Python數(shù)據(jù)可視化之Pyecharts如何使用

本文講解"Python數(shù)據(jù)可視化之Pyecharts怎么使用"，希望能夠解決相關(guān)問題。

1. 安裝Pyecharts

pip install pyecharts

2. 圖表基礎(chǔ)

添加主題風(fēng)格使用的是 InitOpts() 方法，

該方法的主要參數(shù)有：

可以選擇的風(fēng)格有：

給圖表添加標(biāo)題需要通過 set_global_options()方法 的 title_opts參數(shù)，

該參數(shù)的值通過opts模塊的TitleOpts()方法生成，

且TitleOpts()方法主要參數(shù)語法如下：

設(shè)置圖例需要通過 set_global_opts()方法的 legend_opts參數(shù)，

該參數(shù)的參數(shù)值參考o(jì)ptions模塊的LegendOpts()方法。

LegendOpts() 方法的主要參數(shù)如下：

設(shè)置提示框主要是通過 set_global_opts()方法中的 tooltip_opts參數(shù)進(jìn)行設(shè)置，

該參數(shù)的參數(shù)值參考o(jì)ptions模塊的TooltipOpts()方法。

TooltipOpts()方法的主要參數(shù)如下：

視覺映射通過 set_global_opts()方法中的 visualmap_opts參數(shù)進(jìn)行設(shè)置，

該參數(shù)的取值參考o(jì)ptions模塊的VisualMapOpts()方法。

其主要參數(shù)如下：

工具箱通過 set_global_opts()方法中的 toolbox_opts參數(shù)進(jìn)行設(shè)置，

該參數(shù)的取值參考o(jì)ptions模塊的ToolboxOpts()方法。

其主要參數(shù)如下：

區(qū)域縮放通過 set_global_opts()方法中的 datazoom_opts參數(shù)進(jìn)行設(shè)置，

該參數(shù)的取值參考o(jì)ptions模塊的DataZoomOpts()方法。

其主要參數(shù)如下：

3. 柱狀圖 Bar模塊

繪制柱狀圖通過Bar模塊來實(shí)現(xiàn)，

該模塊的主要方法有：

下邊展示一個(gè)簡單的示例，先不使用過多復(fù)雜的樣式：

import numpy as np
from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 生成數(shù)據(jù)
years = [2011, 2012, 2013, 2014, 2015]
y1 = [1, 3, 5, 7, 9]
y2 = [2, 4, 6, 4, 2]
y3 = [9, 7, 5, 3, 1]
y4 = list(np.random.randint(1, 10, 10))

bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
# 為柱狀圖添加x軸和y軸數(shù)據(jù)
bar.add_xaxis(years)
bar.add_yaxis('A型', y1)
bar.add_yaxis('B型', y2)
bar.add_yaxis('C型', y3)
bar.add_yaxis('D型', y4)
# 渲染圖表到HTML文件，并保存在當(dāng)前目錄下
bar.render("bar.html")

生成圖像效果如下：

這里有一個(gè)無法解釋的細(xì)節(jié)，就是可以看到y(tǒng)4數(shù)據(jù)，即D型，在圖像中沒有顯示出來。經(jīng)過小啾的反復(fù)嘗試，發(fā)現(xiàn)凡是使用隨機(jī)數(shù)產(chǎn)生的數(shù)據(jù)再轉(zhuǎn)化成列表，這部分隨機(jī)數(shù)不會被寫入到html文件中：

既然不會解釋，那就避免。

4. 折線圖/面積圖 Line模塊

Line模塊的主要方法有add_xaxis() 和 add_yaxis()，分別用來添加x軸數(shù)據(jù)和y軸數(shù)據(jù)。

add_yaxis()的主要參數(shù)如下：

繪制折線圖時(shí)，x軸的數(shù)據(jù)必須是字符串，圖線方可正常顯示。

from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 準(zhǔn)備數(shù)據(jù)
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]

line = Line(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A類", y_axis=y1)
line.add_yaxis(series_name="B類", y_axis=y2)
line.add_yaxis(series_name="C類", y_axis=y3)
line.render("line.html")

