python pyecharts 折线图_Python数据可视化之pyecharts实现各种图表

之前的一篇文章介绍了使用Matplotlib实现各种统计图表，Python数据可视化之Matplotlib实现各种图表。这篇文章就介绍使用pyecharts实现各种统计图表。

1、pyecharts介绍

Echarts是一款由百度公司开发的开源数据可视化JS库，pyecharts是一款使用python调用echarts生成数据可视化的类库，可实现柱状图，折线图，饼状图，地图等统计图表。

2、柱状图

适用场合是二维数据集(每个数据点包括两个值x和y)，但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。优点：利用柱子的高度，反映数据的差异，肉眼对高度差异很敏感。缺点：只适用中小规模的数据集。

柱状图最基本用法

frompyechartsimportBar

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

sales=[18888,20023,30989,8873,29876,5409]

bar=Bar('水果销售情况')

bar.add('',fruits,sales,is_stack=True)

(bar.render())

add()方法用于添加数据。

当要比较不同商家水果销量情况，只需多次调用add()方法：

frompyechartsimportBar

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

bar=Bar('水果销售情况')

bar.add('商家A',fruits,shop1_sales,is_stack=False)

shop2_sales=[4888,7023,3989,5873,8876,6409]

bar.add('商家B',fruits,shop2_sales,is_stack=False)

bar.render()

如果想在数据叠加显示，只需将is_stack参数设置为True

frompyechartsimportBar

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

bar=Bar('水果销售情况')

bar.add('商家A',fruits,shop1_sales,is_stack=True)

shop2_sales=[4888,7023,3989,5873,8876,6409]

bar.add('商家B',fruits,shop2_sales,is_stack=True)

bar.render()

下面是柱状图中常用方法和属性介绍：(1)add()方法中根据is_stack可以设定柱形图是否叠加显示(2)is_more_utils=True 参数来设置最右侧工具栏，对生成的图进行更多的操作，如将柱形图更改为折线图等(3)标记的使用：mark_point=['average']标记点，平均值；mark_line=['min','max','average']标记线，最大值、最小值和平均值(4)横向柱形图：is_convert=True，标识交换X轴和Y轴

3、折线图

常用折线图来描绘统计事项总体指标的动态、研究对象间的依存关系以及总体中各部分的分配情况等。

#普通折线图

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

shop2_sales=[4888,7023,3989,5873,8876,6409]

line=Line('折线图')

line.add('商家A',fruits,shop1_sales,mark_point=['max'])

line.add('商家B',fruits,shop2_sales,mark_point=['min'])

line.show_config()

line.render()

line()方法中有个is_smooth的参数，将参数的值设置为True,折线图的线条会以圆滑的趋势变化，不像上图那样以直线的方式变化。

#普通折线图

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

shop2_sales=[4888,7023,3989,5873,8876,6409]

line=Line('折线图')

line.add('商家A',fruits,shop1_sales,mark_point=['max'])

line.add('商家B',fruits,shop2_sales,mark_point=['min'],is_smooth=True)

line.show_config()

line.render()

上图的商家A设置了is_smooth参数的值为True，商家B没有设置is_smooth属性。可以看到商家B的折线是以圆滑的趋势变化的。

最常用的还有阶梯折线图和面积折线图。

阶梯折线图

将line()方法的is_step参数设置为True。

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop2_sales=[4888,7023,3989,5873,8876,6409]

line=Line('折线图')

line.add('商家B',fruits,shop2_sales,mark_point=['min'],is_step=True)

line.show_config()

line.render()

面积折线图

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop2_sales=[4888,7023,3989,5873,8876,6409]

shop1_sales=[8888,3323,6989,8873,3876,15409]

line3=Line("面积折线图")

line3.add("商家A",fruits,shop1_sales,is_fill=True,line_opacity=0.2,area_opacity=0.4,symbol=None,mark_point=['max'])

line3.add("商家B",fruits,shop2_sales,is_fill=True,area_color='#a3aed5',area_opacity=0.3,is_smooth=True)

line3.show_config()

line3.render()

柱状图-折线图

在柱状图上显示折线图也是常用的统计图表。需要借助Overlap类实现。

frompyechartsimportBar,Line,Overlap

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

shop2_sales=[4888,7023,3989,5873,8876,6409]

bar=Bar("柱形图-折线图")

bar.add('bar',fruits,shop1_sales)

line=Line()

line.add('line',fruits,shop2_sales)

overlap=Overlap()

overlap.add(bar)

overlap.add(line)

overlap.show_config()

overlap.render()

4、饼图

饼图可以比较清楚地反映出部分与部分、部分与整体之间的数量关系.易于显示每组数据相对于总数的大小.而且显现方式直观.

frompyechartsimportPie

fruits=['苹果','香蕉','凤梨','桔子','橙','桃子']

shop1_sales=[8888,3323,6989,8873,3876,15409]

pie=Pie('饼图')

pie.add('芝麻饼',fruits,shop1_sales,is_label_show=True)

pie.show_config()

pie.render()

玫瑰花样式饼图

pie2=Pie("饼图-玫瑰图示例",title_pos='center',width=900)

pie2.add("商家A",fruits,shop1_sales,center=[25,50],is_random=True,radius=[25,60],rosetype='radius')

pie2.add("商家B",fruits,shop2_sales,center=[75,50],is_random=True,radius=[25,60],rosetype='area',is_legend_show=False,is_label_show=True)

pie2.show_config()

pie2.render()

5、散点图

散点图又称散点分布图，是以一个变量为横坐标，另一变量为纵坐标，利用散点(坐标点)的分布形态反映变量统计关系的一种图形。特点是能直观表现出影响因素和预测对象之间的总体关系趋势。

静态散点图

frompyechartsimportScatter

scatter=Scatter("散点图示例")

scatter.add("A",shop1_sales,shop2_sales)

scatter.add("B",shop1_sales[::-1],shop2_sales)

scatter.show_config()

scatter.render()

动态散点图

frompyechartsimportEffectScatter

v1=[5,20,36,10,10,100]

v2=[55,60,16,20,15,80]

#动态散点图

es=EffectScatter("动态散点图")

#v1x坐标v2y坐标

es.add('苹果',v1,v2)

es.show_config()

es.render()

各种图形动态散点图

frompyechartsimportEffectScatter

es=EffectScatter("动态散点图各种图形")

es.add("",[10],[10],symbol_size=20,effect_scale=3.5,effect_period=3,symbol="pin")

es.add("",[20],[20],symbol_size=12,effect_scale=4.5,effect_period=4,symbol="rect")

es.add("",[30],[30],symbol_size=30,effect_scale=5.5,effect_period=5,symbol="roundRect")

es.add("",[40],[40],symbol_size=10,effect_scale=6.5,effect_brushtype='fill',symbol="diamond")

es.add("",[50],[50],symbol_size=16,effect_scale=5.5,effect_period=3,symbol="arrow")

es.add("",[60],[60],symbol_size=6,effect_scale=2.5,effect_period=3,symbol="triangle")

es.show_config()

es.render()

以上是使用pyecharts实现柱状图、折线图、散点图和饼图的统计图表。

长按下面关注本公众号，获取更多关于Python爬虫、大数据和爬虫的知识