【數據可視化-pyecharts】pyecharts快速入門

pyecharts快速開始

首先開始來繪製你的第一個圖表html

from pyecharts import Bar bar = Bar("個人第一個圖表", "這裏是副標題") bar.add("服裝", ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"], [5, 20, 36, 10, 75, 90]) # bar.print_echarts_options() # 該行只爲了打印配置項，方便調試時使用
bar.render()    # 生成本地 HTML 文件

add()
主要方法，用於添加圖表的數據和設置各類配置項
print_echarts_options()
打印輸出圖表的全部配置項
render()
默認將會在根目錄下生成一個 render.html 的文件，支持 path 參數，設置文件保存位置，如 render(r"e:\my_first_chart.html")，文件用瀏覽器打開。

Note：能夠按右邊的下載按鈕將圖片下載到本地，若是想要提供更多實用工具按鈕，請在 add() 中設置 is_more_utils 爲 Truenode

使用主題

自 0.5.2+ 起，pyecharts 支持更換主體色系。下面是跟換爲 'dark' 的例子：python

from pyecharts import Bar bar = Bar("個人第一個圖表", "這裏是副標題") bar.use_theme('dark') bar.add("服裝", ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"], [5, 20, 36, 10, 75, 90]) bar.render()

pyecharts 支持另外 5 個主體色系，請移步到主題色系獲取更多配置信息。git

使用主題插件

echarts 自帶 dark 主題，pyecharts 也就自帶了 dark。 echarts-themes-pypkg 主題插件提供了以下主題github

安裝主題插件

pip install echarts-themes-pypkg

使用主題

更換單個圖形主題shell

bar.use_theme("vintage")

更換運行環境內全部圖表主題json

from pyecharts import configure # 將這行代碼置於首部
configure(global_theme='dark') bar = Bar() # 其餘代碼

主題風格

vintage

macarons

infographic

shine

roma

westeros

wonderland

chalk

halloween

essos

walden

purple-passion

romantic

圖形繪製過程

圖表類提供了若干了構建和渲染的方法，在使用的過程當中，建議按照如下的順序分別調用：瀏覽器

數據解析與導入篇：

參考：http://pyecharts.org/#/zh-cn/data_import?id=networkx-%E5%BA%93echarts

介紹了一些經常使用的數據處理模塊和庫。這些並非 pyecharts 核心的部分。ide

#add 數據直接支持 numpy.array 對象，例如：

from pyecharts import Bar import numpy as np clothes = ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"] v1 = np.array([5, 20, 36, 10, 75, 90]) bar = Bar("衣服銷量") bar.add("商家A", clothes, v1, is_stack=True) bar.render()

numpy 數據類型

#在 pyecharts.base.Base.add(name, x_axis, y_axis) 函數中，數據參數一般要求數據是兩個長度相等的列表。

from pyecharts import Line t_data = [(21, '2017-12-01'), (19, '2017-12-02'), (20, '2017-12-03')] hs, ds = zip(*t_data) line = Line('High Temperature') line.add('High', ds, hs) line.render()

zip 函數

數據格式化處理函數，可以將源數據轉化爲符合 pyecharts 的數據。 具體轉化格式以下： 1、元組列表 [(A1, B1), (A2, B2), (A3, B3), (A4, B4)] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] 2、字典列表 [{A1: B1}, {A2: B2}, {A3: B3}, {A4: B4}] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] 3、字典 {A1: B1, A2: B2, A3: B3, A4: B4} -- > k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] o_data = [('A', '34'), ('B', '45'), ('C', '12')] x, y = Base.cast(o_data) print(x) # ['A', 'B', 'C']
print(y) # ['34', '45', '12']

Base.cast 函數

項目地址： https://github.com/kinegratii/borax

安裝

borax 要求 Python3.5 以上，可使用如下命令安裝這個庫。

$ pip install borax

函數定義文檔

該模塊使用 fetch 函數，簽名以下：

fetch(iterable, key, *keys, default=EMPTY, defaults=None, getter=None)

各參數的意義以下：

iterable：數據列表
key / keys：鍵值、屬性訪問方式的索引
default：默認值，用於選擇單個屬性
defaults：默認值字典，用於選擇多個屬性
getter：自定義訪問回調函數

應當注意的是，在使用時， default 、 defaults 和 getter 參數必須使用關鍵字方式傳遞，詳情參考 PEP 3102。

示例

選取多個屬性

from borax.fetch import fetch objects = [ {'id': 282, 'name': 'Alice', 'age': 30}, {'id': 217, 'name': 'Bob', 'age': 56}, {'id': 328, 'name': 'Charlie', 'age': 56}, ] names, ages = fetch(objects, 'name', 'age') print(names) print(ages) #輸出 #['Alice', 'Bob', 'Charlie'] #[30, 56, 56]

borax.fetch 模塊

networkx 庫

項目地址： https://github.com/networkx/networkx

對於複雜的關係圖，可使用 networkx 庫構建節點和連線，並傳遞給 add 函數。以下面的例子。

# coding=utf8

from __future__ import unicode_literals import networkx as nx from networkx.readwrite import json_graph from pyecharts import Graph g = nx.Graph() categories = ['網關', '節點'] g.add_node('FF12C904', name='Gateway 1', symbolSize=40, category=0) g.add_node('FF12CA02', name='Node 11', category=1) g.add_node('FF12C326', name='Node 12', category=1) g.add_node('FF45C023', name='Node 111', category=1) g.add_node('FF230933', name='Node 1111', category=1) g.add_edge('FF12C904', 'FF12CA02') g.add_edge('FF12C904', 'FF12C326') g.add_edge('FF12CA02', 'FF45C023') g.add_edge('FF45C023', 'FF230933') g_data = json_graph.node_link_data(g) eg = Graph('設備最新拓撲圖') eg.add('Devices', nodes=g_data['nodes'], links=g_data['links'], categories=categories) # eg.show_config()
eg.render()

networkx 庫

Pandas&Numpy 簡單示例

若是使用的是 Numpy 或者 Pandas，能夠參考這個示例

Note：使用 Pandas&Numpy 時，整數類型請確保爲 int，而不是 numpy.int32

固然你也能夠採用更加酷炫的方式，使用 Jupyter Notebook 來展現圖表，matplotlib 有的，pyecharts 也會有的

Note：從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加 pythonic 的作法。直接調用自己實例就能夠了。

好比這樣

還有這樣

若是使用的是自定義類，直接調用自定義類示例便可

更多 Jupyter notebook 的例子請參考 notebook-use-cases。可下載後運行看看。

如需使用 Jupyter Notebook 來展現圖表，只須要調用自身實例便可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。全部圖表都可正常顯示，與瀏覽器一致的交互體驗，這下展現報告連 PPT 都省了！！