溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇“Python數據可視化之Pyecharts如何使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python數據可視化之Pyecharts如何使用”文章吧。
pip install pyecharts
添加主題風格使用的是 InitOpts() 方法，
該方法的主要參數有：
| 參數 | 描述 |
|---|---|
| width | 畫布寬度，要求字符串格式，如 width=“500px” |
| height | 畫布高度，要求字符串格式，如 width=“500px” |
| chart_id | 圖表ID，作為圖表的唯一標識。有多個圖表時用來區分不同的圖表 |
| page_title | 網頁標題，字符串格式 |
| theme | 圖表主題。由ThemeType模塊提供 |
| bg_color | 圖表背景顏色，字符串格式 |
可以選擇的風格有：
給圖表添加標題需要通過 set_global_options()方法 的 title_opts參數，
該參數的值通過opts模塊的TitleOpts()方法生成，
且TitleOpts()方法主要參數語法如下：
設置圖例需要通過 set_global_opts()方法的 legend_opts參數，
該參數的參數值參考options模塊的LegendOpts()方法。
LegendOpts() 方法的主要參數如下：
設置提示框主要是通過 set_global_opts()方法中的 tooltip_opts參數進行設置，
該參數的參數值參考options模塊的TooltipOpts()方法。
TooltipOpts()方法的主要參數如下：
視覺映射通過 set_global_opts()方法中的 visualmap_opts參數進行設置，
該參數的取值參考options模塊的VisualMapOpts()方法。
其主要參數如下：
工具箱通過 set_global_opts()方法中的 toolbox_opts參數進行設置，
該參數的取值參考options模塊的ToolboxOpts()方法。
其主要參數如下：
區域縮放通過 set_global_opts()方法中的 datazoom_opts參數進行設置，
該參數的取值參考options模塊的DataZoomOpts()方法。
其主要參數如下：
繪制柱狀圖通過Bar模塊來實現，
該模塊的主要方法有：
| 主要方法 | 描述 |
|---|---|
| add_xaxis() | x軸數據 |
| add_yaxis() | y軸數據 |
| reversal_axis() | 翻轉x、y軸數據 |
| add_dataset() | 原始數據 |
下邊展示一個簡單的示例，先不使用過多復雜的樣式：
import numpy as np
from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
# 生成數據
years = [2011, 2012, 2013, 2014, 2015]
y1 = [1, 3, 5, 7, 9]
y2 = [2, 4, 6, 4, 2]
y3 = [9, 7, 5, 3, 1]
y4 = list(np.random.randint(1, 10, 10))
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
# 為柱狀圖添加x軸和y軸數據
bar.add_xaxis(years)
bar.add_yaxis('A型', y1)
bar.add_yaxis('B型', y2)
bar.add_yaxis('C型', y3)
bar.add_yaxis('D型', y4)
# 渲染圖表到HTML文件，并保存在當前目錄下
bar.render("bar.html")生成圖像效果如下：
這里有一個無法解釋的細節，就是可以看到y4數據，即D型，在圖像中沒有顯示出來。經過小啾的反復嘗試，發現凡是使用隨機數產生的數據再轉化成列表，這部分隨機數不會被寫入到html文件中：
既然不會解釋，那就避免。
Line模塊的主要方法有add_xaxis() 和 add_yaxis()，分別用來添加x軸數據和y軸數據。
add_yaxis()的主要參數如下：
繪制折線圖時，x軸的數據必須是字符串，圖線方可正常顯示。
from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
# 準備數據
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]
line = Line(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A類", y_axis=y1)
line.add_yaxis(series_name="B類", y_axis=y2)
line.add_yaxis(series_name="C類", y_axis=y3)
line.render("line.html")生成圖像效果如下：
繪制面積圖時需要在add_yaxis()方法中指定areastyle_opts參數。其值由options模塊的AreaStyleOpts()方法提供。
from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [2, 5, 6, 8, 9]
y2 = [1, 4, 5, 4, 7]
y3 = [1, 3, 4, 6, 6]
line = Line(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
line.add_xaxis(xaxis_data=x_data)
line.add_yaxis(series_name="A類", y_axis=y1, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="B類", y_axis=y2, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.add_yaxis(series_name="C類", y_axis=y3, areastyle_opts=opts.AreaStyleOpts(opacity=1))
line.render("line2.html")圖像效果如下：
繪制餅形圖使用的是Pie模塊，該模塊中需要使用的主要方法是add()方法
該方法主要參數如下：
| 主要參數 | 描述 |
|---|---|
| series_name | 系列名稱。用于提示文本和圖例標簽。 |
| data_pair | 數據項，格式為形如[(key1,value1),(key2,value2)] |
| color | 系列標簽的顏色。 |
| radius | 餅圖的半徑。默認設成百分比形式，默認是相對于容器的高和寬中較小的一方的一半 |
