Pyecharts数据可视化
- Pyecharts 介绍
- 绘制Pyecharts的三种方式
全局配置项
系列配置项
- LabelOpts 标签配置型
pyecharts Line折线图
pyecharts Bar柱状图
pyecharts Pie饼状图
- 绘制一个简单的饼图
- 绘制Pie圆弧状饼图
pyechart scatter散点图
- 第一个散点图
- 散点图大小与形状设置
pyechart WordCloud 词云
pyechart geo地理图形

Pyecharts数据可视化

@Author : Small-J

官方中文网址： https://pyecharts.org/#/zh-cn/intro

Pyecharts 介绍

Echarts,一个使用JavaScript实现的开源可视化库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的矢量图型库，提供直观，交互丰富，可高度个性化定制的数据可视化图片

Echart : 百度开源可视化工具
pyechart : 国内大神实现Python调用echarts库

特性

简介的API设计，顺畅流畅，支持链式调用
概括了30+种常用图表，应有尽有
支持主流Notebook环境，Jupyter Notebook 和 JupyterLab
可轻松集成至Flask 、Django 等主流Web框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达400+地图文件以及原生的百度地图，为地理数据可视化提供有力的支持

pyecharts 安装

安装pyecharts ：pip install pyecharts -i https://pypi.douban.com.simple/
全球国家地图： pip install echarts-countries-pypkg -i https://pypi.douban.com/simple/
中国省级地图：pip install echats-china-provinces-pypkg -i https://pypi.douban.com/simple/
中国市级地图： pip install echarts-china-cities-pypkg -i https://pypi.douban.com/simple/

检查版本的安装

import pyecharts
pyecharts.__version__

绘制Pyecharts的三种方式

Pyecharts绘制图表：生成HTML

导入第三方绘制直方图的库：from pyecharts.chart import Bar
在Pyecharts中一切皆全局配置项： from pyecharts import options as opts

x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
bar = Bar() # 实例化对象
# xaxis_data : 要添加的X轴数据
bar.add_xaxis(xaxis_data=x)  # x轴坐标的数据
# yaxis_data : 添加的x轴数据,series_name : 图例的名字
bar.add_yaxis(yaxis_data=y1, series_name='平台-A')
bar.add_yaxis(yaxis_data=y2, series_name='平台-B')
# 设置bar的全局配置项 
bar.set_global_opts(title_opts=opts.TitleOpts(title='Small-J绘制的平台'))
bar.render(path='./HTML/first_bar.html')  # 绘制图形。path为指定路径，生成HTML文件的一个路径

Pyecharts数据可视化 - 图1

在Jupyter notebook 上直接展示

render_notebook : 在 jupyter notebook 上直接展示
reversal_axis : x轴和y轴坐标轴进行转换

# 绘制直方图 Bar
from pyecharts.charts import Bar
# 使用options,在pyecharts中一切皆options
from pyecharts import options as opts
x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
bar2 = Bar() # 实例化对象
# 设置标题
bar2.set_global_opts(title_opts=opts.TitleOpts(title='Small-J 商家平台'))
bar2.add_xaxis(xaxis_data=x)
bar2.add_yaxis(yaxis_data=y1, series_name='商家-A')
bar2.add_yaxis(yaxis_data=y2, series_name='商家-B')
# 当我们想旋转轴的时候，可以通过reversal_axis参数来进行轴的转换
# x轴和y轴坐标轴的转换
bar2.reversal_axis()
bar2.render_notebook()

Pyecharts数据可视化 - 图2

Pyecharts生成图片

安装软件： pip install snapshot_selenium -i https://pypi.douban.com/simple
配置环境变量：我们需要把我们的chromedriver驱动放到我们PATH环境变量下
snapshot : 导入快照
make_snapshot : 生成图片保存图形

from snapshot_selenium import snapshot as driver
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
def bar_chart()->Bar:
    x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
    y1 = [1140, 550, 270]
    y2 = [570, 1340, 1370]
    c = Bar() # 实例化对象
    # 设置标题
    c.set_global_opts(title_opts=opts.TitleOpts(title='Small-J 商家平台'))
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(yaxis_data=y1, series_name='商家-A')
    c.add_yaxis(yaxis_data=y2, series_name='商家-B')
    # 当我们想旋转轴的时候，可以通过reversal_axis参数来进行轴的转换
    # x轴和y轴鼠标轴的转换
    c.reversal_axis()
    c.render_notebook()
    return c
c = bar_chart()
# c.render_notebook()
make_snapshot(driver,c.render(), 'first_bar.png')

