pyecharts——可视化分析
1.常用图表绘制
# 一次性导入所有图表 from pyecharts.charts import * # pyecharts的配置项 from pyecharts import options as opts
基本图表的分类：
1.直角坐标系格式：柱状图、折线图等
2.地理坐标系：Map(区域地图）、Geo(点地图)、BMap(百度地图)
3.其他格式：饼图、漏斗图、日历图等
1.1直角坐标系：
数据格式：List类型、ChartItem——可针对单个数据样式的改变
# 虚假数据 x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu'] y_data = [123, 153, 89, 107, 98, 23] # 新建一个Line实例，命名为chart chart = Line() # 为chart添加x轴的数据 chart.add_xaxis(x_data) # 为chart添加y轴的数据 chart.add_yaxis( ' ', y_data, # 区域颜色填充，默认使用系列颜色，透明度设置为0.5 areastyle_opts=opts.AreaStyleOpts(opacity=0.5) #折线图与面积图的差别 ) # 在noteboo中夹在图表 # 如果是在Pycharm等IDE中 使用charts.render("xxx.html") chart.render_notebook()
# 新建一个Scatter实例，命名为chart chart = Scatter() # 为chart添加x轴的数据 chart.add_xaxis(x_data) # 为chart添加y轴的数据 chart.add_yaxis('', y_data) # 在noteboo中夹在图表 # 如果是在Pycharm等IDE中 使用charts.render("xxx.html") chart.render_notebook() '''大多数情况下，散点图会用来展示两个指标之间的关系 我们需要设置x轴的数据类型为value，y轴默认是value形式，不需要再单独设置''' # 新建一个Scatter实例，命名为chart chart = Scatter() # 为chart添加x轴的数据 chart.add_xaxis(x_data) # 为chart添加y轴的数据 chart.add_yaxis('', y_data) # 设置x轴为数值类型 chart.set_global_opts( xaxis_opts=opts.AxisOpts(type_="value") ) chart.render_notebook()
''' 直角坐标系中的热力图x轴y轴都必须是category类型''' # x轴数据项 hours = ['0点', '1点', '2点', '3点', '4点', '5点', '6点', '7点', '8点', '9点', '10点', '11点', '12点', '13点', '14点', '15点', '16点', '17点', '18点', '19点', '20点', '21点', '22点'] # y轴数据项 weekdays = ['周一', '周二', '周三', '周四', '周五', '周六', '周天'] # 单个数据项点值 data = [[0, 0, 5], [1, 0, 1], [2, 0, '-'], [3, 0, '-'], [4, 0, '-'], [5, 0, '-'], [6, 0, '-'], [7, 0, '-'], [8, 0, '-'], [9, 0, '-'], [10, 0, '-'], [11, 0, 2], [12, 0, 4], [13, 0, 1], [14, 0, 1], [15, 0, 3], [16, 0, 4], [17, 0, 6], [18, 0, 4], [19, 0, 4], [20, 0, 3], [21, 0, 3], [22, 0, 2], [23, 0, 5], [0, 1, 7], [1, 1, '-'], [2, 1, '-'], [3, 1, '-'], [4, 1, '-'], [5, 1, '-'], [6, 1, '-'], [7, 1, '-'], [8, 1, '-'], [9, 1, '-'], [10, 1, 5], [11, 1, 2], [12, 1, 2], [13, 1, 6], [14, 1, 9], [15, 1, 11], [16, 1, 6], [17, 1, 7], [18, 1, 8], [19, 1, 12], [20, 1, 5], [21, 1, 5], [22, 1, 7], [23, 1, 2], [0, 2, 1], [1, 2, 1], [2, 2, '-'], [3, 2, '-'], [4, 2, '-'], [5, 2, '-'], [6, 2, '-'], [7, 2, '-'], [8, 2, '-'], [9, 2, '-'], [10, 2, 3], [11, 2, 2], [12, 2, 1], [13, 2, 9], [14, 2, 8], [15, 2, 10], [16, 2, 6], [17, 2, 5], [18, 2, 5], [19, 2, 5], [20, 2, 7], [21, 2, 4], [22, 2, 2], [23, 2, 4], [0, 3, 7], [1, 3, 3], [2, 3, '-'], [3, 3, '-'], [4, 3, '-'], [5, 