| rosetype | 是否展開為南丁格爾玫瑰圖，可以取的值有radius貨area，radius表示通過扇區圓心角展現數據的大小，即默認的扇形圖；area表示所有扇區的圓心角的角度相同，通過半徑來展現數據大小 |
from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF']
y_data = [200, 200, 100, 400, 500, 600]
# 將數據轉換為目標格式
data = [list(z) for z in zip(x_data, y_data)]
# 數據排序
data.sort(key=lambda x: x[1])
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
pie.add(
series_name="類別", # 序列名稱
data_pair=data, # 數據
)
pie.set_global_opts(
# 餅形圖標題
title_opts=opts.TitleOpts(
title="各類別數量分析",
pos_left="center"),
# 不顯示圖例
legend_opts=opts.LegendOpts(is_show=False),
)
pie.set_series_opts(
# 序列標簽
label_opts=opts.LabelOpts(),
)
pie.render("pie.html")圖像效果如下：
from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x_data = ['AAA', 'BBB', 'CCC', 'DDD', 'EEE', 'FFF', 'GGG', 'HHH', 'III', 'JJJ', 'KKK', 'LLL', 'MMM', 'NNN', 'OOO']
y_data = [200, 100, 400, 50, 600, 300, 500, 700, 800, 900, 1000, 1100, 1200, 1300, 1500]
# 將數據轉換為目標格式
data = [list(z) for z in zip(x_data, y_data)]
# 數據排序
data.sort(key=lambda x: x[1])
# 創建餅形圖并設置畫布大小
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC, width='300px', height='400px'))
# 為餅形圖添加數據
pie.add(
series_name="類別",
data_pair=data,
radius=["8%", "160%"], # 內外半徑
center=["65%", "65%"], # 位置
rosetype='area', # 玫瑰圖，圓心角相同，按半徑大小繪制
color='auto' # 顏色自動漸變
)
pie.set_global_opts(
# 不顯示圖例
legend_opts=opts.LegendOpts(is_show=False),
# 視覺映射
visualmap_opts=opts.VisualMapOpts(is_show=False,
min_=100, # 顏色條最小值
max_=450000, # 顏色條最大值
)
)
pie.set_series_opts(
# 序列標簽
label_opts=opts.LabelOpts(position='inside', # 標簽位置
rotate=45,
font_size=8) # 字體大小
)
pie.render("pie2.html")圖像效果如下：
繪制箱線圖使用的是Boxplot類。
這里有一個細節，準備y軸數據y_data時需要在列表外再套一層列表，否則圖線不會被顯示。
繪制箱線圖使用的是Boxplot模塊，
主要的方法有
add_xaxis()和add_yaxis()
from pyecharts.charts import Boxplot
from pyecharts.globals import ThemeType
from pyecharts import options as opts
y_data = [[5, 20, 22, 21, 23, 26, 25, 24, 28, 26, 29, 30, 50, 61]]
boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
boxplot.add_xaxis([""])
boxplot.add_yaxis('', y_axis=boxplot.prepare_data(y_data))
boxplot.render("boxplot.html")圖像效果如下：
繪制漣漪圖使用的是EffectScatter模塊，代碼示例如下：
from pyecharts.charts import EffectScatter
from pyecharts import options as opts
from pyecharts.globals import ThemeType
x = [2011, 2012, 2013, 2014, 2015]
x_data = [str(i) for i in x]
y1 = [1, 3, 2, 5, 8]
y2 = [2, 6, 5, 6, 7]
y3 = [5, 7, 4, 3, 1]
scatter = EffectScatter(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
scatter.add_xaxis(x_data)
scatter.add_yaxis("", y1)
scatter.add_yaxis("", y2)
scatter.add_yaxis("", y3)
# 渲染圖表到HTML文件，存放在程序所在目錄下
scatter.render("EffectScatter.html")圖像效果如下：
繪制詞云圖使用的是WordCloud模塊，
主要的方法有add()方法。
add()方法的主要參數如下：
add()方法主要的參數有
準備一個txt文件（001.txt），文本內容以《蘭亭集序》為例：
永和九年，歲在癸丑，暮春之初，會于會稽山陰之蘭亭，修禊事也。群賢畢至，少長咸集。此地有崇山峻嶺，茂林修竹，又有清流激湍，映帶左右，引以為流觴曲水，列坐其次。雖無絲竹管弦之盛，一觴一詠，亦足以暢敘幽情。
是日也，天朗氣清，惠風和暢。仰觀宇宙之大，俯察品類之盛，所以游目騁懷，足以極視聽之娛，信可樂也。
夫人之相與，俯仰一世。或取諸懷抱，悟言一室之內；或因寄所托，放浪形骸之外。雖趣舍萬殊，靜躁不同，當其欣于所遇，暫得于己，快然自足，不知老之將至；及其所之既倦，情隨事遷，感慨系之矣。向之所欣，俯仰之間，已為陳跡，猶不能不以之興懷，況修短隨化，終期于盡！古人云：“死生亦大矣。”豈不痛哉！
每覽昔人興感之由，若合一契，未嘗不臨文嗟悼，不能喻之于懷。固知一死生為虛誕，齊彭殤為妄作。后之視今，亦猶今之視昔，悲夫！故列敘時人，錄其所述，雖世殊事異，所以興懷，其致一也。后之覽者，亦將有感于斯文。
代碼示例如下：