Pyecharts数据可视化 - 图3

全局配置项

使用options配置项，在pyecharts中，一切皆Options

from pyecharts.options as opts

InitOpts 初始化配置项

注意：初始化配置是在该导入的图形进行初始化设置例如

导入什么类型的绘图，就在什么样的图像进初始化配置
width : 图表的宽度显示
height ：图表的高度显示
theme : 图表的主题选择

# 该导入的是折线图的库
Line(init_opts = opts.InitOpts(width='1500px',height='1000px'))

TitleOpts 标题配置项

title : 主标题文本
subtitle : 副标题文本
pos_left : title组件离容器左侧的距离，参数如下：
left : 左侧
center: 中间
right : 右侧
pos_top : title 组件离容器右侧的距离

对应的图形.set_global_opts(title_opts=opts.TitleOpts(title='Small-J',subtitle='这是副标题', pos_left=None, pos_top=None))

LegendOpts 图例配置项

is_show : 是否显示图例组件,默认情况下为True
pos_left : 图例组建离容器左侧的距离
pos_right : 图例组件离容器右侧的距离
pos_top : 图例组件离容器上侧的距离
pos_bottom : 图例组件离容器下侧的距离

对应的图形.set_global_opts(legend_opts=opts.LegendOpts(is_show=False))

TooltipOpts 提示框配置项

trigger : 触发类型
item : 数据项图形触发，主要在散点图，饼图等无类目轴的图表使用
axis : 坐标轴触发，主要在柱状图的，折线图等会使用类目轴的图表中使用
axis_pointer_type : 指示器类型
line ：直线指示器
shadow : 阴影指示器
cross : 十字准星指示器
formatter : 标签内容格式器，支持字符串模板和回调函数两种形式，字符串模板与回调函数返回的字符串均支持用 \n 换行
字符串模板模板变量有：
{a} : 系列名
{b} : 数据名
{c} : 数据值
示例： formatter : {b}: {@score}

对应的图像.set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True, trigger='axis', axis_pointer_type='cross')

ToolboxOpts 工具项配置

is_show : 是否显示提示框组件，包括提示框浮层
trigger : 触发类型
item : 数据项图形触发,主要在散点图，饼图等无类目轴的图表中使用
axis : 坐轴触发，主要在柱状图，折线图等会使用类目轴的图表中使用
none : 什么都不触发

对应的图像.set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True))

AxisOpts 坐标轴配置项

is_show : 是否显示y轴数据
is_inverse : 是否反向坐标轴
axislabel_opts : 坐标轴标签配置项继承于LabelOpts
opts.LabelOpt
rotate : 将对应轴的文字旋转度数
name : 坐标轴名称
type_ : 坐标轴类型
value : 数值轴，适用于连续的数据
category : 类名轴，适用于离散的类目数据
time : 时间轴
min_ : 坐标轴刻度最小值
max_ : 坐标轴刻度最大值
interval : 强制设置坐标轴分隔间隔
axisabel_opts : 坐标轴标签配置项

对应的图像.set_global_opts(is_show=True, is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))

DatazoomOpts 区域缩放配置项

is_show : 是否显示组件
type_ : 组件类型
slider : 下方会有像进度条一样的进度条配置项
inside : 点中图表用数据滚轮滑动
range_start : 数据窗口范围的起始百分比
range_end : 数据窗口范围的结束百分比

对于的图像.set_global_opts(datazoom_opts=options.DataZoomOpts(type_='slider', range_start=0, range_end=1500, orient='vertical'))

系列配置项

LabelOpts 标签配置型

is_show : 是否显示标签
color : 文字颜色
font_size: 文字的字体大小
rotate : 标签旋转

例子 :yaxis_opts=options.AxisOpts(axislabel_opts=options.LabelOpts(rotate=45))