3, '-'], [6, 3, '-'], [7, 3, '-'], [8, 3, 1], [9, 3, '-'], [10, 3, 5], [11, 3, 4], [12, 3, 7], [13, 3, 14], [14, 3, 13], [15, 3, 12], [16, 3, 9], [17, 3, 5], [18, 3, 5], [19, 3, 10], [20, 3, 6], [21, 3, 4], [22, 3, 4], [23, 3, 1], [0, 4, 1], [1, 4, 3], [2, 4, '-'], [3, 4, '-'], [4, 4, '-'], [5, 4, 1], [6, 4, '-'], [7, 4, '-'], [8, 4, '-'], [9, 4, 2], [10, 4, 4], [11, 4, 4], [12, 4, 2], [13, 4, 4], [14, 4, 4], [15, 4, 14], [16, 4, 12], [17, 4, 1], [18, 4, 8], [19, 4, 5], [20, 4, 3], [21, 4, 7], [22, 4, 3], [23, 4, '-'], [0, 5, 2], [1, 5, 1], [2, 5, '-'], [3, 5, 3], [4, 5, '-'], [5, 5, '-'], [6, 5, '-'], [7, 5, '-'], [8, 5, 2], [9, 5, '-'], [10, 5, 4], [11, 5, 1], [12, 5, 5], [13, 5, 10], [14, 5, 5], [15, 5, 7], [16, 5, 11], [17, 5, 6], [18, 5, '-'], [19, 5, 5], [20, 5, 3], [21, 5, 4], [22, 5, 2], [23, 5, '-'], [0, 6, 1], [1, 6, '-'], [2, 6, '-'], [3, 6, '-'], [4, 6, '-'], [5, 6, '-'], [6, 6, '-'], [7, 6, '-'], [8, 6, '-'], [9, 6, '-'], [10, 6, 1], [11, 6, '-'], [12, 6, 2], [13, 6, 1], [14, 6, 3], [15, 6, 4], [16, 6, '-'], [17, 6, '-'], [18, 6, '-'], [19, 6, '-'], [20, 6, 1], [21, 6, 2], [22, 6, 2], [23, 6, 6]] # 新建heatmap实例 chart = HeatMap() # 添加x轴数据 chart.add_xaxis(hours) # 添加y轴数据项和数值 chart.add_yaxis( "", weekdays, data ) # 全局配置项 chart.set_global_opts( # 视觉组件是必须的，需要通过视觉组件的颜色来展示数据大小 visualmap_opts=opts.VisualMapOpts(max_=10), ) chart.render_notebook()
直角坐标系通用方法——都是继承自RectChart，都拥有以下方法。
from pyecharts.charts import * from pyecharts import options as opts # 虚假数据 x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu'] # 左边坐标轴的数据 y_data_1 = [123, 153, 89, 107, 98, 23] # 右边坐标轴的数据 y_data_2 = [13, 15, 9, 17, 8, 6] chart = Bar() chart.add_xaxis(x_data) # 添加应用于左边坐标轴的数据 chart.add_yaxis( '左侧', y_data_1, # 指定坐标轴，默认0，可省略 yaxis_index=0 ) # 添加应用于右侧坐标轴的数据 chart.add_yaxis( '右侧', y_data_2, # 指定坐标轴，默认0 yaxis_index=1 ) # 添加坐标轴 chart.extend_axis(yaxis=opts.AxisOpts()) chart.render_notebook()
chart = Bar() chart.add_xaxis(x_data) chart.add_yaxis('', y_data) # xy轴翻转 chart.reversal_axis() chart.render_notebook()
# 虚假数据 x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu'] y_data_1 = [123, 153, 89, 107, 98, 23] y_data_2 = [13, 15, 9, 17, 8, 6] chart_1 = Bar() chart_1.add_xaxis(x_data) chart_1.add_yaxis('', y_data_2) chart_2 = Line() chart_2.add_xaxis(x_data) chart_2.add_yaxis('', y_data_1) # overlap层叠 chart_1.overlap(chart_2) chart_1.render_notebook()
1.2地理坐标系：
