怎么完全解讀Pyecharts動態圖表

怎么完全解讀Pyecharts動態圖表，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

 1. pyecharts簡介

pyecharts是基于百度開源圖表組件echarts的python封裝。支持所有常用的圖表組件，和matlibplot系的圖表庫不同的是：pyecharts支持動態交互展示，這一點在查看復雜數據圖表時特別的有用。

pip install pyecharts

2.pyecharts簡單使用

pyecharts支持常用的基本圖形展示，條形圖、折線圖、餅圖、散點圖、熱力圖、漏斗圖、雷達圖、箱型圖、地圖等，還能支持儀表盤，樹形圖的展示。

from pyecharts.charts import Bar,Line from pyecharts import options as opts from pyecharts.globals import ThemeType  line = (     Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, width='1000px',height='300px' ))     .add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])     .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])     .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])     .set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"),                         datazoom_opts=opts.DataZoomOpts(is_show=True))     .set_series_opts(label_opts=opts.LabelOpts(is_show=True)) ) line.render('test.html') line.render_notebook()

從上面簡單事例可知，pyecharts的使用包括:

• 圖標類型(Line)本身的初始化配置，如主題，大小

• 加載數據：如加載x軸數據，加載y軸數據(可以多個)

• 設置全局配置，如標題，區域縮放datazoom，工具箱等

• 設置系列配置項，如標簽，線條，刻度文本展示等

• 圖標顯示：render保存成html文件，如果是jupyter notebook則直接通過render_notebook展示在notebook中

3.常用配置使用

在pyecharts中，關于圖表外觀顯示等操作都是在相應的option里配置，包括坐標軸，圖例，數據標簽，網格線，圖表樣式/顏色，不同系列等等。

• InitOpts：各個圖表類型初始配置

• set_global_opts：全局外觀配置

• set_series_opts：系列配置

為了方便大家和自己，下面給出一個常用的組合，通常可視化足夠用了，快收藏。

• InitOpts：主題，長寬，動畫效果

• DataZoomOpts：區域收縮，這個對于數據特別多，如一天的時間序列數據，特別有用，可以拖動查看全局和局部的數據(可以設置是否顯式顯式還是可拖動type_="inside")

• 標題配置TitleOpts：說明這個圖表說明的是什么，必備的吧

• 圖例配置LegendOpts：說明圖表中的不同數據項(這個圖例是可以點擊的，可以單獨查看某個圖例的數據，很有用)

• 提示框配置TooltipOpts：顯示圖例具體某個點的數據

• x軸和y軸坐標軸標題說明AxisOpts

• 坐標刻度調整：特別適用于刻度說明比較多，可以顯示角度變換等

• markpoint/markline: 對圖表的特別標記，用于重點說明部分和標注區分線

from pyecharts.charts import Bar,Line from pyecharts import options as opts from pyecharts.globals import ThemeType  bar = (     Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,                                   width='1000px',                                  height='300px',                                   animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")                                 )         )     .add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])     .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])     .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])     .set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"),                      toolbox_opts=opts.ToolboxOpts(is_show=False),                      # datazoom_opts=opts.DataZoomOpts(is_show=True)                      datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],                      legend_opts=opts.LegendOpts(type_="scroll", pos_left="50%", orient="vertical"),                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15), name="我是 X 軸"),                      yaxis_opts=opts.AxisOpts(name="我是 Y 軸", axislabel_opts=opts.LabelOpts(formatter="{value} /月")),                      tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),                      )     .set_series_opts(label_opts=opts.LabelOpts(is_show=False),                     markpoint_opts=opts.MarkPointOpts(                         data=[                             opts.MarkPointItem(type_="max", name="最大值"),                             opts.MarkPointItem(type_="min", name="最小值"),                             opts.MarkPointItem(type_="average", name="平均值"),                         ]                         ),                     ) ) # line.render('test.html') bar.render_notebook()

4.常用組合圖表使用

常用組合圖表有：

• 不同圖表類型組合如柱狀圖和折線圖組合在一張圖中(雙y軸)，主要的看同一視角不同指標的差異和關聯;pyecharts中是通過overlap實現

from pyecharts import options as opts from pyecharts.charts import Bar, Line from pyecharts.faker import Faker  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] v3 = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]   bar = (     Bar(init_opts=opts.InitOpts(width="680px", height="300px"))     .add_xaxis(Faker.months)     .add_yaxis("蒸發量", v1)     .add_yaxis("降水量", v2)     .extend_axis(         yaxis=opts.AxisOpts(             axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5         )     )     .set_series_opts(label_opts=opts.LabelOpts(is_show=False))     .set_global_opts(         title_opts=opts.TitleOpts(title="Overlap-bar+line"),         yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")),         tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),     ) )  line = Line().add_xaxis(Faker.months).add_yaxis("平均溫度", v3, yaxis_index=1) bar.overlap(line) bar.render_notebook()

