python pyecharts库的用法大全

目录

• 什么是pyecharts?

• pyecharts安装

• 加载

• 折线图的绘制

• 条形图和折线图的结合

• 绘制漏斗图

什么是pyecharts?

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。pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接。

使用 pyecharts 可以生成独立的网页，也可以在 flask , Django 中集成使用。

pyecharts包含的图表#
Bar（柱状图/条形图）
Bar3D（3D 柱状图）
Boxplot（箱形图）
EffectScatter（带有涟漪特效动画的散点图）
Funnel（漏斗图）
Gauge（仪表盘）
Geo（地理坐标系）
Graph（关系图）
HeatMap（热力图）
Kline（K线图）
Line（折线/面积图）
Line3D（3D 折线图）
Liquid（水球图）
Map（地图）
Parallel（平行坐标系）
Pie（饼图）
Polar（极坐标系）
Radar（雷达图）
Sankey（桑基图）
Scatter（散点图）
Scatter3D（3D 散点图）
ThemeRiver（主题河流图）
WordCloud（词云图）

用户自定义

Grid 类：并行显示多张图
Overlap 类：结合不同类型图表叠加画在同张图上
Page 类：同一网页按顺序展示多图
Timeline 类：提供时间线轮播多张图

pyecharts安装

 pip install pyecharts

下面给大家介绍python pyecharts库的使用，一起看看！

现在下载的库都是1.x版本的，使用方法和以前有很大区别

加载

from pyecharts.charts import Line, Bar, Funnel
from pyecharts.faker import Faker
import pyecharts.options as opts
from pyecharts.commons.utils import JsCode

折线图的绘制

最简单的版本

line1 = (
Line()
.add_xaxis(['2015', '2016', '2017', '2018', '2019'])
.add_yaxis('进入党政机关及事业单位的比例％', [30.23, 15.06, 17.6, 16.56, 18.51])
)

line1.render_notebook()

高级版本

多条线，图片大小，设置标题、图例及其位置，缺失数据的绘制，给图例也加上颜色进行区分

# https://blog.csdn.net/seakingx/article/details/105531515 绘制百分数
# https://www.freesion.com/article/2819552517/ 图例添加颜色，color参数，非linestyle_opts的子参数
line1 = (
Line(init_opts=opts.InitOpts(width="600px", height="400px"))
.add_xaxis(['2015', '2016', '2017', '2018', '2019'])
.add_yaxis('进入党政机关及事业单位的比例％', [30.23, 15.06, 17.6, 16.56, 18.51],
   label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '％'}"))
   )
.add_yaxis('签约国企、私企和三资企业比例％', [69.78, 84.78, None, 82.67, 81.33],
   label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '％'}")),
   #linestyle_opts=opts.LineStyleOpts(color='yellow', width=2)
   #linestyle_opts=opts.LineStyleOpts(width=2),
   color='blue'
   )
.set_global_opts(title_opts=opts.TitleOpts(title='南开大学本科生的就业去向及比例',
           pos_right='50％'
           ),
     legend_opts=opts.LegendOpts(pos_right='10％',
           pos_top='10％',
           orient='vertical')
    )
#.render('南开本科.html')
)

line1.render_notebook()

render()与render_notebook的报错和无反应：

line1有render代码时，就不能在代码里添加render_notebook了，否则报错: AttributeError: ‘str' object has no attribute ‘render_notebook'

条形图和折线图的结合

最简单的形式

x = Faker.choose()
scatter1 = (
Bar()
.add_xaxis(x)
.add_yaxis("商家A", Faker.values(), yaxis_index=0)
# 设置副坐标轴时，必须加这个命令，这个命令并不能决定主副坐标轴
.extend_axis(yaxis=opts.AxisOpts(type_="value", name="商家A", position="left"))
.set_global_opts(yaxis_opts=opts.AxisOpts(type_="value", name="商家B", position="right"))
)

# 下面的图里只能设置个index
scatter2 = (
Line()
.add_xaxis(x)
.add_yaxis("商家B", [v/1000 for v in Faker.values()], yaxis_index=1)
)
scatter1.overlap(scatter2)
scatter1.render_notebook()

副坐标轴的使用和坐标轴范围、刻度大小的设置，添加坐标轴的标签

# 绘制条形图
bar=(
Bar()
.add_xaxis(['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021'])
.add_yaxis('招录职位数', [11729, 13475, 15659, 15583, 16144, 9657, 13549, 13172])
.add_yaxis('招录人数', [19538, 22249, 27817, 27061, 28533, 14537, 24128, 25726])

# 设置副坐标轴
.extend_axis(yaxis=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} 万"),
         interval=30,
        max_=180,
        min_=0) # 设置坐标轴的区间长度
   )
#.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
 title_opts=opts.TitleOpts(title="历年公务员考试数据", pos_right='45％'), # 设置标题及标题的位置
 legend_opts=opts.LegendOpts(pos_right='10％', # 设置图例的位置
        #pos_top='10％',
        orient='vertical'), # 不同图例之间是竖着排放的
 #max_=40000, 这里没有这个lim参数，在坐标轴里面可以设置

# 设置主坐标轴配置项
 yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} 人"),
        max_=50000)   # 设置坐标轴的范围 lim
)

)

# 绘制折线图(也可以不加括号)
line = Line().add_xaxis(['2014', '2015', '2016', '2017', '2018', '2019', '2020', '2021']).add_yaxis("报名人数", [152, 140.9, 139.46, 148.63, 138, 137.93, 140, '-'],
     yaxis_index=1, #如果不加该参数，就没有副坐标轴，这样不同量级的数据就会出现问题
     label_opts=opts.LabelOpts(formatter=JsCode("function (params) {return params.value[1] + '万'}"))
     )

# 两个图形叠加起来
bar.overlap(line)
bar.render("overlap_bar_line.html")
bar.render_notebook()

绘制漏斗图

最简单的绘制方法

# 主要是数据格式和其他的不一致
funnel = (
Funnel()
.add("商城漏斗", [ list(two_values) for two_values in zip(['召回', '粗排', '精排'], [100, 80, 10]) ])
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}次"))
.set_global_opts(title_opts=opts.TitleOpts(title="请求过滤的漏斗分析"))
)

funnel.render_notebook()

复杂点的绘制方法

# https://zhuanlan.zhihu.com/p/63976935 一些参考
funnel = (
Funnel(init_opts=opts.InitOpts(width="600px", height="400px")) #是宽和高，而不是像素
#Funnel()
.add("商城漏斗", [ list(two_values) sfor two_values in zip(['召回', '粗排', '精排'], [100, 80, 10]) ])
#.set_series_opts(label_opts=opts.LabelOpts(is_show=False),
     #markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),]))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}, {d}％")) # d是每个数值占总体的比重

# 百分比这里建议传入一组新的y数据（用每个数据除以一个数值） https://zhuanlan.zhihu.com/p/63976935
.set_global_opts(title_opts=opts.TitleOpts(title="请求过滤的漏斗分析"),
    #yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter='{data} {value}％')) #"{value} 人"
    )
)

funnel.render_notebook()

来源：https://blog.csdn.net/qq_40723803/article/details/115422490