Python可視化神器——pyecharts的超詳細使用指南！

知識 09-28

源 | 機器之心文 | wengJJ

pyecharts是一款將python與echarts結合的強大的數據可視化工具，本文將為你闡述pyecharts的使用細則

前言

我們都知道python上的一款可視化工具matplotlib,而前些陣子做一個Spark項目的時候用到了百度開源的一個可視化JS工具-Echarts，可視化類型非常多，但是得通過導入js庫在Java Web項目上運行，平時用Python比較多，於是就在想有沒有Python與Echarts結合的輪子。Google後，找到一個國人開發的一個Echarts與Python結合的輪子：pyecharts，下面就來簡述下pyecharts一些使用細則：

安裝

寫這篇文章用的是Win環境，首先打開命令行(win+R),輸入：

但筆者實測時發現，由於牆的原因，下載時會出現斷線和速度過慢的問題導致下載失敗，所以建議通過清華鏡像來進行下載：

出現上方的信息，即代表下載成功，我們可以來進行下一步的實驗了！

使用實例

使用之前我們要強調一點：就是python2.x和python3.x的編碼問題，在python3.x中你可以把它看做默認是unicode編碼，但在python2.x中並不是默認的，原因就在它的bytes對象定義的混亂，而pycharts是使用unicode編碼來處理字元串和文件的，所以當你使用的是python2.x時，請務必在上方插入此代碼：

from __future__ import unicode_literals

現在我們來開始正式使用pycharts，這裡我們直接使用官方的數據：

柱狀圖-Bar

//導入柱狀圖-Barfrom pyecharts import Bar//設置行名columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]//設置數據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]//設置柱狀圖的主標題與副標題bar = Bar("柱狀圖", "一年的降水量與蒸發量")//添加柱狀圖的數據及配置項bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])bar.add("蒸發量", columns, data2, mark_line=["average"], mark_point=["max", "min"])//生成本地文件（默認為.html文件）bar.render()

運行結果如下：

簡單的幾行代碼就可以將數據進行非常好看的可視化，而且還是動態的，在這裡還是要安利一下jupyter，pyecharts在v0.1.9.2版本開始，在jupyter上直接調用實例（例如上方直接調用bar）就可以將圖表直接表示出來，非常方便。

筆者數了數，目前pyecharts上的圖表大概支持到二十多種，接下來，我們再用上方的數據來生成幾個數據挖掘常用的圖表示例：

餅圖-Pie

//導入餅圖Piefrom pyecharts import Pie//設置主標題與副標題，標題設置居中，設置寬度為900pie = Pie("餅狀圖", "一年的降水量與蒸發量",title_pos="center",width=900)//加入數據，設置坐標位置為【25，50】，上方的colums選項取消顯示pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)//加入數據，設置坐標位置為【75，50】，上方的colums選項取消顯示，顯示label標籤pie.add("蒸發量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)//保存圖表pie.render()

箱體圖-Boxplot

//導入箱型圖Boxplotfrom pyecharts import Boxplot boxplot = Boxplot("箱形圖", "一年的降水量與蒸發量")x_axis = ["降水量","蒸發量"]y_axis = [data1,data2]//prepare_data方法可以將數據轉為嵌套的 [min, Q1, median (or Q2), Q3, max]yaxis = boxplot.prepare_data(y_axis) boxplot.add("天氣統計", x_axis, _yaxis)boxplot.render()

折線圖-Line

from pyecharts import Lineline = Line("折線圖","一年的降水量與蒸發量")//is_label_show是設置上方數據是否顯示line.add("降水量", columns, data1, is_label_show=True)line.add("蒸發量", columns, data2, is_label_show=True)line.render()

雷達圖-Rader

from pyecharts import Radarradar = Radar("雷達圖", "一年的降水量與蒸發量")//由於雷達圖傳入的數據得為多維數據，所以這裡需要做一下處理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]]//設置column的最大值，為了雷達圖更為直觀，這裡的月份最大值設置有所不同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)]//傳入坐標radar.config(schema)radar.add("降水量",radar_data1)//一般默認為同一種顏色，這裡為了便於區分，需要設置item的顏色radar.add("蒸發量",radar_data2,item_color="#1C86EE")radar.render()

散點圖-scatter

from pyecharts import Scatterscatter = Scatter("散點圖", "一年的降水量與蒸發量")//xais_name是設置橫坐標名稱，這裡由於顯示問題，還需要將y軸名稱與y軸的距離進行設置scatter.add("降水量與蒸發量的散點分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸發量", yaxis_name_gap=40)scatter.render()

圖表布局 Grid

由於標題與圖表是屬於兩個不同的控制項，所以這裡必須對下方的圖表Line進行標題位置設置，否則會出現標題重疊的bug。

from pyecharts import Grid//設置折線圖標題位置line = Line("折線圖","一年的降水量與蒸發量",title_top="45%")line.add("降水量", columns, data1, is_label_show=True)line.add("蒸發量", columns, data2, is_label_show=True)grid = Grid()//設置兩個圖表的相對位置grid.add(bar, grid_bottom="60%")grid.add(line, grid_top="60%")grid.render()

from pyecharts import Overlapoverlap = Overlap()bar = Bar("柱狀圖-折線圖合併", "一年的降水量與蒸發量")bar.add("降水量", columns, data1, mark_point=["max", "min"])bar.add("蒸發量", columns, data2, mark_point=["max", "min"])overlap.add(bar)overlap.add(line)overlap.render()