生成圖像效果如下：

繪制面積圖時(shí)需要在add_yaxis()方法中指定areastyle_opts參數(shù)。其值由options模塊的AreaStyleOpts()方法提供。

from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType


x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [2, 5, 6, 8, 9]
y2 = [1, 4, 5, 4, 7]
y3 = [1, 3, 4, 6, 6]

line = Line(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))

line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A類", y_axis=y1, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="B類", y_axis=y2, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="C類", y_axis=y3, areastyle_opts=opts.AreaStyleOpts(opacity=1))

line.render("line2.html")

圖像效果如下：

5.餅形圖

繪制餅形圖使用的是Pie模塊，該模塊中需要使用的主要方法是add()方法

該方法主要參數(shù)如下：

from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.globals import ThemeType

x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF']
y_data = [200, 200, 100, 400, 500, 600]
# 將數(shù)據(jù)轉(zhuǎn)換為目標(biāo)格式
data = [list(z) for z in zip(x_data, y_data)]
# 數(shù)據(jù)排序
data.sort(key=lambda x: x[1])

pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))

pie.add(
        series_name="類別",    # 序列名稱
        data_pair=data,     # 數(shù)據(jù)
    )
pie.set_global_opts(
        # 餅形圖標(biāo)題
        title_opts=opts.TitleOpts(
            title="各類別數(shù)量分析",
            pos_left="center"),
        # 不顯示圖例
        legend_opts=opts.LegendOpts(is_show=False),
    )
pie.set_series_opts(
        # 序列標(biāo)簽
        label_opts=opts.LabelOpts(),
    )

pie.render("pie.html")

圖像效果如下：

from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.globals import ThemeType


x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF', 'GGG', 'HHH', 'III', 'JJJ', 'KKK', 'LLL', 'MMM', 'NNN', 'OOO']
y_data = [200, 100, 400, 50, 600, 300, 500, 700, 800, 900, 1000, 1100, 1200, 1300, 1500]
# 將數(shù)據(jù)轉(zhuǎn)換為目標(biāo)格式
data = [list(z) for z in zip(x_data, y_data)]
# 數(shù)據(jù)排序
data.sort(key=lambda x: x[1])

# 創(chuàng)建餅形圖并設(shè)置畫布大小
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, width='300px', height='400px'))
# 為餅形圖添加數(shù)據(jù)
pie.add(
        series_name="類別",
        data_pair=data,
        radius=["8%", "160%"],  # 內(nèi)外半徑
        center=["65%", "65%"],  # 位置
        rosetype='area',       # 玫瑰圖，圓心角相同，按半徑大小繪制
        color='auto'           # 顏色自動漸變
    )
pie.set_global_opts(
        # 不顯示圖例
        legend_opts=opts.LegendOpts(is_show=False),
        # 視覺映射
        visualmap_opts=opts.VisualMapOpts(is_show=False,
         min_=100,    # 顏色條最小值
         max_=450000, # 顏色條最大值
    )
)
pie.set_series_opts(
        # 序列標(biāo)簽
        label_opts=opts.LabelOpts(position='inside',  # 標(biāo)簽位置
                                  rotate=45,
                                  font_size=8)       # 字體大小
    )

pie.render("pie2.html")

圖像效果如下：

6. 箱線圖 Boxplot模塊

繪制箱線圖使用的是Boxplot類。

這里有一個(gè)細(xì)節(jié)，準(zhǔn)備y軸數(shù)據(jù)y_data時(shí)需要在列表外再套一層列表，否則圖線不會被顯示。

繪制箱線圖使用的是Boxplot模塊，

主要的方法有

add_xaxis()和add_yaxis()

from pyecharts.charts import Boxplot
from pyecharts.globals import ThemeType
from pyecharts import options as opts

y_data = [[5, 20, 22, 21, 23, 26, 25, 24, 28, 26, 29, 30, 50, 61]]

boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))

boxplot.add_xaxis([""])
boxplot.add_yaxis('', y_axis=boxplot.prepare_data(y_data))
boxplot.render("boxplot.html")

