配置

为了方便大家和自己,下面给出一个常用的组合,通常可视化足够用了,快收藏。

  • InitOpts:主题,长宽,动画效果
  • DataZoomOpts:区域收缩,这个对于数据特别多,如一天的时间序列数据,特别有用,可以拖动查看全局和局部的数据(可以设置是否显式显式还是可拖动type_="inside")
  • 标题配置TitleOpts:说明这个图表说明的是什么,必备的吧
  • 图例配置LegendOpts:说明图表中的不同数据项(这个图例是可以点击的,可以单独查看某个图例的数据,很有用)
  • 提示框配置TooltipOpts:显示图例具体某个点的数据
  • x轴和y轴坐标轴标题说明AxisOpts
  • 坐标刻度调整:特别适用于刻度说明比较多,可以显示角度变换等
  • markpoint/markline: 对图表的特别标记,用于重点说明部分和标注区分线
  1. from pyecharts.charts import Bar,Line 
  2. from pyecharts import options as opts 
  3. from pyecharts.globals import ThemeType 
  4.  
  5. bar = ( 
  6.     Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,  
  7.                                  width='1000px'
  8.                                  height='300px',  
  9.                                  animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut"
  10.                                 ) 
  11.         ) 
  12.     .add_xaxis(["衬衫""羊毛衫""雪纺衫""裤子""高跟鞋""袜子"]) 
  13.     .add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) 
  14.     .add_yaxis("商家B", [15, 6, 45, 20, 35, 66]) 
  15.     .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"), 
  16.                      toolbox_opts=opts.ToolboxOpts(is_show=False), 
  17.                      # datazoom_opts=opts.DataZoomOpts(is_show=True
  18.                      datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")], 
  19.                      legend_opts=opts.LegendOpts(type_="scroll", pos_left="50%", orient="vertical"), 
  20.                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15), name="我是 X 轴"), 
  21.                      yaxis_opts=opts.AxisOpts(name="我是 Y 轴", axislabel_opts=opts.LabelOpts(formatter="{value} /月")), 
  22.                      tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), 
  23.  
  24.                     ) 
  25.     .set_series_opts(label_opts=opts.LabelOpts(is_show=False), 
  26.                     markpoint_opts=opts.MarkPointOpts( 
  27.                         data=[ 
  28.                             opts.MarkPointItem(type_="max"name="最大值"), 
  29.                             opts.MarkPointItem(type_="min"name="最小值"), 
  30.                             opts.MarkPointItem(type_="average"name="平均值"), 
  31.                         ] 
  32.                         ), 
  33.                     ) 
  34. # line.render('test.html'
  35. bar.render_notebook() 

4.常用组合图表使用

常用组合图表有:

  • 不同图表类型组合如柱状图和折线图组合在一张图中(双y轴),主要的看同一视角不同指标的差异和关联;pyecharts中是通过overlap实现
  1. from pyecharts import options as opts 
  2. from pyecharts.charts import Bar, Line 
  3. from pyecharts.faker import Faker 
  4.  
  5. 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] 
  6. 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] 
  7. 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] 
  8.  
  9.  
  10. bar = ( 
  11.     Bar(init_opts=opts.InitOpts(width="680px", height="300px")) 
  12.     .add_xaxis(Faker.months) 
  13.     .add_yaxis("蒸发量", v1) 
  14.     .add_yaxis("降水量", v2) 
  15.     .extend_axis( 
  16.         yaxis=opts.AxisOpts( 
  17.             axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5 
  18.         ) 
  19.     ) 
  20.     .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) 
  21.     .set_global_opts( 
  22.         title_opts=opts.TitleOpts(title="Overlap-bar+line"), 
  23.         yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")), 
  24.         tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"), 
  25.     ) 
  26.  
  27. line = Line().add_xaxis(Faker.months).add_yaxis("平均温度", v3, yaxis_index=1) 
  28. bar.overlap(line) 
  29. bar.render_notebook() 

从实现上,

  • .extend_axis增加一个纵坐标
  • 增加的折线图设置轴坐标时设置yaxis_index索引和前面的纵坐标对应
  • 然后两张叠加overlap bar.overlap(line)

  • 多图标以网格(GRID)方式组合,主要是对比;pyecharts中是通过grid组件实现
  1. from pyecharts import options as opts 
  2. from pyecharts.charts import Bar, Grid, Line 
  3. from pyecharts.faker import Faker 
  4.  
  5. bar = ( 
  6.     Bar() 
  7.     .add_xaxis(Faker.choose()) 
  8.     .add_yaxis("商家A", Faker.values()) 
  9.     .add_yaxis("商家B", Faker.values()) 
  10.     .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar")) 
  11. line = ( 
  12.     Line() 
  13.     .add_xaxis(Faker.choose()) 
  14.     .add_yaxis("商家A", Faker.values()) 
  15.     .add_yaxis("商家B", Faker.values()) 
  16.     .set_global_opts( 
  17.         title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"), 
  18.         legend_opts=opts.LegendOpts(pos_top="48%"), 
  19.     ) 
  20.  
  21. grid = ( 
  22.     Grid(init_opts=opts.InitOpts(width="680px", height="500px")) 
  23.     .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%")) 
  24.     .add(line, grid_opts=opts.GridOpts(pos_top="60%")) 
  25. grid.render_notebook() 

从实现看

  • 主要通过Grid把各种图形放入其中
  • 各个图表的位置通过GridOpts来设置,上下左右的位置
  • 需要注意的是:grid中图表的title和图例需要根据所处位置来指定相对的位置(这个有点麻烦,多调调)

