python可视化pyecharts
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!!
python可视化pyecharts的更多相关文章
- python 可视化 pyecharts
github搜索pyecharts https://github.com/pyecharts/pyecharts echarts : https://www.echartsjs.com/zh/inde ...
- 【python可视化系列】python数据可视化利器--pyecharts
学可视化就跟学弹吉他一样,刚开始你会觉得自己弹出来的是噪音,也就有了在使用python可视化的时候,总说,我擦,为啥别人画的图那么溜: [python可视化系列]python数据可视化利器--pyec ...
- python可视化动态图表: 关于pyecharts的sankey桑基图绘制
最近因工作原因,需要处理一些数据,顺便学习一下动态图表的绘制.本质是使具有源头的流动信息能够准确找到其上下级关系和流向. 数据来源是csv文件 导入成为dataframe之后,列为其车辆的各部件供应商 ...
- Python可视化学习(1):Matplotlib的配置
Matplotlib是一个优秀的可视化库,它提供了丰富的接口,让Python的可视化落地显得非常容易上手.本系列是本人学习python可视化的学习笔记,主要用于监督自己的学习进度,同时也希望和相关的博 ...
- Pycon 2017: Python可视化库大全
本文首发于微信公众号“Python数据之道” 前言 本文主要摘录自 pycon 2017大会的一个演讲,同时结合自己的一些理解. pycon 2017的相关演讲主题是“The Python Visua ...
- 高效使用 Python 可视化工具 Matplotlib
Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型的2D图表和一些基本的3D图表.本文主要介绍了在学习Matplotlib时面临的一些挑战,为什么要使用Matplo ...
- Python可视化库-Matplotlib使用总结
在做完数据分析后,有时候需要将分析结果一目了然地展示出来,此时便离不开Python可视化工具,Matplotlib是Python中的一个2D绘图工具,是另外一个绘图工具seaborn的基础包 先总结下 ...
- 数据分析之---Python可视化工具
1. 数据分析基本流程 作为非专业的数据分析人员,在平时的工作中也会遇到一些任务:需要对大量进行分析,然后得出结果,解决问题. 所以了解基本的数据分析流程,数据分析手段对于提高工作效率还是非常有帮助的 ...
- Python 可视化工具 Matplotlib
英文出处:Chris Moffitt. Matplotlib是Python中最常用的可视化工具之一,可以非常方便地创建海量类型的2D图表和一些基本的3D图表.本文主要介绍了在学习Matplotlib时 ...
随机推荐
- [M$]微软提供的ProcessExplorer等系统工具集合
https://docs.microsoft.com/en-us/sysinternals/downloads/index
- 使用Spring Boot Actuator将指标导出到InfluxDB和Prometheus
使用Spring Boot Actuator将指标导出到InfluxDB和Prometheus Spring Boot Actuator是Spring Boot 2发布后修改最多的项目之一.它经过 ...
- 测试框架httpclent 1.HttpClient简介及第一个demo
httpclient就是一个模拟 发送http请求的一个工具. 首先在pom.xml文件里面添加工具类 <dependencies> <dependency> <grou ...
- [SDOI2006] 保安站岗
题目链接 第一遍不知道为什么就爆零了…… 第二遍改了一下策略,思路没变,结果不知道为什么就 A 了??? 树形 DP 经典问题:选择最少点以覆盖树上所有点(边). 对于本题,设 dp[i][0/1][ ...
- 关于QQ农场牧场等曾经流行的游戏的一些见解
大概在上上周,我偶然间打开QQ空间玩了一会QQ农牧场,玩完之后我在想,在那个年代他们为什么那么红? 我觉得可能有以下几点: 1:凭借着QQ海量的用户,可以迅速推广 2:迎合了人们爱占小便宜的心理,不过 ...
- 微服务之路由网关—zuul
Zuul 简介Zuul 是 Netflix 公司开发的一个开源 APIGateway,其本质上是一个 WebServlet 应用.Zuul 的核心是一系列的 Filter. 为什么要使用 Zuul微服 ...
- Spark SQL相关总结
1.spark 数据透视图: pivot(pivot_col, values=None) Pivots a column of the current [[DataFrame]] and perfor ...
- [物理学与PDEs]第2章第5节 一维流体力学方程组的 Lagrange 形式 5.2 Lagrange 坐标
1. Lagrange 坐标 $$\beex \bea &\quad 0=\int_\Omega\cfrac{\p \rho}{\p t}+\cfrac{\p}{\p x}(\rho u)\r ...
- 5组I/O函数的比较
- python 排序之sort
#coding:utf-8 #求列表的第二大值 list_test =[6,2,4,6,1,2,3,4,5] list_test.sort() print list_test[-2] "&q ...