pyecharts包学习笔记

目录

• pyecharts包简介
• 特性 or 优点
• 版本

pyecharts包简介

精巧的图表设计。原作者说，当数据分析遇到数据可视化的时候github,该包就诞生了。
可以批量，直观的输出可视化图标吧。。
matplotlib也很强大啊，至于二者的区别，后面看实操的例子好了

我个人纠结批量，这个以后再讲，可能我的理解有误差的

特性 or 优点

• 简洁的 API 设计，使用如丝滑般流畅，支持链式调用（jin？我想起了飘柔洗发水的广告）
• 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，Sanic，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，并且支持原生百度地图，为地理数据可视化提供强有力的支持

版本

建议选择v1，不过这个仅支持py3.6及以上的版本
因为v0.5x不在维护了

$ pip install pyecharts -U

ok,先来个词云图，玩玩，官方demogithub

from pyecharts import options as opts
from pyecharts.charts import Page, WordCloud
from pyecharts.faker import Collector
from pyecharts.globals import SymbolType

C = Collector()

words = [
    ("Sam S Club", 10000),
    ("Macys", 6181),
    ("Amy Schumer", 4386),
    ("Jurassic World", 4055),
    ("Charter Communications", 2467),
    ("Chick Fil A", 2244),
    ("Planet Fitness", 1868),
    ("Pitch Perfect", 1484),
    ("Express", 1112),
    ("Home", 865),
    ("Johnny Depp", 847),
    ("Lena Dunham", 582),
    ("Lewis Hamilton", 555),
    ("KXAN", 550),
    ("Mary Ellen Mark", 462),
    ("Farrah Abraham", 366),
    ("Rita Ora", 360),
    ("Serena Williams", 282),
    ("NCAA baseball tournament", 273),
    ("Point Break", 265),
]


@C.funcs
def wordcloud_base() -> WordCloud:
    c = (
        WordCloud()
        .add("", words, word_size_range=[20, 100])
        .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例"))
    )
    return c

#这里我还是不太明白，是**器来着？待我查一下补充笔记
@C.funcs
def wordcloud_diamond() -> WordCloud:
    c = (
        WordCloud()
        .add("", words, word_size_range=[20, 100], shape=SymbolType.DIAMOND)
        .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))
    )
    return c
Page().add(*[fn() for fn, _ in C.charts]).render()

这个会生成一个html

函数装饰器@的笔记参考：
https://www.cnblogs.com/gaowenxingxing/p/12233381.html

其他图标样式的例子可以参考官方文档：
https://github.com/pyecharts/pyecharts/tree/master/example