python可视化pyecharts

简单介绍

pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。
echartsjs首页：https://www.echartsjs.com/index.html
pyecharts首页：http://pyecharts.herokuapp.com/pyecharts 开发文档：http://pyecharts.org/#/

渲染图表

安装 pyecharts

pip 安装

$ pip install pyecharts

源码安装

$ git clone https://github.com/pyecharts/pyecharts.git

$ cd pyecharts

$ pip install -r requirements.txt

$ python setup.py install

兼容性注意

pyecharts 支持 Python2.+ 和 Ptyhon3.+。如果你使用的是 Python2.，请在代码顶部声明字符编码，否则会出现中文乱码问题。

#coding=utf-

from __future__ import unicode_literals

注意

快速开始

首先开始来绘制你的第一个图表

from pyecharts import Bar

bar = Bar("我的第一个图表", "这里是副标题")

bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [, , , , , ])

# bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用

bar.render()    # 生成本地 HTML 文件

运行程序报错

报错信息

ERROR:lml.utils:failed to import pyecharts_snapshot

Traceback (most recent call last):

  File "D:\Envs\mytest\lib\site-packages\lml\utils.py", line , in do_import

    plugin_module = __import__(plugin_module_name)

ModuleNotFoundError: No module named 'pyecharts_snapshot'

原因：缺少这个依赖包

解决办法

pip install pyecharts-snapshot

再次运行程序，程序执行成功会在同级目录下生成一个html文件

add()

主要方法，用于添加图表的数据和设置各种配置项

print_echarts_options()

打印输出图表的所有配置项

render()

默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 render(r"e:\my_first_chart.html")，文件用浏览器打开。

Note： 可以按右边的下载按钮将图片下载到本地，如果想要提供更多实用工具按钮，请在 add() 中设置 is_more_utils 为 True

from pyecharts import Bar

bar = Bar("我的第一个图表", "这里是副标题")

bar.add("服装",

        ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [, , , , , ],

        is_more_utils=True)

bar.render()

详解

使用主题

自 0.5.2+ 起，pyecharts 支持更换主体色系。下面是跟换为 'dark' 的例子：

import random

from pyecharts import Bar

X_AXIS = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

bar = Bar("我的第一个图表", "这里是副标题")

bar.use_theme("dark")

bar.add("商家A", X_AXIS, [random.randint(10, 100) for _ in range(6)])

bar.add("商家B", X_AXIS, [random.randint(10, 100) for _ in range(6)])

bar.add("商家C", X_AXIS, [random.randint(10, 100) for _ in range(6)])

bar.add("商家D", X_AXIS, [random.randint(10, 100) for _ in range(6)])

bar.render()

默认主题的效果，就是不设置主题的时候

如果我们要使用更多的主题，就需要安装echarts-themes-pypkg库，因为echarts 自带 dark 主题，pyecharts 也就自带了 dark。

echarts-themes-pypkg

vintage

macarons

infographic

shine

roma

westeros

wonderland

chalk

halloween

essos

walden

purple-passion

romantic

更多主题

安装主题插件

pip install echarts-themes-pypkg

使用主题

更换单个图形主题

bar.use_theme("vintage")

更换运行环境内所有图表主题

from pyecharts import configure

# 将这行代码置于首部

configure(global_theme='dark')

bar = Bar()

# 其他代码

使用自己构建的主题

Echarts 提供了主题构建工具，你可以从中构建喜欢的主题，如 myTheme.js。然后 hack echarts-themes-pypkg 包。具体操作如下

1.cd 到你 Python 安装环境下的 Lib/site-packages/echarts_themes_pypkg/resources 目录下，具体路径因操作系统而异

2.将 myTheme.js 放入到 resources/echarts-themes-js 文件夹下

3.改动 resources/registry.json 文件

 "PINYIN_MAP": {

        "shine": "shine",

        ...

        "myTheme": "myTheme"    # 这行

    },

    "FILE_MAP": {

        "shine": "shine",

        ...

        "myTheme": "myTheme"    # 还有这行

    }

1.cd 到 notebook 安装环境下的 jupyter/nbextensions/echarts-themes-js 目录下，具体路径因操作系统而异

2.将 myTheme.js 放入到 echarts-themes-js 文件夹下

3.使用 chart.use_theme("myTheme")

4、5 为可选项，如果不使用 notebook 的话可以忽略该步骤。

使用自己构建的主题

使用 pyecharts-snapshot 插件

如果想直接将图片保存为 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用该插件请确保你的系统上已经安装了 Nodejs 环境。

安装 phantomjs $ npm install -g phantomjs-prebuilt
安装 pyecharts-snapshot $ pip install pyecharts-snapshot
调用 render 方法 bar.render(path='snapshot.png') 文件结尾可以为 svg/jpeg/png/pdf/gif。请注意，svg 文件需要你在初始化 bar 的时候设置 renderer='svg'。

更多内容请移步至 pyecharts-snapshot

图形绘制过程

图表类提供了若干了构建和渲染的方法，在使用的过程中，建议按照以下的顺序分别调用：

步骤	描述	代码示例	备注
1	实例一个具体类型图表的对象	`chart = FooChart()`
2	为图表添加通用的配置，如主题	`chart.use_theme()`
3	为图表添加特定的配置	`geo.add_coordinate()`
4	添加数据及配置项	`chart.add()`	参考数据解析与导入篇
5	生成本地文件（html/svg/jpeg/png/pdf/gif）	`chart.render()`

从 v0.5.9 开始，以上涉及的方法均支持链式调用。例如：

from pyecharts import Bar

CLOTHES = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]

clothes_v1 = [5, 20, 36, 10, 75, 90]

clothes_v2 = [10, 25, 8, 60, 20, 80]

(Bar("柱状图数据堆叠示例")

    .add("商家A", CLOTHES, clothes_v1, is_stack=True)

    .add("商家B", CLOTHES, clothes_v2, is_stack=True)

    .render())

多次显示图表

从 v0.4.0+ 开始，pyecharts 重构了渲染的内部逻辑，改善效率。推荐使用以下方式显示多个图表。

from pyecharts import Bar, Line

from pyecharts.engine import create_default_environment

bar = Bar("我的第一个图表", "这里是副标题")

bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])

line = Line("我的第一个图表", "这里是副标题")

line.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])

env = create_default_environment("html")

# 为渲染创建一个默认配置环境

# create_default_environment(filet_ype)

# file_type: 'html', 'svg', 'png', 'jpeg', 'gif' or 'pdf'

env.render_chart_to_file(bar, path='bar.html')

env.render_chart_to_file(line, path='line.html')

相比第一个例子，该代码只是使用同一个引擎对象，减少了部分重复操作，速度有所提高。

Pandas&Numpy 简单示例

如果使用的是 Numpy 或者 Pandas，可以参考这个示例

Note：使用 Pandas&Numpy 时，整数类型请确保为 int，而不是 numpy.int32

当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的

Note：从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加 pythonic 的做法。直接调用本身实例就可以了。

比如这样

还有这样

如果使用的是自定义类，直接调用自定义类示例即可

更多 Jupyter notebook 的例子请参考 notebook-use-cases。可下载后运行看看。

如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。所有图表均可正常显示，与浏览器一致的交互体验，这下展示报告连 PPT 都省了！！