对应的图像.set_global_opts(
    对应的配置项=对应的全局配置项含有系列配置项(对应全局配置项含有的系列配置项属性=options.LabelOpts(is_show=True, color=None, font_size=None, rotate=None))
)

pyecharts Line折线图

绘制简单的折线图

导入绘制折线图的库： from pyecharts.charts import Line
series_name : 图例名字
y_axis : 导入的数据，注意导入的数据x轴要与y轴数据长度相同

import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]
# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line
def line_charts()->Line:
    c = Line()
    c.set_global_opts(opts.TitleOpts(title='折线图可视化',subtitle='Small-J'))
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c
# 绘制图表
c = line_charts()
c.render_notebook()

Pyecharts数据可视化 - 图4

Line 增加标题与图例

set_global_opts : 全局设置
opts.TitleOpts : 标题配置项
title : 主标题
subtitle : 副标题
legend_opts ：图例配置项
is_show : 是否显示图例组件，默认情况下显示图例组件

import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]
# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line
def line_charts()->Line:
    c = Line()
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='折线图可视化',subtitle='Small-J'),
        legend_opts=opts.LegendOpts(is_show=True)
    )
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c
# 绘制图表
c = line_charts()
c.render_notebook()

Pyecharts数据可视化 - 图5

Line 增加提示项

set_global_opts : 全局配置
tooltip_opts : 增加提示项
is_show : 是否开启提示项
trigger : 默认情况下item 数据项图形触发
item : 数据项图形触发,主要在散点图，饼图等无类目轴的图表中使用
axis : 坐标轴触发，主要在柱状图，折线图等会使用类目轴的图表中使用
axis_pointer_type : 指示器类型
line : 直线指示器
shadow : 阴影指示器
cross : 十字准星指示器

import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]
# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line
# init_opts = opts.InitOpts(width='1500px',height='1000px')
def line_charts()->Line:
    c = Line()
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='折线图可视化',subtitle='Small-J'),
        legend_opts=opts.LegendOpts(is_show=True),
        tooltip_opts=opts.TooltipOpts(is_show=True, trigger='axis',axis_pointer_type='cross')
    )
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c
# 绘制图表
c = line_charts()
c.render_notebook()

Pyecharts数据可视化 - 图6

Line 工具箱配置项

set_global_opts : 全局设置
toolbox_opts : 工具箱的配置信息
is_show : 是否显示提示框组件

import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]
# 绘制折线图并绘制
def line_charts()->Line:
    line2 = Line()
    # x轴并没有series_name
    line2.set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True))
    line2.add_xaxis(x)
    line2.add_yaxis(y_axis=y1,series_name='数据-A')
    line2.add_yaxis(y_axis=y2,series_name='数据-B')
    return line2
line2 = line_charts()
line2.render_notebook()

Pyecharts数据可视化 - 图7

Line 的展示图例

Pyecharts数据可视化 - 图8

pyecharts Bar柱状图

绘制一个简单的Bar图

Bar : 柱状图
注意：add_yaxis必须要传入yaxis_data, series_name这两个参数

# 导入需要的库
from pyecharts.charts import Bar
from pyecharts import options as opts
# 绘制信息
x = ['Python 数据可视化 seaborn', 'Python 数据可视化 matplotlib', 'Python 数据可视化 pyecharts']
y1 = [1140, 559, 270]
# 创建Bar示例对象,同时x,y赋值填充
def Bar_chart():
    bar = Bar()
    # 设置全局配置项
    bar.set_global_opts=(opts.TitleOpts(title='Small-J'))
    bar.add_xaxis(xaxis_data=x)
    # y轴添加信息必须要有series_name这个参数
    bar.add_yaxis(yaxis_data=y1,series_name='数据-A')
    return bar
bar = Bar_chart()
bar.render_notebook()

