使用pycharts绘制各种图
安装pycharts使用 pip install pycharts==1.9.0
建议使用jupyter notebook
本图代码参考自官网，仅供学习使用
柱状图1
#数据可视化库,需要使用pip install pyecharts#官网： /#/import pandas as pdfrom pyecharts.charts import Barbar = Bar()#pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组# Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫"])bar.add_yaxis("商家A", [5, 20, 36])# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件# 也可以传入路径参数，如 bar.render("mycharts.html")# bar.render() 会渲染到本地的一个html页面上bar.render_notebook() #渲染到当前的页面上
柱状图2
s = pd.Series([20,100,30,200,100],index=['a','b','c','d','e'])# s.index# s.values# 可以调用tolist()方法，将Numpy的数组，Series转为列表# s.index.tolist()s.values.tolist()
from pyecharts.charts import Barfrom pyecharts import options as optsbar = (Bar().add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]).set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题")))bar.render_notebook()
柱状图3
from pyecharts.charts import Barbar = Bar()#pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组# Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫",'牛仔裤'])bar.add_yaxis("商家A",[5,20,36,42])bar.add_yaxis("商家B",[5,12,40,37])# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件# 也可以传入路径参数，如 bar.render("mycharts.html")# bar.render() 会渲染到本地的一个html页面上bar.render_notebook() #渲染到当前的页面上
堆叠图
#堆叠图from pyecharts.charts import Barfrom pyecharts import options as optsbar = Bar()#pyechars需要的数据只能是Python中内置结构，比如列表，字典，元组# Numpy的数组，Series，DataFrame是不支持的，如果希望将Series中的数据做展示，可以使用tolist方法，将Series转为列表bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫",'牛仔裤','连衣裙','背心','围巾'])bar.add_yaxis("销售方甲",[5,20,36,42,38,26,37],stack='stack1')bar.add_yaxis("销售方乙",[5,12,40,37,29,12,39],stack='stack1')bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False))bar.set_global_opts(title_opts=opts.TitleOpts(title="柱状图数据堆叠图"))# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件# 也可以传入路径参数，如 bar.render("mycharts.html")# bar.render() 会渲染到本地的一个html页面上bar.render_notebook() #渲染到当前的页面上
饼图
#饼图示例# zip可以将两个列表打包在一起from pyecharts.charts import Piefrom pyecharts import options as optsfrom pyecharts.charts import Page,Piedatas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))pie=Pie()pie.add('',datas)pie.set_global_opts(title_opts=opts.TitleOpts(title='Pie图'))pie.set_series_opts(label_opts=opts.LabelOpts(formatter=" {b}:{c} "))pie.render_notebook()
玫瑰图
from pyecharts.charts import Piefrom pyecharts import options as optsfrom pyecharts.charts import Page,Piedatas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))rosetype=Pie()rosetype.add("玫瑰图",datas,radius=["30%", "75%"],center=["25%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=False))rosetype.add("玫瑰图",datas,radius=["30%", "75%"],center=["75%", "50%"],rosetype="area")rosetype.set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图"))#对图表进行渲染输出rosetype.render_notebook()
from pyecharts.faker import Collector, Faker Faker.choose()Faker.values()print(Faker.choose(),Faker.values())
datas = list(zip(['衬衫','羊毛衫','雪纺衫','裤子','高跟鞋','袜子'],[5,20,36,10,75,90]))datas
玫瑰图2
#玫瑰图示例#调用函数形式#先导入要绘图的函数模组from pyecharts import options as optsfrom pyecharts.charts import Page, Piefrom mons.utils import JsCodefrom pyecharts.faker import Collector, Faker#使用绘图函数对表进行设置，并设置表的各种参数def pie_rosetype() -> Pie:v = Faker.choose()c = (Pie().add("",[list(z) for z in zip(v, Faker.values())],radius=["30%", "75%"],center=["25%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=False),).add("",[list(z) for z in zip(v, Faker.values())],radius=["30%", "75%"],center=["75%", "50%"],rosetype="area",).set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图")))return c#调用函数，并对图表进行渲染输出figure=pie_rosetype()figure.render_notebook()
