搜索

5 分钟完全解读 pyecharts 动态图表

简说Python

共 14996字，需浏览 30分钟

 · 2021-04-24

点击“简说Python”，选择“置顶/星标公众号”

福利干货，第一时间送达！

本文偏长（6k+字），实用性高，老表建议先收藏，然后转发朋友圈，然后吃饭、休闲时慢慢看，反复看，反复记，反复练。

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。
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。

from pyecharts.charts import Bar,Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType

line = (
    Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, width='1000px',height='300px' ))
    .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"),
                        datazoom_opts=opts.DataZoomOpts(is_show=True))
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
)
line.render('test.html')
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
from pyecharts.charts import Bar,Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, 
                                 width='1000px',
                                 height='300px', 
                                 animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")
                                )
        )
    .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"),
                     toolbox_opts=opts.ToolboxOpts(is_show=False),
                     # datazoom_opts=opts.DataZoomOpts(is_show=True)
                     datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
                     legend_opts=opts.LegendOpts(type_="scroll", pos_left="50%", orient="vertical"),
                     xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15), name="我是 X 轴"),
                     yaxis_opts=opts.AxisOpts(name="我是 Y 轴", axislabel_opts=opts.LabelOpts(formatter="{value} /月")),
                     tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),

                    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                    markpoint_opts=opts.MarkPointOpts(
                        data=[
                            opts.MarkPointItem(type_="max", name="最大值"),
                            opts.MarkPointItem(type_="min", name="最小值"),
                            opts.MarkPointItem(type_="average", name="平均值"),
                        ]
                        ),
                    )
)
# line.render('test.html')
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
    from pyecharts import options as opts
    from pyecharts.charts import Bar, Line
    from pyecharts.faker import Faker

    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(init_opts=opts.InitOpts(width="680px", height="300px"))
        .add_xaxis(Faker.months)
        .add_yaxis("蒸发量", v1)
        .add_yaxis("降水量", v2)
        .extend_axis(
            yaxis=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5
            )
        )
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Overlap-bar+line"),
            yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")),
            tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        )
    )

    line = Line().add_xaxis(Faker.months).add_yaxis("平均温度", v3, yaxis_index=1)
    bar.overlap(line)
    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
    from pyecharts import options as opts
    from pyecharts.charts import Bar, Grid, Line
    from pyecharts.faker import Faker

    bar = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar"))
    )
    line = (
        Line()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),
            legend_opts=opts.LegendOpts(pos_top="48%"),
        )
    )

    grid = (
        Grid(init_opts=opts.InitOpts(width="680px", height="500px"))
        .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))
        .add(line, grid_opts=opts.GridOpts(pos_top="60%"))
    )
    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
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

c1 = (
    Map()
    .add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map-广东地图"), visualmap_opts=opts.VisualMapOpts()
    )
   
)

c2 = (
    Map()
    .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),
        visualmap_opts=opts.VisualMapOpts(max_=200),
    )
)

# c1.render_notebook()
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。
    from pyecharts import options as opts
    from pyecharts.charts import Pie, Timeline
    from pyecharts.faker import Faker

    attr = Faker.choose()
    tl = Timeline()
    for i in range(2015, 2020):
        pie = (
            Pie()
            .add(
                "商家A",
                [list(z) for z in zip(attr, Faker.values())],
                rosetype="radius",
                radius=["30%", "55%"],
            )
            .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
        )
        tl.add(pie, "{}年".format(i))
    tl.render_notebook()


  • 仪表盘

    from pyecharts import options as opts
    from pyecharts.charts import Gauge

    c = (
        Gauge()
        .add("", [("完成率", 30.6)], radius="70%",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(
                    color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30)
                ),
                title_label_opts=opts.LabelOpts(
                    font_size=20, color="blue", font_family="Microsoft YaHei"
                ),
            )
        .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"), legend_opts=opts.LegendOpts(is_show=False),)

    )
    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


作者简介：wedo实验君, 数据分析师；热爱生活，热爱写作


【图书推荐】
《Python大数据分析从入门到精通》通过
3层技术架构+3套经典数据+5个大数据平台工具/引擎的Python库+2个集成方向，教你轻松玩转大数据分析。

京东4.23活动持续日期是4.21-4.24，绝大部分新技术的书都有5折优惠哦～


【赠书规则】
本文留言说说你阅读本文后的思考，留言字数需要超过15个字，我将选三位留言最走心的朋友，赠送图书《Python大数据分析从入门到精通》一本。
活动截止时间：2021.4.27 20:00
注意：公众号留言仅展示前100条留言；活动截止前一天内的留言不入选；与留言主题无关留言或者留言字数不足15字的中奖无效，顺延至相关留言；最终排名顺序以我的截图为准。
另外，为了让更多读者获得赠书，本公众号读者一个月内只能通过赠书活动获得一次赠书；赠书阅读后欢迎大家写学习笔记投稿给本公众号，每投稿两次可以获得赠书一本。


