python可视化图表分析—pyecharts库的使用

前言

pyecharts官网/

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

柱状图

利用Bar调用add添加数据做出柱状图，render()渲染后得到render.html文件，用webbrowser显示在网页上

webbrowser.open(“file://”+ os.path.realpath(“render.html”))

from pyecharts import Barimport webbrowserimport osx_axis = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]y_axis = [5, 20, 36, 10, 75, 90]bar = Bar()bar.add("",x_axis,y_axis)# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件# 也可以传入路径参数，如 bar.render("mycharts.html")bar.render()webbrowser.open("file://"+ os.path.realpath("render.html"))

'''某地区一年当中的降水量和蒸发量数据如下蒸发量：[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]降水量：v2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]'''from pyecharts import Barimport webbrowserimport osattr=["{}月".format(i) for i in range(1,13)]v1=[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]v2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]bar=Bar("柱状图")#mark_line为标记线bar.add("蒸发量",attr,v1,mark_line=["average"],marl_point=["max","min"])bar.add("降水量",attr,v2,mark_line=["average"],marl_point=["max","min"])bar.render()webbrowser.open("file://"+os.path.realpath("render.html"))

**常用的参数:**标签有很多，根据需要选择即可。

is_splitline_show：是否显示网格线

is_label_show：是否显示标签

label_pos：标签的位置，有’top’(默认), ‘left’, ‘right’, ‘bottom’, ‘inside’,‘outside’可选

label_text_color/size：标签字体颜色/大小

is_random：是否随机排列颜色列表

label_color：自定义标签颜色

mark_point/line：标记点/线，默认有’min’, ‘max’, ‘average’可选。可自定义标记点线，具体格式如：[{‘coord’: [x, y], ‘name’: ‘目标标记点’}]，记住格式是一个列表

mark_point/line_symbol：标记点/线图形，默认为’pin’（点），有’circle’（圆形）, ‘rect’（正方形）, ‘roundRect’（圆角正方形）, ‘triangle’（三角形）, ‘diamond’（菱形）, ‘pin’（点）, ‘arrow’（箭头）可选

折线图

利用Line()新建折线图，每段数据需要调用一次add()，传入数据，最后用render()渲染并用webbrowser打开

#折线图from pyecharts import Lineimport webbrowserimport osattr = ["{}月".format(i) for i in range(1,13)]v1 = [2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]v2 = [2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]line = Line("折线图")#mark_point设置标记线，取值为“min”，“max”，“average”line.add("蒸发量",attr,v1,mark_line=["average"],mark_point = ["max", "min"]) #先传入x轴数据，然后y轴数据line.add("降水量",attr,v2,mark_line=["average"],mark_point = ["max", "min"])line.render()webbrowser.open("file://"+os.path.realpath("render.html"))

饼状图

饼状图样式定制

①Pie()中的参数：

title_pos: "left"左对齐，"right"右对齐，"center"居中对齐

②add()中的参数：

legend_pos："left"左对齐，"rigth"右对齐，"center"居中对齐

legend_orient: "horizontal"水平布局， "vertical"垂直布局

is_label_show： "True"显示标签 , "False"不显示（默认）

rosetype: "radius"扇区圆心角展现数据的百分比，半径展现数据的大小（默认）

"area"所有扇区圆心角相同，仅通过半径展现数据大小

#饼状图from pyecharts import Pieimport webbrowserimport os star_num = {"水瓶座":3,"双鱼座":3,"白羊座":2,"金牛座":1,"双子座":2,"巨蟹座":5,"狮子座":4,"处女座":3,"天秤座":4,"天蝎座":6,"射手座":4,"摩羯座":3,}key = list(star_num.keys())value = list(star_num.values())pie = Pie("班级星座统计")pie.add("",key,value,legend_pos="left",legend_orient = "vertical", is_label_show = True,)pie.render()webbrowser.open("file://" + os.path.realpath("render.html"))

rosetype -> str

是否展示成南丁格尔图，通过半径区分数据大小，有’radius’半径和’area’区域两种模式。

默认为’radius’

①radius：扇区圆心角展现数据的百分比，半径展现数据的大小

②area：所有扇区圆心角相同，仅通过半径展现数据大小

pie = Pie("班级星座统计")pie.add("",key,value,legend_pos="right",legend_orient = "vertical", is_label_show = True,rosetype = "radius"#rosetype = "area")

词云图、结巴库分词

from pyecharts import WordCloudimport webbrowser,oswith open(r'匆匆.txt','r',encoding = 'utf-8')as f:text = f.read()print(text)

from pyecharts import WordCloudimport webbrowser,osimport jiebawith open(r'匆匆.txt','r',encoding = 'utf-8')as f:text = f.read()words_list = jieba.lcut(text)words_dict = {}drop = ['我们','你们','他们','就是','没有','自己'] for word in words_list:#去重判断if word in words_dict:words_dict[word] += 1else:#数据清洗过滤if len(word) > 1 and word not in drop:#创建键值words_dict[word] = 1print(words_dict)wordcloud = WordCloud(width=1440, height=900)name = '匆匆'words = list(words_dict.keys())nums = list(words_dict.values())wordcloud.add(name,words,nums)wordcloud.render()webbrowser.open("file://" + os.path.realpath('render.html'))

美化词云图，设置形状shape、间隔word_gap以及字体大小范围word_size_range

shape–>list

词云图轮廓，有’circle‘，’cardioid‘，’diamon‘，’triangle-forward‘，’triangle‘，’pentagon‘，‘star’可选

word_gap->int

单词间隔，默认为20

word_size_range->list

单词字体大小范围，默认为[12,60]

rotate_step->int

旋转单词角度，默认为45

wordcloud.add(name,words,nums,shape="star",word_gap=10,word_size_range=[12,100])

散点图

散点图同时展示了鸢尾花花瓣的宽度 x 和长度 y 值，而 x 与 y 值之间的关系受鸢尾花种类的影响，使得不同品种数据的坐标点分布在 各自的区域，形成聚类的效果，从而很容易在数据中划分出不同的品种。

读取相应的鸢尾花数据来做出散点图

#列表生成式List_1 = [i**2 for i in range(1,11)]List_2 = [i for i in 'abcde']print(List_1,'\n',List_2)

import jsonfrom pyecharts import Scatterimport webbrowser,oswith open('iris.json','r')as f:data = json.load(f)# print(type(data),data)scatter = Scatter("鸢尾花品种散点图")setosa_h = [i[2] for i in data['setosa']]setosa_w = [i[3] for i in data['setosa']]versicolor_h = [i[2] for i in data['versicolor']]versicolor_w = [i[3] for i in data['versicolor']]virginica_h = [i[2] for i in data['virginica']]virginica_w = [i[3] for i in data['virginica']]#mark_point: 标记点，这个代码中将是平均数标记出来#xaxis_name, yaxis_name：增加横纵坐标说明scatter.add('setosa',setosa_w,setosa_h,mark_point = ['average'])scatter.add('versicolor',versicolor_w,versicolor_h,mark_point = ['average'])scatter.add('virginica',virginica_w,virginica_h,mark_point = ['average'],xaxis_name = ['花瓣宽度'],yaxis_name = ['花瓣长度'])scatter.render()webbrowser.open("file://" + os.path.realpath('render.html'))

总结

Echarts是一个由百度开源的数据可视化，结合巧妙的交互性，精巧的图表设计，得到了开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。分析遇上数据可视化时，pyecharts诞生了。在pyecharts官网上还有很多3D图形的绘制，也是非常有意思的，大家有兴趣的可以去探索一下。