# 虚假示例数据 data = [('广东', 61), ('湖北', 85), ('湖南', 115), ('四川', 137), ('重庆', 119), ('黑龙江', 66), ('浙江', 117), ('山西', 52), ('河北', 80), ('安徽', 99), ('河南', 101), ('山东', 75), ('西藏', 53)] chart = Map() chart.add( "", data, # 必须的参数，指定地图类型 maptype='china', # 不显示红点 is_map_symbol_show=False, ) # 全局配置项 chart.set_global_opts( # 视觉组件是必须的，需要通过视觉组件的颜色来展示数据大小 visualmap_opts=opts.VisualMapOpts(max_=max(data,key=lambda x:x[1])[1]), ) chart.render_notebook()
# 虚假示例数据 data = [('广东', 61), ('湖北', 85), ('湖南', 115), ('四川', 137), ('重庆', 119), ('黑龙江', 66), ('浙江', 117), ('山西', 52), ('河北', 80), ('安徽', 99), ('河南', 101), ('山东', 75), ('西藏', 53)] chart = Geo() chart.add_schema( maptype='china' ) chart.add( "", data, type_='scatter' ) # 全局配置项 chart.set_global_opts( # 视觉组件是必须的，需要通过视觉组件的图形大小来展示数据大小 visualmap_opts=opts.VisualMapOpts( type_='size', ), ) chart.render_notebook() '''热力图''' chart = Geo() chart.add_schema( maptype='china' ) chart.add( "", data, type_='heatmap' ) # 全局配置项, HeatMap需要配合视觉组件 chart.set_global_opts( visualmap_opts=opts.VisualMapOpts( type_='color', max_=max(data,key=lambda x:x[1])[1] ), ) chart.render_notebook()
1.3其他图表：
data_pair = [['Apple', 123], ['Huawei', 153], ['Xiaomi', 89], ['Oppo', 107], ['Vivo', 98], ['Meizu', 23]] chart = Pie() chart.add( '', data_pair ) chart.render_notebook() ''' 多饼图''' # 虚假数据 data_pair = [['Apple', 123], ['Huawei', 153], ['Xiaomi', 89], ['Oppo', 107], ['Vivo', 98], ['Meizu', 23]] chart = Pie() chart.add( '', data_pair, # radius控制半径大小 radius=['30%', '40%'], # center指定显示位置 center=['25%', '50%'] ) chart.add( '', data_pair, radius=['30%', '40%'], center=['75%', '50%'] ) chart.render_notebook()
from pyecharts.charts import * from pyecharts import options as opts from pyecharts.faker import Faker """ Faker 是Pyechart中提供的示例数据的class 会根据图表类型随机生成一些样例数据 """ bar = Bar( init_opts=opts.InitOpts( theme='light', width='1000px', height='600px') ) # 添加分类（x轴）的数据 bar.add_xaxis(Faker.choose()) # stack值一样的系列会堆叠在一起 # A系列和B系列都是stack1，会产生堆叠 # C系列为stack2 不与AB堆叠 bar.add_yaxis('A', Faker.values(), stack='stack1') bar.add_yaxis('B', Faker.values(), stack='stack1') bar.add_yaxis('C', Faker.values(), stack='stack2') bar.render_notebook()