Pyecharts数据可视化 - 图9

绘制图表反转

reversal_axis : 将x,y轴进行反转

# 创建Bar示例对象,同时x,y赋值填充
def Bar_chart():
    bar = Bar()
    # 设置全局配置项
    bar.set_global_opts=(opts.TitleOpts(title='Small-J'))
    bar.add_xaxis(xaxis_data=x)
    # y轴添加信息必须要有series_name这个参数
    bar.add_yaxis(yaxis_data=y1,series_name='数据-A')
    bar.reversal_axis()
    return bar
bar = Bar_chart()
bar.render_notebook()

文本倾斜度设置

yaxis_opts : y轴的配置信息,对应也有x轴的配置信息
opts_AxisOpts : 坐标轴配置项
is_inverse ：将对应的数据进行旋转
axislabel_opts : 坐标轴指示器的文本标签，继承于LabelOpts
rotate : 旋转的度数

x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
# 实例化
bar = Bar()
bar.add_xaxis(xaxis_data=x)
bar.add_yaxis(series_name='数据--A', yaxis_data=y1)
bar.add_yaxis(series_name='数据--B', yaxis_data=y2)
# 设置全局参数配置
bar.set_global_opts(
    title_opts=opts.TitleOpts(title='Small-J'),
    # is_inverse : 将对应的数据进行旋转
    yaxis_opts=opts.AxisOpts(is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))
)
# 设置倾斜
bar.reversal_axis()
bar.render_notebook()

Pyecharts数据可视化 - 图10

设置图表的大小

opts.InitOpts : 初始化配置，初始化是在实例化对象中使用
width : 宽度
height : 高度

x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
# 实例化
# 设置初始化配置项
bar = Bar(opts.InitOpts(width='500px', height='500px'))
bar.add_xaxis(xaxis_data=x)
bar.add_yaxis(series_name='数据--A', yaxis_data=y1)
bar.add_yaxis(series_name='数据--B', yaxis_data=y2)
# 设置全局参数配置
bar.set_global_opts(
    title_opts=opts.TitleOpts(title='Small-J'),
    # is_inverse : 将对应的数据进行旋转
    yaxis_opts=opts.AxisOpts(is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))
)
# 设置倾斜
bar.reversal_axis()
bar.render_notebook()

Pyecharts数据可视化 - 图11

如何设置区域缩放配置

datazoom_opts : 区域缩放配置
type_ : 组件类型 “slider” “inside”
inside : 滑动滚轮显示数据
slider : 通过下方的组件来进行滑动
range_start : 数据窗口范围的起始百分比，范围0~100。表示 0% ~ 100%
range_end : 数据窗口的结束百分比，范围0100。表示0%100%
orient : 布局方式是横还是竖。不仅是布局方式，对于直角坐标而言，也决定了，缺省情况控制横向数轴还是纵向数轴
horizonal : 横项数据
vertical : 纵向数据

# @Time : 2020/7/31 0:30 
# @Author : Small-J 
# 封装Bar绘制图表的方式
from pyecharts.charts import Bar
from pyecharts import options
# 保存为图片类型
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot
x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
# 指定
def bar_charts() -> Bar():
    bar = Bar()
    bar.add_xaxis(x)
    bar.add_yaxis(series_name='A-平台', yaxis_data=y1)
    bar.add_yaxis(series_name='B-平台', yaxis_data=y2)
    # x y 轴旋转
    bar.reversal_axis()
    # 设置全局项
    bar.set_global_opts(
        # 标题配置项
        title_opts=options.TitleOpts(title='Small-J'),
        # y轴配置项
        # axislabel_opts : 该参数用于配置坐标轴指示器标签
        yaxis_opts=options.AxisOpts(axislabel_opts=options.LabelOpts(rotate=45)),
        # 区域缩放配置 DataZoomOpts
        datazoom_opts=options.DataZoomOpts(type_='slider', range_start=0, range_end=1500, orient='vertical')
    )
    return bar
d = bar_charts()
d.render('./html/pyechart_bar.html')

