【数据可视化-pyecharts】pyecharts快速入门

pyecharts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"], [5, 20, 36, 10, 75, 90])
# 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

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

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：

from pyecharts import Bar
 
bar = Bar("我的第一个图表", "这里是副标题")
bar.use_theme('dark')
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])
bar.render()

pyecharts 支持另外 5 个主体色系，请移步到主题色系获取更多配置信息。

使用主题插件

echarts 自带 dark 主题，pyecharts 也就自带了 dark。 echarts-themes-pypkg 主题插件提供了如下主题

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

主题风格

vintage

macarons

infographic

shine

roma

westeros

wonderland

chalk

halloween

essos

walden

purple-passion

romantic

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：

数据解析与导入篇：

参考：http://pyecharts.org/#/zh-cn/data_import?id=networkx-%E5%BA%93

介绍了一些常用的数据处理模块和库。这些并不是 pyecharts 核心的部分。

#add 数据直接支持 numpy.array 对象，例如：
 
from pyecharts import Bar
import numpy as np
 
clothes = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = np.array([5, 20, 36, 10, 75, 90])
bar = Bar("衣服销量")
bar.add("商家A", clothes, v1, is_stack=True)
bar.render()

numpy 数据类型

#在 pyecharts.base.Base.add(name, x_axis, y_axis) 函数中，数据参数通常要求数据是两个长度相等的列表。
 
from pyecharts import Line
 
t_data = [(21, '2017-12-01'), (19, '2017-12-02'), (20, '2017-12-03')]
hs, ds = zip(*t_data)
line = Line('High Temperature')
line.add('High', ds, hs)
line.render()

zip 函数

数据格式化处理函数，能够将源数据转化为符合 pyecharts 的数据。
具体转化格式如下：
 
1、元组列表
[(A1, B1), (A2, B2), (A3, B3), (A4, B4)] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ]
2、字典列表
[{A1: B1}, {A2: B2}, {A3: B3}, {A4: B4}] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ]
3、字典
{A1: B1, A2: B2, A3: B3, A4: B4} -- > k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ]
 
o_data = [('A', ''), ('B', ''), ('C', '')]
x, y = Base.cast(o_data)
print(x) # ['A', 'B', 'C']
print(y) # ['34', '45', '12']

Base.cast 函数

项目地址： https://github.com/kinegratii/borax

安装

borax 要求 Python3.5 以上，可以使用以下命令安装这个库。

$ pip install borax

函数定义文档

该模块使用 fetch 函数，签名如下：

fetch(iterable, key, *keys, default=EMPTY, defaults=None, getter=None)

各参数的意义如下：

iterable：数据列表
key / keys：键值、属性访问方式的索引
default：默认值，用于选择单个属性
defaults：默认值字典，用于选择多个属性
getter：自定义访问回调函数

应当注意的是，在使用时， default 、 defaults 和 getter 参数必须使用关键字方式传递，详情参考 PEP 3102。

示例

选取多个属性

from borax.fetch import fetch
 
objects = [
    {'id': 282, 'name': 'Alice', 'age': 30},
    {'id': 217, 'name': 'Bob', 'age': 56},
    {'id': 328, 'name': 'Charlie', 'age': 56},
]
 
names, ages = fetch(objects, 'name', 'age')
print(names)
print(ages)
 
#输出
#['Alice', 'Bob', 'Charlie']
#[30, 56, 56]

borax.fetch 模块

networkx 库

项目地址： https://github.com/networkx/networkx

对于复杂的关系图，可以使用 networkx 库构建节点和连线，并传递给 add 函数。如下面的例子。

# coding=utf8
 
from __future__ import unicode_literals
 
import networkx as nx
from networkx.readwrite import json_graph
from pyecharts import Graph
 
g = nx.Graph()
categories = ['网关', '节点']
g.add_node('FF12C904', name='Gateway 1', symbolSize=40, category=0)
g.add_node('FF12CA02', name='Node 11', category=1)
g.add_node('FF12C326', name='Node 12', category=1)
g.add_node('FF45C023', name='Node 111', category=1)
g.add_node('FF230933', name='Node 1111', category=1)
 
g.add_edge('FF12C904', 'FF12CA02')
g.add_edge('FF12C904', 'FF12C326')
g.add_edge('FF12CA02', 'FF45C023')
g.add_edge('FF45C023', 'FF230933')
 
g_data = json_graph.node_link_data(g)
eg = Graph('设备最新拓扑图')
eg.add('Devices', nodes=g_data['nodes'], links=g_data['links'], categories=categories)
# eg.show_config()
eg.render()

networkx 库

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！！