前言
本文首发于本人公众号【Python编程与实战】
我们都知道python上的一款可视化工具matplotlib, 但是它是静态的。后来发现了pyecharts模块，简直好用到不行，可视化类型非常多，它是基于 Echarts 开发的。
Echarts 是百度开源的一个数据可视化 JS 库，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 就诞生了。
下面带大家快速了解pyecharts以及基本使用方法：
✨ 特性
简洁的 API 设计，使用如丝滑般流畅，支持链式调用囊括了 30+ 种常见图表，应有尽有支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab可轻松集成至 Flask，Django 等主流 Web 框架高度灵活的配置项，可轻松搭配出精美的图表详细的文档和示例，帮助开发者更快的上手项目多达 400+ 地图，为地理数据可视化提供强有力的支持✨ 安装
1pip install pyecharts
注意：pyecharts 共有两个版本，v0.5.X 和 V1.0.X 间完全不兼容，且v0.5.X版本作者已经不维护了，请使用V1.0.X
Bar：柱状图/条形图
柱状图对应的模块是 Bar
除此之外可以设置全局配置和系列配置项。配置项都是基于 options
示例代码：
1# coding: utf-82from mons import Faker3from pyecharts import options as opts4from pyecharts.charts import Bar56def bar_base():78 bar = Bar(init_opts=opts.InitOpts(page_title="bar页面")) # 设置html页面标题9 # bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) # 设置x轴的参数1011 bar.add_xaxis(Faker.choose())12 bar.add_yaxis("A", Faker.values())13 bar.add_yaxis("B", Faker.values())1415 # 设置全局配置项，可选16 bar.set_global_opts(opts.TitleOpts(title="主标题", subtitle="副标题"))17 # render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件18 bar.render("bar.html") # 也可以自己指定文件名1920if __name__ == "__main__":21 bar_base()
运行代码后会在当前目录生成一个”bar.html“的文件，我们在浏览器中打开它。效果图如下：
、
生成的页面支持-点击取消显示某 Series
除了上述的使用方法之外，pyecharts 所有方法均支持链式调用！
翻转XY轴
代码如下：
1 def bar_reversal_axis() -> Bar:23 # pyecharts 所有方法均支持链式调用。4 c = (5 Bar(init_opts=opts.InitOpts(page_title="bar页面"))6 .add_xaxis(Faker.choose())7 .add_yaxis("商家A", Faker.values())8 .add_yaxis("商家B", Faker.values())9 .reversal_axis()10 .set_global_opts(toolbox_opts=opts.ToolboxOpts()) # 设置工具箱配置项11 .set_series_opts(label_opts=opts.LabelOpts(position="right")) # 系列配置项12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴")) # 全局配置项13 )14 return c151617if __name__ == "__main__":18 bar_reversal_axis().render("bar.html")
效果图如下：
部分堆叠数据
同个类目轴上系列配置相同的 stack 值可以堆叠放置
例如堆叠放置A，B的代码如下：
1 def bar_stack1() -> Bar:2 c = (3 Bar()4 .add_xaxis(Faker.choose())56 # 数据堆叠，同个类目轴上系列配置相同的stack值可以堆叠放置。7 # stack: Optional[str] = None,8 .add_yaxis("A", Faker.values(), stack="stack1")9 .add_yaxis("B", Faker.values(), stack="stack1")10 .add_yaxis("C", Faker.values())11 .set_series_opts(label_opts=opts.LabelOpts(is_show=False))12 .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（部分）"))13 )14 return c
区域缩放配置项
1 def bar_datazoom_slider() -> Bar:2 c = (3 Bar(init_opts=opts.InitOpts(page_title="bar页面"))4 .add_xaxis(Faker.days_attrs)5 .add_yaxis("商家A", Faker.days_values)6 .set_global_opts(7 title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-水平）"),8 datazoom_opts=[opts.DataZoomOpts(type_="slider",)]9 )10 )11 return c
效果图如下：
区域缩放配置项的设置方法在DataZoomOpts类中，我们可以点进去查看源码：
其中，主要用到的参数含义如下：
1 type_: str = "slider", # 组件类型，可选 "slider", "inside"2 # 拖动时，是否实时更新系列的视图。如果设置为 false，则只在拖拽结束的时候更新。3 is_realtime: bool = True,45 # 布局方式是横还是竖。可选值为：'horizontal', 'vertical'6 orient: str = "horizontal",
知道参数的含义后我们可以来试试效果
比如我们要将区域缩放布局改为竖，将orient定义为vertical即可，代码就不展示，可以自己动手试试！
效果图如下:
HeatMap：热力图
热力图主要通过颜色去表现数值的大小，必须要配合 visualMap 组件使用。
直角坐标系上必须要使用两个类目轴。
热力图使用的方法函数是add_yaxis，下面是函数的用法说明：