扫码查看我朋友圈
获取最新学习资源

学习更多：
整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了

“点赞”传统美德不能丢 

浏览 20
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
深度解读RoCE v2网络技术
在日新月异的网络技术领域中，远程直接内存访问（RDMA）技术已成为优化数据传输流程、提升整体网络效能的关键驱动力。其中，以太网融合RDMA技术——RoCE（RDMA over Converged Ethernet），其第二代版本RoCE v2凭借显著的性能提升与更强的灵活性脱颖而出。本文来自“深度解
架构师技术联盟
0
为啥大模型还没完全取代你？
点击下方“JavaEdge”，选择“设为星标”第一时间关注技术干货！免责声明~任何文章不要过度深思！万事万物都经不起审视，因为世上没有同样的成长环境，也没有同样的认知水平，更「没有适用于所有人的解决方案」；不要急着评判文章列出的观点，只需代入其中，适度审视一番自己即可，能「跳脱出来从外人的角度看看现
JavaEdge
0
手动部署jar包，太low！动态上传热部署真爽！
本文来源：https://blog.csdn.net/zhangzhiqiang_0912近期开发系统过程中遇到的一个需求，系统给定一个接口，用户可以自定义开发该接口的实现，并将实现打成jar包，上传到系统中。系统完成热部署，并切换该接口的实现。定义简单的接口这里以一个简单的计算器功能为例，接口定义
Java高效学习
10
Nginx 的 5 大应用场景，太实用了！
来源：blog.csdn.net/vbirdbest/article/details/80913319👉 欢迎加入小哈的星球 ，你将获得: 专属的项目实战 / Java 学习路线 / 一对一提问 / 学习打卡 /  赠书福利全栈前后端分离博客项目 2.0 版本
小哈学Java
10
实战 | 基于YOLOv9+SAM实现动态目标检测和分割（步骤 + 代码）
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导  读    本文主要介绍基于YOLOv9+SAM实现动态目标检测和分割，并给出详细步骤和代码。      背景介绍   &nb
小白学视觉
10
发现一奇怪现象：失业的人要么跑滴滴，要么送外卖，其实这5件事比找工作重要得多！
上一篇：前知乎员工娶了个道教老婆，结果自己失业了，在老婆的影响下，慢慢相信命运，怀疑是老婆帮我转运了在职场生涯中，我们无可避免地会面临失业的风险。失业不仅仅是一个令人不安的话题，它还代表着我们的经济来源可能突然中断。对于那些肩负着家庭责任，比如抚养孩子和照顾老人的人来说，失业更是一件极具压力的事情。
开发者全社区
10
炫技Groovy！SpringBoot中的动态编程实战
来源：juejin.cn/post/7139877924676567048👉 欢迎加入小哈的星球 ，你将获得: 专属的项目实战 / Java 学习路线 / 一对一提问 / 学习打卡 /  赠书福利全栈前后端分离博客项目 2.0 版本完结啦， 演示链接
小哈学Java
10
【机器学习】机器学习中需要了解的 5 种采样方法
仅作学术分享，不代表本公众号立场，侵权联系删除转载于：雷锋网我每天都在努力学习许多算法，所以我想列出一些最常见和最常用的算法。本文介绍了在处理数据时可以使用的一些最常见的采样技术。   简单随机抽样假设您要选择一个群体的子集，其中该子集的每个成员被选择的概率都相等。下面
机器学习初学者
10
SpringBoot 实现动态插拔的 AOP，就变得有趣多了
大家好，我是小富～现在有这么一个需求：就是我们日志的开与关是交给使用人员来控制的，而不是由我们开发人员固定写死的。大家都知道可以用aop来实现日志管理，但是如何动态的来实现日志管理呢？aop源码中的实现逻辑中有这么一个步骤，就是会依次扫描Advice的实现类，然后执行。我们要做的就是自定义一个adv
程序员内点事
10
CVPR 2024满分论文解读：基于可变形三维高斯的高质量单目动态重建新方法
来源：机器之心本文约2200字，建议阅读7分钟这是首个使用变形场将 3D 高斯拓展到单目动态场景的工作。单目动态场景（Monocular Dynamic Scene）是指使用单眼摄像头观察并分析的动态环境，其中场景中的物体可以自由移...
数据派THU
0
点赞
评论
收藏
分享

手机扫一扫分享

举报