5.地图使用

地图可用在展示数据在地理位置上的分布情况,也是很常见的可视化的展示组件。pyecharts中是通过Map类来实现的。具体细节需要注意:

  • map支持不同的maptype,如中国地图china(省级) china-cities(市级),世界地图world,还有中国各省市地图以及世界各国国家地图,参看github pyecharts/datasets/map_filename.json
  • map的数据格式是(地理位置, value), 如[['广东', 76],['北京', 58]]
  • 可以通过visualmap_opts查看着重点
  1. from pyecharts import options as opts 
  2. from pyecharts.charts import Map 
  3. from pyecharts.faker import Faker 
  4.  
  5. c1 = ( 
  6.     Map() 
  7.     .add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东"
  8.     .set_global_opts( 
  9.         title_opts=opts.TitleOpts(title="Map-广东地图"), visualmap_opts=opts.VisualMapOpts() 
  10.     ) 
  11.     
  12.  
  13. c2 = ( 
  14.     Map() 
  15.     .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china"
  16.     .set_global_opts( 
  17.         title_opts=opts.TitleOpts(title="Map-VisualMap(连续型)"), 
  18.         visualmap_opts=opts.VisualMapOpts(max_=200), 
  19.     ) 
  20.  
  21. # c1.render_notebook() 
  22. c2.render_notebook() 

6.特色图表使用

在学习pyecharts时,看到一些比较有意思的(动态展示)组件,如随着时间动态展示图表数据的变化。这里做下介绍

  • Timeline:时间线轮播多图 先声明一个Timeline, 按照展示的时间顺序,将图表add到Timeline上; 可以通过播放按钮循环按照时间顺序展示图表。
  1. from pyecharts import options as opts 
  2. from pyecharts.charts import Pie, Timeline 
  3. from pyecharts.faker import Faker 
  4.  
  5. attr = Faker.choose() 
  6. tl = Timeline() 
  7. for i in range(2015, 2020): 
  8.     pie = ( 
  9.         Pie() 
  10.         .add
  11.             "商家A"
  12.             [list(z) for z in zip(attr, Faker.values())], 
  13.             rosetype="radius"
  14.             radius=["30%""55%"], 
  15.         ) 
  16.         .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i))) 
  17.     ) 
  18.     tl.add(pie, "{}年".format(i)) 
  19. tl.render_notebook() 

  • 仪表盘
  1. from pyecharts import options as opts 
  2. from pyecharts.charts import Gauge 
  3.  
  4. c = ( 
  5.     Gauge() 
  6.     .add("", [("完成率", 30.6)], radius="70%"
  7.         axisline_opts=opts.AxisLineOpts( 
  8.             linestyle_opts=opts.LineStyleOpts( 
  9.                 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30) 
  10.             ), 
  11.             title_label_opts=opts.LabelOpts( 
  12.                 font_size=20, color="blue", font_family="Microsoft YaHei" 
  13.             ), 
  14.         ) 
  15.     .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"), legend_opts=opts.LegendOpts(is_show=False),) 
  16.  
  17. c.render_notebook() 

7.其他图表一览

从上面的实例看,已经展示地图,条形图,折线图,饼图,仪表盘。这里展示下pyecharts提供的更多的图表,

  • 雷达图 Radar

  • 树形图 Tree

  • 热力图 heatMap

  • 日历图 Calendar

  • 散点图 Scatter

  • 3D图 Bar3D

  • 箱型图 Boxplot

8.总结

本文介绍的基于echarts的python动态图表展示组件pyecharts,除了提供众多常用的图表外,最重要的是支持动态操作数据。总结如下:

  • pyecharts所有的图像属性设置都通过opts来设置,有图表初始属性/全局属性/系列属性
  • 本文提供常用的配置,足够用了,拿走不谢,见常用配置使用
  • pyecharts 支持多图表组合,如折线图和条形图 overlap, 多个图表grid展示
  • pyecharts好用的map,可以展示中国省市,世界各国地图,请按照[位置,value]准备数据
  • Timeline可以让你的图表按照时间轮播
  • 更多图表参见参考资料

9.参考资料

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

责任编辑:武晓燕 来源: Python中文社区
相关推荐

2017-07-05 16:22:09

HTML5canvas动态

2020-03-05 09:59:45

Excel办公数据

2020-12-17 10:00:16

Python协程线程

2020-10-27 10:43:24

Redis字符串数据库

2020-05-06 10:10:51

Python代码链式调用

2009-12-08 11:16:07

PHP动态图像创建

2021-07-14 09:18:19

Python插值算法

2022-09-30 15:35:47

json 文件前端开源

2009-02-05 17:09:02

动态图片JSPTomcat

2009-08-11 13:27:09

C#动态图像按钮

2012-05-24 15:41:38

PHP

2017-01-12 14:52:03

JVMFinalRefere源码

2009-12-11 16:28:20

PHP统计图表类

2021-05-13 15:23:31

人工智能深度学习

2017-06-13 22:56:27

动态图PyTorchKeras

2023-12-18 15:02:00

PyechartsPython数据可视化工具

2020-05-26 18:50:46

JVMAttachJava

2021-08-13 11:10:32

OpenPyXLExcelPython

2017-01-11 14:02:32

JVM源码内存

2021-06-06 13:08:22

C#特性Attribute
点赞
收藏

51CTO技术栈公众号