i 1def add_yaxis(2 # 系列名称，用于 tooltip 的显示，legend 的图例筛选。3 series_name: str,45 # Y 坐标轴数据6 yaxis_data: Sequence,78 # 系列数据项9 value: Sequence,1011 # 是否选中图例12 is_selected: bool = True,1314 # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。15 xaxis_index: Optional[Numeric] = None,1617 # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。18 yaxis_index: Optional[Numeric] = None,1920 # 标签配置项，参考 `series_options.LabelOpts`21 label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),2223 # 标记点配置项，参考 `series_options.MarkPointOpts`24 markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,2526 # 标记线配置项，参考 `series_options.MarkLineOpts`27 markline_opts: Union[opts.MarkLineOpts, dict, None] = None,2829 # 提示框组件配置项，参考 `series_options.TooltipOpts`30 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,3132 # 图元样式配置项，参考 `series_options.ItemStyleOpts`33 itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,3435
其中series_name， yaxis_data， value是三个必传参数
示例代码如下：
import randomfrom mons import Fakerfrom pyecharts import options as optsfrom pyecharts.charts import HeatMapdef heatmap_base() -> HeatMap:value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]c = (HeatMap().add_xaxis(Faker.clock).add_yaxis("series", Faker.week, value).set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-基本示例"),visualmap_opts=opts.VisualMapOpts(), ))return cif __name__ == "__main__":heatmap_base().render("heatMap.html")
效果图如下：
WordCloud：词云图
词云图用的的方法函数是add，使用方法如下：
1 def add(2 # 系列名称，用于 tooltip 的显示，legend 的图例筛选。3 series_name: str,45 # 系列数据项，[(word1, count1), (word2, count2)]6 data_pair: Sequence,78 # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选9 shape: str = "circle",1011 # 单词间隔12 word_gap: Numeric = 20,1314 # 单词字体大小范围15 word_size_range=None,1617 # 旋转单词角度18 rotate_step: Numeric = 45,1920 # 提示框组件配置项，参考 `series_options.TooltipOpts`21 tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,2223
其中series_name， data_pair， shape是三个必传参数
示例代码如下：
# coding: utf-8import randomfrom pyecharts.charts import WordCloudfrom pyecharts import options as optswords = [("火箭", 10000),("勇士库里", 8888),("在你写这个教程之前，我已经会用了", 6181),("哈登", 6386),("金州拉文", 5055),("杜兰特", 6467),("戳眼", 2244),("NBA", 1868),("季后赛", 1484),("约老师", 1112),("利拉德", 865),("双卡双待", 847),("字母歌MVP", 5582),("卡哇伊", 555),("猛龙", 550),("大帝", 462),("西蒙斯不投三分", 366),("JB", 360),("科尔垃圾", 282),("格林公式", 273),("欧文", 2650),]def wordcloud_base() -> WordCloud:c = (WordCloud().add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10).set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond")))return cif __name__ == "__main__":wordcloud_base().render("wordCloud.html")
效果图如下：
保存为图片
前面我们讲的几种图形生成方法，最后都保存成 html文件，pyecharts 还提供了保存为图片的方式
需要安装snapshot_selenium，同时需要将浏览器驱动保存路径cheromdriver.exe加入到环境变量中
1pip install snapshot_selenium
示例代码如下：
1 # coding: utf-82 import random34 from pyecharts.charts import WordCloud5 from pyecharts import options as opts6 from snapshot_selenium import snapshot as driver7 from pyecharts.render import make_snapshot89 words = [10 ("火箭", 10000),11 ("勇士库里", 8888),12 ("在你写这个教程之前，我已经会用了", 6181),13 ("哈登", 6386),14 ("金州拉文", 5055),15 ("杜兰特", 6467),16 ("戳眼", 2244),17 ("NBA", 1868),18 ("季后赛", 1484),19 ("约老师", 1112),20 ("利拉德", 865),21 ("双卡双待", 847),22 ("字母歌MVP", 5582),23 ("卡哇伊", 555),24 ("猛龙", 550),25 ("大帝", 462),26 ("西蒙斯不投三分", 366),27 ("JB", 360),28 ("科尔垃圾", 282),29 ("格林公式", 273),30 ("欧文", 2650),31]323334 def wordcloud_base() -> WordCloud:35 c = (36 WordCloud()37 .add("", words, word_size_range=[20, 50], shape="diamond", word_gap=10)38 .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-shape-diamond"))39 )40 return c414243 if __name__ == "__main__":44 make_snapshot(driver, wordcloud_base().render(), "wordcloud.png")45 # wordcloud_base().render("wordCloud.html")
最后会在当前目录生成一张wordcloud.png的图片
总结
1.根据自己想制作的图形，导入相关的包
2.进行图表的基础设置，创建图表对象
3.需要了解该图表对象下面的函数中参数的含义，及其使用方法
4.配置项主要是在 options中进行配置，有全局配置项和系列配置项，需要了解配置项下面对象含义使用方法
5.利用render()方法来报存图表
pyecharts 还有许多好玩的 3D图表 和 地图图表，由于篇幅有限，下篇将继续介绍 地图系玩法