from pyecharts.charts import * from pyecharts import options as opts import random x_data = [random.randint(0, 100) for _ in range(30)] # 注意ydata中包含多个维度的数据 y_data = [(random.randint(0, 100), random.randint(0, 100), random.randint(0, 100), random.randint(0, 100)) for _ in range(30)] # 新建散点图 scatter = Scatter(init_opts=opts.InitOpts(theme='light', width='1000px', height='600px')) # 添加x轴数据 scatter.add_xaxis(x_data) # 添加y轴数据 scatter.add_yaxis( '', y_data ) # dimension指定数据维度 scatter.set_global_opts(visualmap_opts=[opts.VisualMapOpts(is_show=True, type_='size', dimension=2, pos_top='5%', range_text=['大小', '']), # 通过图形大小映射 opts.VisualMapOpts(is_show=True, type_='color', dimension=3, pos_top='35%', range_text=['颜色', '']), # 通过颜色映射 opts.VisualMapOpts(is_show=True, type_='opacity', dimension=4, range_opacity=[0.2, 1], pos_top='65%', range_text=['透明度', '']) # 通过透明度映射 ], xaxis_opts=opts.AxisOpts(type_="value")) scatter.render_notebook()
from pyecharts.charts import * from pyecharts import options as opts import random color_js = """ new echarts.graphic.LinearGradient( 0, 1, 0, 0, [{offset: 0, color: '#00008B'}, {offset: 1, color: '#DA70D6'}], false) """ x_data = ["2020/7/{}".format(i + 1) for i in range(7)] # 随机生成点数据 y_data = [random.randint(10, 20) for i in range(len(x_data))] bar = Bar( init_opts=opts.InitOpts( theme='light', width='1000px', height='600px') ) bar.add_xaxis(x_data) bar.add_yaxis( '', y_data, itemstyle_opts={ 'shadowBlur': 10, # 光晕 'shadowColor': 'rgba(0, 0, 0, 0.5)', # 阴影颜色 'shadowOffsetY': 5, # 阴影偏移量——Y方向 'shadowOffsetX': 5, # 阴影偏移量——X方向 'barBorderRadius':[60, 60, 20, 20], 'color': JsCode(color_js) }, label_opts=opts.LabelOpts( # 标签设置 font_size=25, # 字体大小 font_weight='bold', # 加粗 position='insideTop' # 标签位置 ), ) bar.set_global_opts( yaxis_opts=opts.AxisOpts(is_show=False), # 关闭Y轴显示 xaxis_opts=opts.AxisOpts( boundary_gap=False, # 两边不显示间隔 axistick_opts=opts.AxisTickOpts(is_show=False), # 刻度不显示 splitline_opts=opts.SplitLineOpts(is_show=False), # 分割线不显示 axisline_opts=opts.AxisLineOpts(is_show=False), # 轴线不显示 axislabel_opts=opts.LabelOpts( # 坐标轴标签配置 font_size=20, # 字体大小 font_weight='bold' # 加重 ) ) ) bar.render_notebook()
2.常用配置
2.1系列配置
-
这样每次
add()的就是一个系列，在我们图表上可以通过图例展示出来。 -
所以 我们刚刚所说的系列配置项，就是只会作用于在单一系列中，比如系列1中添加的配置就不会影响系列2
# 虚假数据 x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu'] y_data_1 = [123, 153, 89, 107, 98, 43] y_data_2 = [213, 184, 99, 127, 91, 73] chart = Bar() chart.add_xaxis(x_data) chart.add_yaxis( '一季度', y_data_1, # 标签配置 label_opts=opts.LabelOpts( font_size=12, # 字体大小 color='white', # 文字颜色 font_style='italic', # 字体风格 font_weight='bolder', # 加粗 font_family='Courier New', # 字体 position='outsideTop', # 