Python数据可视化库pyecharts

针对数据分析团队需求，简单整理了一些相关内容分享同步大家学习，旨在帮助机器学习人员、数据分析人员、NLP算法人员快速了解业务数据，针对性解决工程中面临的问题。

pyecharts 介绍和安装

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（IE8/9/10/11，Chrome，Firefox，Safari等），底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

1. Echarts 百度开源可视化工具
   http://echarts.baidu.com
2. pyecharts： 国内大神实现Python 调用echarts 库

特性

• 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
• 囊括了 30+ 种常见图表，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强有力的支持

pyecharts 安装

安装库 pip3 install pyecharts

如果需要绘制地理图相关内容，需要一并安装如下内容：

安装地图文件

全球国家地图: echarts-countries-pypkg

中国省级地图: echarts-china-provinces-pypkg

中国市级地图: echarts-china-cities-pypkg

全部直接使用python的pip安装，安装好之后，就可以使用了

pip3 install pyecharts
pip3 install echarts-countries-pypkg
pip3 install echarts-china-provinces-pypkg
pip3 install echarts-china-cities-pypkg

使用版本说明：

1. Python 版本： 3.7.x
2. pyecharts: 1.x

版本检查

import pyecharts
1

pyecharts.__version__
1

'1.2.1'
1

pyecharts 折线图

绘制一个简单的折线图

# 导入库
import pyecharts.options as opts
from pyecharts.charts import Line
1
2
3

# 绘制散点图数据
x = ['seaborn','matplotlib','plotly','pyecharts','python']
y1 = [440,550,770,450,800]
y2 = [570,1340,1370,1111,2222]
1
2
3
4

# 定义Line Charts 的函数
def line_charts()->Line:
    c = Line()
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(series_name='',y_axis=y1)
    c.add_yaxis(series_name='',y_axis=y2)
    return c

# 绘制图表
c = line_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11

Line 增加标题与图例

# 导入库
import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制散点图数据
x = ['seaborn','matplotlib','plotly','pyecharts','python']
y1 = [440,550,770,450,800]
y2 = [570,1340,1370,1111,2222]
# 定义Line Charts 的函数
def line_charts()->Line:
    c = Line()
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(series_name='A',y_axis=y1)
    c.add_yaxis(series_name='B',y_axis=y2)
    
    # 数据项设置
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='数量统计'),
        legend_opts=opts.LegendOpts(is_show=True)# is_show = True 默认－展示图例
    )
    return c

# 绘制图表
c = line_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Line 增加提示项

pyecharts 中提供累TooltipOpts

trigger 触发类型。可选：

item: 数据项图形触发，主要用于散点图，饼图

axis:坐标轴触发，主要用在状图，折线图
none: 什么都不做

# 导入库
import pyecharts.options as opts
from pyecharts.charts import Line
# 绘制散点图数据
x = ['seaborn','matplotlib','plotly','pyecharts','python']
y1 = [440,550,770,450,800]
y2 = [570,1340,1370,1111,2222]
# 定义Line Charts 的函数
def line_charts()->Line:
    c = Line()
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(series_name='A',y_axis=y1)
    c.add_yaxis(series_name='B',y_axis=y2)
    
    # 数据项设置 ,全局设置一次
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='数量统计'),
        legend_opts=opts.LegendOpts(is_show=True),# is_show = True 默认－展示图例
        tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross')
    )
    
    #c.set_global_opts(tooltip_opts=opts.TooltipOpts(trigger='axis',axis_pointer_type='cross'))
    return c

# 绘制图表
c = line_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

pyecharts Bar 柱状图

pyecharts 全局参数设置
jupyter notebook 和 pycharm 基本图表绘制
如何绘制一个简单Bar 图
坐标轴文本倾斜设置
设置图表大小
封装一些绘制图表的函数
设置多组的柱状图
设置图例
区域缩放的配置项

设置多组柱状图

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


def bar_charts()->Bar():

    '''
    定义一个返回pyecharts Bar 的函数

    :return:
    '''
    x = ['seaborn', 'plotly', 'pyecharts']
    y1 = [1140, 559, 270]
    y2 = [570,1340,1370] 

    c = Bar(init_opts=opts.InitOpts(width='1000px',height='600px'))
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(series_name='',yaxis_data=y1)
    c.add_yaxis(series_name='',yaxis_data=y2)

    c.reversal_axis()

    c.set_global_opts(

        title_opts=opts.TitleOpts(title=''),
        yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=60))
    )
    return c
c = bar_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

折线图 ＋ 柱状图 组合

柱状图： y 轴显示 指标1
折线图： y 轴显示 指标2

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

x = ['Python','Seaborn','Plotly','pyecharts']
# 绘制柱状图方法
def bar_charts()->Bar():
    
    y1 = [1140, 559, 270,1200]
    y2 = [570,1340,1370,900]
    bar = Bar(init_opts=opts.InitOpts(width='1000px',height='600px'))
    bar.add_xaxis(xaxis_data=x)
    bar.add_yaxis(series_name='A',yaxis_data=y1,label_opts=opts.LabelOpts(is_show=False))
    bar.add_yaxis(series_name='B',yaxis_data=y2,label_opts=opts.LabelOpts(is_show=False))

    bar.set_global_opts(title_opts=opts.TitleOpts(title='统计'))
    
    # bar 扩展
    bar.extend_axis(
        yaxis=opts.AxisOpts(
            name='价格',
            type_='value',
            min_=0,
            max_=200,
            interval=10,
            axislabel_opts=opts.LabelOpts(formatter='{value} 元')) # value
    )
    return bar