圖像效果如下：

7. 漣漪特效散點(diǎn)圖 EffectScatter模塊

繪制漣漪圖使用的是EffectScatter模塊，代碼示例如下：

from pyecharts.charts import EffectScatter
from pyecharts import options as opts
from pyecharts.globals import ThemeType


x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]

scatter = EffectScatter(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
scatter.add_xaxis(x_data)
scatter.add_yaxis("", y1)
scatter.add_yaxis("", y2)
scatter.add_yaxis("", y3)
# 渲染圖表到HTML文件，存放在程序所在目錄下
scatter.render("EffectScatter.html")

圖像效果如下：

8. 詞云圖 WordCloud模塊

繪制詞云圖使用的是WordCloud模塊，

主要的方法有add()方法。

add()方法的主要參數(shù)如下：

add()方法主要的參數(shù)有

準(zhǔn)備一個(gè)txt文件（001.txt），文本內(nèi)容以《蘭亭集序》為例：

永和九年，歲在癸丑，暮春之初，會于會稽山陰之蘭亭，修禊事也。群賢畢至，少長咸集。此地有崇山峻嶺，茂林修竹，又有清流激湍，映帶左右，引以為流觴曲水，列坐其次。雖無絲竹管弦之盛，一觴一詠，亦足以暢敘幽情。
是日也，天朗氣清，惠風(fēng)和暢。仰觀宇宙之大，俯察品類之盛，所以游目騁懷，足以極視聽之娛，信可樂也。
夫人之相與，俯仰一世?；蛉≈T懷抱，悟言一室之內(nèi)；或因寄所托，放浪形骸之外。雖趣舍萬殊，靜躁不同，當(dāng)其欣于所遇，暫得于己，快然自足，不知老之將至；及其所之既倦，情隨事遷，感慨系之矣。向之所欣，俯仰之間，已為陳跡，猶不能不以之興懷，況修短隨化，終期于盡！古人云：“死生亦大矣?！必M不痛哉！
每覽昔人興感之由，若合一契，未嘗不臨文嗟悼，不能喻之于懷。固知一死生為虛誕，齊彭殤為妄作。后之視今，亦猶今之視昔，悲夫！故列敘時(shí)人，錄其所述，雖世殊事異，所以興懷，其致一也。后之覽者，亦將有感于斯文。

代碼示例如下：

from pyecharts.charts import WordCloud
from jieba import analyse

# 基于TextRank算法從文本中提取關(guān)鍵詞
textrank = analyse.textrank
text = open('001.txt', 'r', encoding='UTF-8').read()
keywords = textrank(text, topK=30)
list1 = []
tup1 = ()

# 關(guān)鍵詞列表
for keyword, weight in textrank(text, topK=30, withWeight=True):
    # print('%s %s' % (keyword, weight))
    tup1 = (keyword, weight)  # 關(guān)鍵詞權(quán)重
    list1.append(tup1)     # 添加到列表中

# 繪制詞云圖
mywordcloud = WordCloud()
mywordcloud.add('', list1, word_size_range=[20, 100])
mywordcloud.render('wordclound.html')

詞云圖效果如下：

9. 熱力圖 HeatMap模塊

繪制熱力圖使用的是HeatMap模塊。

下邊以雙色球案例為例，數(shù)據(jù)使用生成的隨機(jī)數(shù)，繪制出熱力圖：

import pyecharts.options as opts
from pyecharts.charts import HeatMap
import pandas as pd
import numpy as np

