第Python使用pyecharts控件繪制圖表目錄一、Echarts簡介1、特性2、相關資源：二、使用1、柱狀圖-Bar2、餅圖-Pie3、箱體圖-Boxplot4、折線圖-Line5、雷達圖-Rader6、散點圖-scatter7、圖表布局Grid總結

一、Echarts簡介

Echarts是一個由百度開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而Python是一門富有表達力的語言，很適合用于數據處理。當數據分析遇上數據可視化時，pyecharts誕生了。

分v0.5.x和V1間不兼容，導致很多代碼不可復用，舊版本將不再維護。

1、特性

簡潔的API設計，使用如絲滑般流暢，支持鏈式調用囊括了30+種常見圖表，應有盡有支持主流Notebook環境，JupyterNotebook和JupyterLab可輕松集成至Flask，Sanic，Django等主流Web框架高度靈活的配置項，可輕松搭配出精美的圖表詳細的文檔和示例，幫助開發者更快的上手項目多達400+地圖文件，并且支持原生百度地圖，為地理數據可視化提供強有力的支持

2、相關資源：

官網項目地址中文文檔（含5分鐘入門教程）EnglishDocumentation示例Example

二、使用

現在我們來開始正式使用pycharts，這里我們直接使用官方的數據：

1、柱狀圖-Bar

//導入柱狀圖-Bar

frompyechartsimportBar

//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()

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，在這里還是要安利一下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：

2、餅圖-Pie

//導入餅圖Pie

frompyechartsimportPie

//設置主標題與副標題，標題設置居中，設置寬度為900

pie=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標簽

pie.add("蒸發量",columns,data2,center=[75,50],is_legend_show=False,is_label_show=True)

//保存圖表

pie.render()

3、箱體圖-Boxplot

//導入箱型圖Boxplot

frompyechartsimportBoxplot

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(orQ2),Q3,max]

yaxis=boxplot.prepare_data(y_axis)

boxplot.add("天氣統計",x_axis,_yaxis)

boxplot.render()

4、折線圖-Line

frompyechartsimportLine

line=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()

5、雷達圖-Rader

frompyechartsimportRadar

radar=Radar("雷達圖","一年的降水量與蒸發量")

//由于雷達圖傳入的數據得為多維數據，所以這里需要做一下處理

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，這里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，這里為了便于區分，需要設置item的顏色

radar.add("蒸發量",radar_data2,item_color="#1C86EE")

radar.render()

6、散點圖-scatter

frompyechartsimportScatter

scatter=Scatter("散點圖","一年的降水量與蒸發量")

//xais_name是設置橫坐標名稱，這里由于顯示問題，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()

7、圖表布局Grid

由于標題與圖表是屬于兩個不同的控件，所以這里必須對下方的圖表Line進行標題位置設置，否則會出現標題重疊的bug。

frompyechartsimportGrid

//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()

frompyechartsimportOverlap

overlap=Overlap()

bar=Bar("柱狀圖-折線圖合并","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()

總結

導入相關圖表包進行圖表的基礎設置，創建圖表對象利用add()方法進行數據輸入與圖表