# 绘制Line 方法
def line_charts()->Line():
    y = [159,29,49,79]
    c = Line()
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(series_name='价格',yaxis_index=1,y_axis= y,label_opts=opts.LabelOpts(is_show=False))
    return c


# Bar + Line 
bar = bar_charts()
line = line_charts()

bar.overlap(line).render_notebook()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

pyecharts Pie 饼图

pyecharts 第一个Pie 饼图

Pie 需要的数据格式：

[[x1,y1],[x2,y2]]

绘制饼图的操作步骤：

• 构建Pie 的数据
• 为Pie 示例对象添加数据
• 设置标题
• 设置每一项占比

我们分析一些我的一些课程不同的来源销售的占比

from pyecharts.charts import  Pie
from pyecharts import  options as opts
1
2

# 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
data_pair = [list(z) for z in  list(zip(x_data,y_data))]
print(data_pair)
1
2
3
4
5
6
7

[['直接访问', 830], ['营销推广', 214], ['博客推广', 300], ['搜索引擎', 1100]]
1

def pie_charts()->Pie:
    c = Pie(init_opts=opts.InitOpts(width='500px',height='500px'))
    c.add(series_name='访问来源',data_pair=data_pair)

    # 设置全局项
    c.set_global_opts(title_opts=opts.TitleOpts(title='不同的来源的销售分析',pos_left='center',pos_top=20))

    # 设置每项数据占比
    c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a} <br/> {b}:{c} ({d}%)"))
    return c


c  = pie_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

pyechart 圆弧状Pie

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]

# Pie 设置指定的格式
data_pair = [list(z) for z in  list(zip(x_data,y_data))]
print(data_pair)
1
2
3
4
5
6
7
8
9
10

[['直接访问', 830], ['营销推广', 214], ['博客推广', 300], ['搜索引擎', 1100]]
1

def pie_radius_charts()->Pie:
    c = Pie()
    c.add(series_name='访问来源',data_pair=data_pair,radius=['40%','75%'])
    
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='不同销售来源'),
        legend_opts=opts.LegendOpts(orient='vertical',pos_top='15%',pos_left='2%')
    )
    
    # 设置每项数据占比
    c.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger='item',formatter="{a} <br/> {b}:{c} ({d}%)"))
    return c 


c = pie_radius_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

pyecharts scatter 散点图

figsize = opts.InitOpts(width='800px',height='300px')
scatter = Scatter(init_opts=figsize)
scatter.add_xaxis(xaxis_data=x_data)

scatter.add_yaxis(
    series_name='y = sin(x) 函数散点图', # 图例名称
    y_axis = y1,#数据
    label_opts=opts.LabelOpts(is_show=False))# 设置 数据点是否展示

scatter.add_yaxis(
    series_name='y = cos(x) 函数散点图',
    y_axis = y2,
    label_opts=opts.LabelOpts(is_show=False)
)

scatter.set_global_opts(title_opts=opts.TitleOpts(title='第一个散点图',pos_top='20px',pos_left='center'))
scatter.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

pyecharts WordCloud 词云

import pyecharts.options as opts
from pyecharts.charts import WordCloud
data = [
    ('宁泽涛女友',4583345),
    ('日学者发现侵华日军使用毒气铁证',2324539),
    ('伦敦眼惊现摩斯密码',2296099),
    ('网友请愿追责丛林法则节目组',1376545),
    ('寒门女孩清华毕业典礼上发言',1337607)
]
c = WordCloud()
c.add(series_name='',data_pair=data)
c.set_global_opts(title_opts=opts.TitleOpts(title='热词分析'))
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13

pyecharts geo 地理图

如果需要绘制地理图相关内容，需要一并安装如下内容：

安装地图文件

全球国家地图: echarts-countries-pypkg

中国省级地图: echarts-china-provinces-pypkg

中国市级地图: echarts-china-cities-pypkg

全部直接使用python的pip安装，安装好之后，就可以使用了

pip3 install pyecharts

pip3 install echarts-countries-pypkg

pip3 install echarts-china-provinces-pypkg

pip3 install echarts-china-cities-pypkg

本课程使用版本说明：

Python 版本： 3.7.x

pyecharts: 1.x

导入库

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType

import pyecharts

import warnings
warnings.filterwarnings('ignore')

print('pyecharts version=',pyecharts.__version__)
1
2
3
4
5
6
7
8
9
10

pyecharts version= 1.2.1
1

绘制地理图表

def geo_charts()->Geo:
    
    data = [['广东',104320459],['山东',95792719],['河南',94029939]]

    print(data)
    c = Geo()
    c.add_schema(maptype='china',is_roam=False,label_opts=opts.LabelOpts(is_show=True))
    c.add('geo',data,type_=ChartType.EFFECT_SCATTER,symbol_size=12,symbol='pin')
    c.set_global_opts(title_opts=opts.TitleOpts(title='geo-案例'),legend_opts=opts.LegendOpts(is_show=True))
    c.render_notebook()
    return c


c = geo_charts()
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

业务案例分析

• 一般业务方提供数据，多数是csv和txt等文本数据。
• 如果数据量，多数存储hadoop 的hdfs（分布式文件系统）
• 可以采用spark或者mapreduce 进行基础数据分析统计
• 基础指标获取后，可以使用python 的一些可视化工具库进行展示

彻底掌握对业务的数据分析，你需要掌握的工具：hadoop,spark ，python,numpy ,pandas ,seaborn ,pyecharts ,matplotlib 。具体更多内容，大家可以相互交流。