显示位置 formatter = '{a}\n{b}\n{c}万' # 文本内容 ), # 图元样式配置 itemstyle_opts=opts.ItemStyleOpts( color='red', # 颜色 opacity=.5, # 透明度 border_width=5, # 边框宽度 border_color='gold' # 边框颜色 ) ) Line1 = Line() Line1.add_xaxis(x_data) Line1.add_yaxis( '二季度', y_data_2, # 连线样式配置 linestyle_opts=opts.LineStyleOpts( color='red', # 颜色 opacity=.7, # 透明度 curve=0, # 弯曲程度，0表示完全不弯曲，折线图中没用 width=5, # 线宽 type_='dotted' # 连线的类型 ), # 连线样式配置 areastyle_opts=opts.AreaStyleOpts( color='red', # 颜色 opacity=.3, # 透明度 ) ) chart.overlap(Line1) chart.render_notebook() ''' 丑是丑了点 不过是这个意思'''
2.2全局配置
-
与系列配置项，全局配置项即作用于图表全局的配置；
-
当然也不是绝对的，比如我们进行视觉组件配置的时候，就可以通过
series_index制定作用的系列； -
全局配置项通过
chart.set_global_opts()进行配置添加；
chart = Line( #初始化配置 init_opts=opts.InitOpts( width='1000px', # 画布大小 height='600px', theme='dark', # 设置主题 #bg_color='grey' # 背景颜色 ) ) # 为chart添加x轴的数据 chart.add_xaxis(x_data) # 为chart添加y轴的数据 chart.add_yaxis( '系列1', y_data_1, # 区域颜色填充，默认使用系列颜色，透明度设置为0.5 areastyle_opts=opts.AreaStyleOpts(opacity=0.6), linestyle_opts=opts.LineStyleOpts( color='red', # 颜色 opacity=.6, # 透明度 curve=0, # 弯曲程度，0表示完全不弯曲，折线图中没用 width=1, # 线宽 type_='dotted' # 连线的类型 ) ) chart.add_yaxis( '系列2', y_data_2, # 区域颜色填充，默认使用系列颜色，透明度设置为0.5 areastyle_opts=opts.AreaStyleOpts(opacity=0.3), linestyle_opts=opts.LineStyleOpts( color='blue', # 颜色 opacity=.6, # 透明度 curve=0, # 弯曲程度，0表示完全不弯曲，折线图中没用 width=1, # 线宽 type_='dotted' # 连线的类型 ) ) chart.set_global_opts( #提示框配置项 tooltip_opts=opts.TooltipOpts( is_show=True, # 是否使用提示框 trigger='axis', # 触发类型 trigger_on='mousemove|click', # 触发条件，点击或者悬停均可出发 axis_pointer_type='cross', # 指示器类型，鼠标移动到图表区可以查看效果 formatter = '{a}<br>{b}:{c}万' # 文本内容 ) #区域缩放配置项 datazoom_opts=opts.DataZoomOpts( range_start=0, # 开始范围 range_end=50, # 结束范围 #orient='vertical', # 设置为垂直布局 type_='slider', # slider形式 is_zoom_lock=True, # 锁定区域大小 pos_left='1%' # 设置位置 ), #标题配置项 title_opts=opts.TitleOpts( title="居中标题", # 主标题内容 subtitle_target='self', # 当前窗口打开 pos_left='center', # 距离左边界距离，center表示剧中 pos_top='1%', # 距离上边界距离 ), #图例配置项 legend_opts=opts.LegendOpts( selected_mode='multiple', pos_right='10%', # 距离右边界距离 pos_top='2%', # 距离上边界的距离 #orient='vertical', # 设置诶垂直布局，默认水平布局=>horizontal legend_icon='circle', # 修改图例icon textstyle_opts=opts.TextStyleOpts( color='red', # 颜色 font_size='12', # 字体大小 font_weight='bolder', # 加粗 ) # 文本样式配置 ), ) # 在noteboo中夹在图表 # 如果是在Pycharm等IDE中 使用charts.render("xxx.html") chart.render_notebook()
浙公网安备 33010602011771号