Pyecharts数据可视化 - 图12

Line折线图 + Bar柱状图组合

init_opts : 初始化配置
width : 宽度
height : 高度
extend_axis : 扩张x/y轴
xaxis_data ：扩展x坐标轴数据项
xaxis : 扩展x坐标轴配置项 —> 要使用opts.AxisOpts中的参数
yaxis : 新增Y坐标轴配置项——> 要使用opts.AxisOpts中的参数
opts.AxisOpts : 中的参数讲解
name : 坐标轴名称
type_ : 坐标轴类型
value : 数值轴，适用于连续数据
category : 类名轴，使用于离散的类目数据
time ：时间轴
min_ ：坐标轴刻度最小值
max_ : 坐标轴刻度最大值
interval : 强制设置坐标轴分隔间隔
axisabel_opts : 坐标轴标签配置项
overlap : 是一个层叠多图 ——-> 是在对应的直角坐标图表使用
可以使用的图表：Bar柱状图， Boxplot箱型图， EffectScatter 涟漪特效散点图， HeatMap 热力图， Kine k线图
Line 折线图， PictorialBar象形柱状图， Scatter 散点图，
Line : 折线图参数讲解
series_name : 图例的名字
yais_index : 使用的y轴的index,在单个图表实例中存在多个y轴的时候使用
label_opts : 标签配置项，使用系列配置项
is_show ：是否显示标签

# @Time : 2020/8/1 14:25 
# @Author : Small-J 
from pyecharts import options as opts
from pyecharts.charts import Bar, Line
# 柱状图: y轴显示不同平台的销售数量
# 折线图: y轴另一侧显示不同平台课程对应的价格
x = ['Python', 'Seaborn', 'Plotly', 'Pyecharts']
# 绘制柱状图
def bar_charts() -> Bar():
    y1 = [1140, 559, 270, 663]
    y2 = [570, 1340, 1370, 1000]
    bar = Bar(init_opts=opts.InitOpts(width='1000px', height='600px'))
    bar.add_xaxis(x)
    bar.add_yaxis(yaxis_data=y1, series_name='数据-A')
    bar.add_yaxis(yaxis_data=y2, series_name='数据-B')
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title='数据走势')
    )
    # bar中有这么一个方法extend_axis扩展轴,来自于RectChart
    # 扩展的是y轴数据
    # name: 扩展轴的名字
    # min: 坐标轴刻度最小值
    # max: 坐标轴刻度最大值
    # interval : 强制设置坐标轴分隔间隔
    # axislabel_opts : 坐标轴标签配置项
    bar.extend_axis(yaxis=opts.AxisOpts(name='价格', type_='value', min_=0, max_=200, interval=10, axislabel_opts=opts.LabelOpts(formatter='{value}元')))
    # bar.render('./html/line_chart and bar_chart.html')
    return bar
# 绘制折线图
def line_charts() -> Line():
    y = [200, 180, 49, 79]
    line = Line()
    line.add_xaxis(xaxis_data=x)
    # series_name : 图例名字
    # y_axis : 对应的数据
    # yaxis_index : 使用的y轴的index,在单个图表实例中存在多个x轴的时候使用
    # label_opts : 标签配置项
    line.add_yaxis(series_name='价格', yaxis_index=1, y_axis=y, label_opts=opts.LabelOpts(is_show=False))
    return line
# 组合
bar = bar_charts()
line = line_charts()
# overlap 是一个层叠多图的函数
# 直角坐标系图表的函数使用
bar.overlap(line).render('./html/line_chart and bar_chart.html')

Pyecharts数据可视化 - 图13

pyecharts Pie饼状图

绘制一个简单的饼图

series_name: 系列名称
data_pair : 系列数据项， 注意：该系列数据支持的格式有[(key，value), (key2，value)] 或者 [[key，value]， [key1， value1]]
ops.TitleOpts: 标题配置项
pos_left : title组件离容器左边侧的距离
pos_top : title组件离容器上侧的距离

