1.简介
pyecharts 是一个用于生成 Echarts 图表的类库。 Echarts 是百度开源的一个数据可视化 JS 库。主要用于数据可视化。 # 安装 # 安装v1版本之上的有一些报错 python -m pip install pyecharts==0.5.11 # 版本主要支持python2里的 python -m pip install pyecharts-snapshot
git介绍：https://gitee.com/mirrors/pyecharts?utm_source=alading&utm_campaign=repo
本次安装的是0.5x版本的
参数
分析： Tip：可以按右边的下载按钮将图片下载到本地； add()：主要方法，用于添加图表的数据和设置各种配置项 show_config()：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。 默认的编码类型为 UTF-8，在 Python3 中是没什么问题的，Python3 对中文的支持好很多。
但是在 Python2 中，编码的处理是个很头疼的问题，暂时没能找到完美的解决方法，目前只能通过文本编辑器自己进行二次编码，我用的是 Visual Studio Code，先通过 Gbk 编码重新打开，然后再用 UTF-8 重新保存，这样用浏览器打开的话就不会出现中文乱码问题了。 基本上所有的图表类型都是这样绘制的： chart_name = Type() 初始化具体类型图表。 add() 添加数据及配置项。 render() 生成 .html 文件
2.柱状图
from pyecharts import Bar bar = Bar("库存", "数量") 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.show_config() # 打印所有参数 bar.render() # 生成本地 HTML 文件 bar
# 导入柱状图-Bar from pyecharts import Bar # 设置行名 columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"] # 设置数据 data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3] data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3] # 设置柱状图的主标题与副标题 bar = Bar("柱状图", "一年的降水量与蒸发量") # 添加柱状图的数据及配置项 bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"]) # 生成本地文件（默认为.html文件） bar.render()
3.饼状图
# 导入饼图Pie from pyecharts import Pie # 设置主标题与副标题，标题设置居中，设置宽度为900 pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900) # 加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示 pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False) # 加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签 pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True) # 保存图表 pie.render() pie
4.折线图
from pyecharts import Line line = Line("折线图","一年的降水量与蒸发量") # is_label_show是设置上方数据是否显示 line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) line.render() line
5.雷达图
from pyecharts import Radar radar = Radar("雷达图", "一年的降水量与蒸发量") # 由于雷达图传入的数据得为多维数据，所以这里需要做一下处理 radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]] radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]] # 设置column的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同 schema = [ ("Jan", 5), ("Feb",10), ("Mar", 10), ("Apr", 50), ("May", 50), ("Jun", 200), ("Jul", 200), ("Aug", 200), ("Sep", 50), ("Oct", 50), ("Nov", 10), ("Dec", 5) ] # 传入坐标 radar.config(schema) radar.add("降水量",radar_data1) # 一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色 radar.add("蒸发量",radar_data2,item_color="#1C86EE") radar.render() radar
6.散点图
from pyecharts import Scatter scatter = Scatter("散点图", "一年的降水量与蒸发量") # xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置 scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量", yaxis_name_gap=40) scatter.render() scatter
7.图片重叠
from pyecharts import Grid # 设置折线图标题位置 line = Line("折线图","一年的降水量与蒸发量",title_top="45%") line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) grid = Grid() # 设置两个图表的相对位置 grid.add(bar, grid_bottom="60%") grid.add(line, grid_top="60%") grid.render() grid
from pyecharts import Overlap overlap = Overlap() bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量") bar.add("降水量", columns, data1, mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_point=["max", "min"]) overlap.add(bar) overlap.add(line) overlap.render() overlap
8.仪表盘
from pyecharts import Gauge gauge =Gauge("仪表盘示例") gauge.add("业务指标", "完成率", 66.66) # gauge.show_config() gauge.render() gauge
9.地理坐标图
from pyecharts import Geo data=[("海门",9),("鄂尔多斯",12),("招远",12),("舟山",12),("齐齐哈尔",14),("盐城",15),("赤峰",16),("青岛",18),("乳山",18),("金昌",19),("泉州",21),("莱西",21), ("日照",21),("胶南",22),("南通",23),("拉萨",24),("云浮",24),("梅州",25)] geo=Geo("全国主要城市空气质量","data from pm2.5",title_color="#fff",title_pos="center",width=1200,height=600,background_color='#404a59') attr,value=geo.cast(data) geo.add("",attr,value,visual_range=[0,200],visual_text_color="#fff",symbol_size=15,is_visualmap=True) # geo.show_config() geo.render() geo
总结
导入相关图表包
进行图表的基础设置，创建图表对象
利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)
利用render()方法来进行图表保存
各类图形请看看：