從實現上，

• .extend_axis增加一個縱坐標

• 增加的折線圖設置軸坐標時設置yaxis_index索引和前面的縱坐標對應

• 然后兩張疊加overlap bar.overlap(line)

• 多圖標以網格(GRID)方式組合，主要是對比;pyecharts中是通過grid組件實現

from pyecharts import options as opts from pyecharts.charts import Bar, Grid, Line from pyecharts.faker import Faker  bar = (     Bar()     .add_xaxis(Faker.choose())     .add_yaxis("商家A", Faker.values())     .add_yaxis("商家B", Faker.values())     .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar")) ) line = (     Line()     .add_xaxis(Faker.choose())     .add_yaxis("商家A", Faker.values())     .add_yaxis("商家B", Faker.values())     .set_global_opts(         title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),         legend_opts=opts.LegendOpts(pos_top="48%"),     ) )  grid = (     Grid(init_opts=opts.InitOpts(width="680px", height="500px"))     .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))     .add(line, grid_opts=opts.GridOpts(pos_top="60%")) ) grid.render_notebook()

從實現看

• 主要通過Grid把各種圖形放入其中

• 各個圖表的位置通過GridOpts來設置，上下左右的位置

• 需要注意的是:grid中圖表的title和圖例需要根據所處位置來指定相對的位置(這個有點麻煩，多調調)

5.地圖使用

地圖可用在展示數據在地理位置上的分布情況，也是很常見的可視化的展示組件。pyecharts中是通過Map類來實現的。具體細節需要注意：

• map支持不同的maptype，如中國地圖china(省級)  china-cities(市級)，世界地圖world，還有中國各省市地圖以及世界各國國家地圖，參看github  pyecharts/datasets/map_filename.json

• map的數據格式是(地理位置， value)， 如[['廣東', 76],['北京', 58]]

• 可以通過visualmap_opts查看著重點

from pyecharts import options as opts from pyecharts.charts import Map from pyecharts.faker import Faker  c1 = (     Map()     .add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "廣東")     .set_global_opts(         title_opts=opts.TitleOpts(title="Map-廣東地圖"), visualmap_opts=opts.VisualMapOpts()     )     )  c2 = (     Map()     .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")     .set_global_opts(         title_opts=opts.TitleOpts(title="Map-VisualMap（連續型）"),         visualmap_opts=opts.VisualMapOpts(max_=200),     ) )  # c1.render_notebook() c2.render_notebook()

6.特色圖表使用

在學習pyecharts時，看到一些比較有意思的(動態展示)組件，如隨著時間動態展示圖表數據的變化。這里做下介紹

• Timeline：時間線輪播多圖 先聲明一個Timeline, 按照展示的時間順序，將圖表add到Timeline上;  可以通過播放按鈕循環按照時間順序展示圖表。

from pyecharts import options as opts from pyecharts.charts import Pie, Timeline from pyecharts.faker import Faker  attr = Faker.choose() tl = Timeline() for i in range(2015, 2020):     pie = (         Pie()         .add(             "商家A",             [list(z) for z in zip(attr, Faker.values())],             rosetype="radius",             radius=["30%", "55%"],         )         .set_global_opts(title_opts=opts.TitleOpts("某商店{}年營業額".format(i)))     )     tl.add(pie, "{}年".format(i)) tl.render_notebook()

• 儀表盤

from pyecharts import options as opts from pyecharts.charts import Gauge  c = (     Gauge()     .add("", [("完成率", 30.6)], radius="70%",         axisline_opts=opts.AxisLineOpts(             linestyle_opts=opts.LineStyleOpts(                 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30)             ),             title_label_opts=opts.LabelOpts(                 font_size=20, color="blue", font_family="Microsoft YaHei"             ),         )     .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"), legend_opts=opts.LegendOpts(is_show=False),)  ) c.render_notebook()

7.其他圖表一覽

從上面的實例看，已經展示地圖，條形圖，折線圖，餅圖，儀表盤。這里展示下pyecharts提供的更多的圖表，

• 雷達圖 Radar

• 樹形圖 Tree

• 熱力圖 heatMap

• 日歷圖 Calendar

• 散點圖 Scatter

• 3D圖 Bar3D

• 箱型圖 Boxplot

小編介紹的基于echarts的python動態圖表展示組件pyecharts，除了提供眾多常用的圖表外，最重要的是支持動態操作數據。總結如下：

• pyecharts所有的圖像屬性設置都通過opts來設置，有圖表初始屬性/全局屬性/系列屬性

• 本文提供常用的配置，足夠用了，拿走不謝，見常用配置使用

• pyecharts 支持多圖表組合，如折線圖和條形圖 overlap， 多個圖表grid展示

• pyecharts好用的map，可以展示中國省市，世界各國地圖，請按照[位置，value]準備數據

• Timeline可以讓你的圖表按照時間輪播

看完上述內容，你們掌握怎么完全解讀Pyecharts動態圖表的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！