# @Time : 2020/8/1 19:04 
# @Author : Small-J 
# 饼图需要的数据格式
# [[x1, y1], [x2, y2]]
from pyecharts import options as opts
from pyecharts.charts import Pie
# 构建Pie的数据
x_data = ['直接访问', '营销推广', '博客推广', '搜索引擎']
y_data = [830, 214, 300, 1100]
# Pie 设置指定的格式
# for z in list(zip(x_data, y_data)) 相当于是一个列表
# data = [list(z) for z in list(zip(x_data, y_data))]
data = [i for i in zip(x_data, y_data)]
print(data)
def pie_chart() -> Pie():
    pie = Pie(init_opts=opts.InitOpts(width='500px', height='500px'))
    # series_name : 系列名称
    # data_pair : 系列数据项
    pie.add(series_name='访问来源', data_pair=data)
    # 添加全局设置
    pie.set_global_opts(
        title_opts=opts.TitleOpts(title='课程不同的分布情况', pos_left='center', pos_top=30),
        tooltip_opts=opts.TooltipOpts(trigger='item', formatter='{a} </br> {b}:{c} ({d}%)'),
    )
    return pie
pie = pie_chart()
pie.render('./html/pyechart_pie.html')

Pyecharts数据可视化 - 图14

绘制Pie圆弧状饼图

from pyecharts.charts import Pie
from pyecharts import options as opts
# 构建Pie的数据
x_data = ['直接访问', '营销推广', '博客推广', '搜索引擎']
y_data = [830, 214, 300, 1100]
data = [i for i in zip(x_data, y_data)]
def pie_charts() -> Pie():
    pie = Pie()
    pie.add(series_name='访问来源', data_pair=data, radius=['40%', '75%'])
    pie.set_global_opts(
        title_opts=opts.TitleOpts(title='不同数据的分布情况'),
        # 提示框配置项,设置百分比数据占比
        tooltip_opts=opts.TooltipOpts(formatter='{a} </br> {b}:{c} ({d}%)'),
        # 设置图例的分布区域, vertical :垂直的, pos_top:图例组件离容器上册侧的距离, pos_Left: 图例组件离容器左侧的距离
        legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'),
    )
    return pie
p = pie_charts()
p.render('./html/pyechart_pie.html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gkKkolDE- Pyecharts数据可视化 - 图15

pyechart scatter散点图

第一个散点图

add_xaxis : 对应的x轴数据
add_yaxis : 对应的y轴数据
label_opts: 标签配置项
is_show : 不显示该标签
title_opts : 标题配置项
pos_top : 组件离容器的高度
pos_left : title组件离容器的左侧的距离
left : 左侧
center : 中间
right : 右侧

# @Time : 2020/8/2 1:41 
# @Author : Small-J 
from pyecharts import options as opts
from pyecharts.charts import Scatter
import numpy as np
x_data = np.linspace(0, 10, 30)
y1 = np.sin(x_data)
y2 = np.cos(x_data)
def scatter_charts() -> Scatter():
    scatter = Scatter()
    scatter.add_xaxis(xaxis_data=x_data)
    # label_opts: 标签配置项,不显示该标签
    scatter.add_yaxis(y_axis=y1, series_name='sin(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False))
    scatter.add_yaxis(y_axis=y2, series_name='con(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False))
    # pos_top: 组件离容器的上侧距离
    # pos_left : 三个参数 left 、center、right
    scatter.set_global_opts(
        title_opts=opts.TitleOpts(title='Small-J 第一个散点图', pos_top='20px', pos_left='center')
    )
    return scatter
scatter = scatter_charts()
scatter.render('./html/scatter.html')

Pyecharts数据可视化 - 图16

散点图大小与形状设置

scatter.add_yaxis : 散点图添加数据
series_name : 系列名称
y_axis : 系列数据
symbol : 标记的图形 : circle 、rect、roundRect、triangle、diamond、pin、arrow、none
symbol_size : 标记的大小

# @Time : 2020/8/2 1:41 
# @Author : Small-J 
from pyecharts import options as opts
from pyecharts.charts import Scatter
import numpy as np
x_data = np.linspace(0, 10, 30)
y1 = np.sin(x_data)
y2 = np.cos(x_data)
def scatter_charts() -> Scatter():
    scatter = Scatter()
    scatter.add_xaxis(xaxis_data=x_data)
    # label_opts: 标签配置项,不显示该标签
    # symbol_size :设置形状的大小,默认大小为10, 例如[20, 10]可标记宽为20, 高为10
    # symbol : 标记的图形
    scatter.add_yaxis(y_axis=y1, series_name='sin(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False), symbol_size=20,  symbol='pin')
    scatter.add_yaxis(y_axis=y2, series_name='con(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False), symbol_size=20, symbol='rect')
    # pos_top: 组件离容器的上侧距离
    # pos_left : 三个参数 left 、center、right
    scatter.set_global_opts(
        title_opts=opts.TitleOpts(title='Small-J 第一个散点图', pos_top='20px', pos_left='center'),
        tooltip_opts=opts.TooltipOpts(is_show=True),
        toolbox_opts=opts.ToolboxOpts(is_show=True),
    )
    return scatter
scatter = scatter_charts()
scatter.render('./html/scatter.html')