from pyecharts.charts import WordCloud
from jieba import analyse
# 基于TextRank算法從文本中提取關鍵詞
textrank = analyse.textrank
text = open('001.txt', 'r', encoding='UTF-8').read()
keywords = textrank(text, topK=30)
list1 = []
tup1 = ()
# 關鍵詞列表
for keyword, weight in textrank(text, topK=30, withWeight=True):
# print('%s %s' % (keyword, weight))
tup1 = (keyword, weight) # 關鍵詞權重
list1.append(tup1) # 添加到列表中
# 繪制詞云圖
mywordcloud = WordCloud()
mywordcloud.add('', list1, word_size_range=[20, 100])
mywordcloud.render('wordclound.html')詞云圖效果如下：
繪制熱力圖使用的是HeatMap模塊。
下邊以雙色球案例為例，數據使用生成的隨機數，繪制出熱力圖：
import pyecharts.options as opts
from pyecharts.charts import HeatMap
import pandas as pd
import numpy as np
# 創建一個33行7列的DataFrame，數據使用隨機數生成。每個數據表示該位置上該數字出現的次數
s1 = np.random.randint(0, 200, 33)
s2 = np.random.randint(0, 200, 33)
s3 = np.random.randint(0, 200, 33)
s4 = np.random.randint(0, 200, 33)
s5 = np.random.randint(0, 200, 33)
s6 = np.random.randint(0, 200, 33)
s7 = np.random.randint(0, 200, 33)
data = pd.DataFrame(
{'位置一': s1,
'位置二': s2,
'位置三': s3,
'位置四': s4,
'位置五': s5,
'位置六': s6,
'位置七': s7
},
index=range(1, 34)
)
# 數據轉換為HeatMap支持的列表格式
value1 = []
for i in range(7):
for j in range(33):
value1.append([i, j, int(data.iloc[j, i])])
# 繪制熱力圖
x = data.columns
heatmap=HeatMap(init_opts=opts.InitOpts(width='600px' ,height='650px'))
heatmap.add_xaxis(x)
heatmap.add_yaxis("aa", list(data.index), value=value1, # y軸數據
# y軸標簽
label_opts=opts.LabelOpts(is_show=True, color='white', position="center"))
heatmap.set_global_opts(title_opts=opts.TitleOpts(title="雙色球中獎號碼熱力圖", pos_left="center"),
legend_opts=opts.LegendOpts(is_show=False), # 不顯示圖例
# 坐標軸配置項
xaxis_opts=opts.AxisOpts(
type_="category", # 類目軸
# 分隔區域配置項
splitarea_opts=opts.SplitAreaOpts(
is_show=True, # 區域填充樣式
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
# 坐標軸配置項
yaxis_opts=opts.AxisOpts(
type_="category", # 類目軸
# 分隔區域配置項
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
# 區域填充樣式
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
# 視覺映射配置項
visualmap_opts=opts.VisualMapOpts(is_piecewise=True, # 分段顯示
min_=1, max_=170, # 最小值、最大值
orient='horizontal', # 水平方向
pos_left="center") # 居中
)
heatmap.render("heatmap.html")熱力圖效果如下：
繪制水球圖使用的是Liquid模塊。
from pyecharts.charts import Liquid
liquid = Liquid()
liquid.add('', [0.39])
liquid.render("liquid.html")水球圖效果如下：
繪制日歷圖使用的是Calendar模塊
主要使用的方法是add()方法
import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Calendar
data = list(np.random.random(30))
# 求最大值和最小值
mymax = round(max(data), 2)
mymin = round(min(data), 2)
# 生成日期
index = pd.date_range('20220401', '20220430')
# 合并列表
data_list = list(zip(index, data))
# 生成日歷圖
calendar = Calendar()
calendar.add("",
data_list,
calendar_opts=opts.CalendarOpts(range_=['2022-04-01', '2022-04-30']))
calendar.set_global_opts(
title_opts=opts.TitleOpts(title="2022年4月某指標情況", pos_left='center'),
visualmap_opts=opts.VisualMapOpts(
max_=mymax,
min_=mymin+0.1,
orient="horizontal",
is_piecewise=True,
pos_top="230px",
pos_left="70px",
),
)
calendar.render("calendar.html")日歷圖效果如下：
以上就是關于“Python數據可視化之Pyecharts如何使用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