# 創(chuàng)建一個(gè)33行7列的DataFrame，數(shù)據(jù)使用隨機(jī)數(shù)生成。每個(gè)數(shù)據(jù)表示該位置上該數(shù)字出現(xiàn)的次數(shù)
s1 = np.random.randint(0, 200, 33)
s2 = np.random.randint(0, 200, 33)
s3 = np.random.randint(0, 200, 33)
s4 = np.random.randint(0, 200, 33)
s5 = np.random.randint(0, 200, 33)
s6 = np.random.randint(0, 200, 33)
s7 = np.random.randint(0, 200, 33)
data = pd.DataFrame(
    {'位置一': s1,
     '位置二': s2,
     '位置三': s3,
     '位置四': s4,
     '位置五': s5,
     '位置六': s6,
     '位置七': s7
     },
    index=range(1, 34)
)

# 數(shù)據(jù)轉(zhuǎn)換為HeatMap支持的列表格式
value1 = []
for i in range(7):
    for j in range(33):
        value1.append([i, j, int(data.iloc[j, i])])
# 繪制熱力圖
x = data.columns
heatmap=HeatMap(init_opts=opts.InitOpts(width='600px' ,height='650px'))
heatmap.add_xaxis(x)
heatmap.add_yaxis("aa", list(data.index), value=value1,  # y軸數(shù)據(jù)
                  # y軸標(biāo)簽
                  label_opts=opts.LabelOpts(is_show=True, color='white', position="center"))
heatmap.set_global_opts(title_opts=opts.TitleOpts(title="雙色球中獎(jiǎng)號碼熱力圖", pos_left="center"),
                        legend_opts=opts.LegendOpts(is_show=False),  # 不顯示圖例
                        # 坐標(biāo)軸配置項(xiàng)
                        xaxis_opts=opts.AxisOpts(
                        type_="category",  # 類目軸
                        # 分隔區(qū)域配置項(xiàng)
                        splitarea_opts=opts.SplitAreaOpts(
                            is_show=True,  # 區(qū)域填充樣式
                            areastyle_opts=opts.AreaStyleOpts(opacity=1)
                        ),
                        ),
                        # 坐標(biāo)軸配置項(xiàng)
                        yaxis_opts=opts.AxisOpts(
                        type_="category",  # 類目軸
                        # 分隔區(qū)域配置項(xiàng)
                        splitarea_opts=opts.SplitAreaOpts(
                            is_show=True,
                            # 區(qū)域填充樣式
                            areastyle_opts=opts.AreaStyleOpts(opacity=1)
                            ),
                            ),

                        # 視覺映射配置項(xiàng)
                        visualmap_opts=opts.VisualMapOpts(is_piecewise=True,    # 分段顯示
                                                          min_=1, max_=170,     # 最小值、最大值
                                                          orient='horizontal',  # 水平方向
                                                          pos_left="center")    # 居中
                        )
heatmap.render("heatmap.html")

熱力圖效果如下：

10. 水球圖 Liquid模塊

繪制水球圖使用的是Liquid模塊。

from pyecharts.charts import Liquid
liquid = Liquid()
liquid.add('', [0.39])
liquid.render("liquid.html")

水球圖效果如下：

11. 日歷圖 Calendar模塊

繪制日歷圖使用的是Calendar模塊

主要使用的方法是add()方法

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Calendar
data = list(np.random.random(30))
# 求最大值和最小值
mymax = round(max(data), 2)
mymin = round(min(data), 2)
# 生成日期
index = pd.date_range('20220401', '20220430')
# 合并列表
data_list = list(zip(index, data))
# 生成日歷圖
calendar = Calendar()
calendar.add("",
             data_list,
             calendar_opts=opts.CalendarOpts(range_=['2022-04-01', '2022-04-30']))
calendar.set_global_opts(
        title_opts=opts.TitleOpts(title="2022年4月某指標(biāo)情況", pos_left='center'),
        visualmap_opts=opts.VisualMapOpts(
            max_=mymax,
            min_=mymin+0.1,
            orient="horizontal",
            is_piecewise=True,
            pos_top="230px",
            pos_left="70px",
        ),
    )
calendar.render("calendar.html")

日歷圖效果如下：

關(guān)于 "Python數(shù)據(jù)可視化之Pyecharts怎么使用" 就介紹到此。希望多多支持碩編程。