Pyecharts数据可视化 - 图17

pyechart WordCloud 词云

series_name: 系列名称
data_pair : 系列数据项

# @Time : 2020/8/2 14:03 
# @Author : Small-J 
# 导入词云绘图库
from pyecharts import options as opts
from pyecharts.charts import WordCloud
data = [
    ('阿黛尔近照', 3071869),
    ('澳大利亚暴发H7N7禽流感', 1936180),
    ('蔡徐坤很芒', 1418832),
    ('囍 绝了', 1397275),
    ('司机冒死开走起火货车后续', 1084561)
]
def wordcloud() -> WordCloud():
    wordcloud = WordCloud()
    wordcloud.add(series_name='词频分析', data_pair=data)
    wordcloud.add(series_name='demo', data_pair=data)
    wordcloud.set_global_opts(
        title_opts=opts.TitleOpts(title='热词分析')
    )
    wordcloud.render('./html/wordcoud.html')
    return wordcloud
w = wordcloud()
w.render()

Pyecharts数据可视化 - 图18

pyechart geo地理图形

Geo : 地理坐标系
add_schema : 类型参数
maptype : 地图类型
is_roam : 是否开启鼠标缩放和平移漫游
label_opts : 标签配置项
add : 系列名字
series_name : 系列名字
data_pair : 数据项
symbol_size : 标记的大小
type_ : Geo图类型，有scatter 、effectScatter 、heatmap、lines
symbol : 标记的大小

# @Time : 2020/8/2 14:33 
# @Author : Small-J 
# 绘制地理图表
from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
import pyecharts
import warnings
warnings.filterwarnings('ignore')
data = [['广东', 104320], ['广西', 103320], ['山东', 100000]]
def geo_chart() -> Geo():
    geo = Geo()
    # maptype : 地图类型
    # is_roam : 是否开启鼠标缩放和平移漫游
    # label_opts : 标签配置项
    geo.add_schema(maptype='china', is_roam=False, label_opts=opts.LabelOpts(is_show=True))
    geo.add(series_name='', data_pair=data, type_=ChartType.EFFECT_SCATTER, symbol_size=12, symbol='pie')
    geo.set_global_opts(
        title_opts=opts.TitleOpts(title='人口分布情况')
    )
    return geo
geo = geo_chart()
geo.render('./html/geo.html')

Pyecharts数据可视化 - 图19

Pyecharts数据可视化

Pyecharts数据可视化

Pyecharts 介绍

特性

pyecharts 安装

检查版本的安装

绘制Pyecharts的三种方式

Pyecharts绘制图表：生成HTML

在Jupyter notebook 上直接展示

Pyecharts生成图片

全局配置项

InitOpts 初始化配置项

TitleOpts 标题配置项

LegendOpts 图例配置项

TooltipOpts 提示框配置项

ToolboxOpts 工具项配置

AxisOpts 坐标轴配置项

DatazoomOpts 区域缩放配置项

系列配置项

LabelOpts 标签配置型

pyecharts Line折线图

绘制简单的折线图

Line 增加标题与图例

Line 增加提示项

Line 工具箱配置项

Line 的展示图例

pyecharts Bar柱状图

绘制一个简单的Bar图

绘制图表反转

文本倾斜度设置

设置图表的大小

如何设置区域缩放配置

Line折线图 + Bar柱状图组合

pyecharts Pie饼状图

绘制一个简单的饼图

绘制Pie圆弧状饼图

pyechart scatter散点图

第一个散点图

散点图 大小与形状设置

pyechart WordCloud 词云

pyechart geo地理图形

散点图大小与形状设置