仪表盘
from pyecharts import charts# 仪表盘gauge = charts.Gauge()gauge.add('Python使用小调查',[list(i) for i in zip(['好运来','张家乡','财神爷','赖某标','黄某强'],[38,42,24,37,59])])#[('English',85),('Chinese',90),('Math',98)])gauge.render_notebook()
折线图
#折线图#调用函数形式import pyecharts.options as optsfrom pyecharts.faker import Fakerfrom pyecharts.charts import Linec=(Line().add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).add_yaxis("商家B", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="Line折线")))c.render_notebook()
雷达图
#雷达图from pyecharts import options as optsfrom pyecharts.charts import Page, Radarv1 = [[4300, 10000, 28000, 35000, 50000, 19000]]v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]#-> Radar:def radar_base() -> Radar:c = (Radar().add_schema(schema=[opts.RadarIndicatorItem(name="销售", max_=6500),opts.RadarIndicatorItem(name="管理", max_=16000),opts.RadarIndicatorItem(name="信息技术", max_=30000),opts.RadarIndicatorItem(name="客服", max_=38000),opts.RadarIndicatorItem(name="研发", max_=52000),opts.RadarIndicatorItem(name="市场", max_=25000),]).add("预算分配", v1).add("实际开销", v2).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Radar图")))return cc=radar_base()c.render_notebook()
词云图
#词云图#定义函数形式显示from pyecharts import options as optsfrom pyecharts.charts import Page, WordCloudfrom pyecharts.globals import SymbolTypewords = [("Sam S Club", 10000),("Macys", 6181),("Amy Schumer", 4386),("Jurassic World", 4055),("Charter Communications", 2467),("Chick Fil A", 2244),("Planet Fitness", 1868),("Pitch Perfect", 1484),("Express", 1112),("Home", 865),("Johnny Depp", 847),("Lena Dunham", 582)]def wordcloud_base() -> WordCloud:c = (WordCloud().add("", words,word_size_range=[20, 100]).set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例")))return cc=wordcloud_base()c.render_notebook()
散点图
from pyecharts.charts import Scatterscatter = Scatter()scatter.add_xaxis(['衬衫','羊毛衫', '雪纺衫', '裤子','高跟鞋','袜子'])scatter.add_yaxis('商家A',[5, 20, 36,10, 75, 90])scatter.set_global_opts(title_opts=opts.TitleOpts(title='Scatter-基本示例'))scatter.render_notebook()
利用Geo绘制地理坐标图表
#利用Geo绘制地理坐标图表'''add_schema() ：控制地图类型、视角中心点等add()：添加图表名称、传入数据集、选择geo图类型、调整图例等set_series_opts() ：系列配置项，可配置图元样式、文字样式、标签样式、点线样式等set_global_opts() ： 全局配置项，可配置标题、动画、坐标轴、图例等render_notebook() ： 在notebook中渲染显示图表Geo()模块还有几个功能函数：add_coordinate() : 新增一个坐标点add_coordinate_json() ：以json形式新增多个坐标点get_coordinate() ：根据地点查询对应坐标'''#python的链式调用，使代码更加简洁from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypec = (Geo().add_schema(maptype="china").add("geo", [list(z) for z in zip(Faker.provinces, Faker.values())]).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(visualmap_opts=opts.VisualMapOpts(),title_opts=opts.TitleOpts(title="Geo-基本示例"),))c.render_notebook()
利用Geo绘制热力图表示
#你可以更换数据展现形式，比如用热力图表示，只需在add()函数中添加参数：type_=ChartType.HEATMAPfrom pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypec = (Geo().add_schema(maptype="china").add("geo", [list(z) for z in zip(['江苏','浙江','湖北','湖南','河南'], [22,34,27,100,42])],type_=ChartType.HEATMAP).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(visualmap_opts=opts.VisualMapOpts(),title_opts=opts.TitleOpts(title="全国各省xx数据分布"),))c.render_notebook()
以北京作为底图，展示北京市各区县xx数据的分布
#以北京作为底图，展示北京市各区县xx数据的分布。将函数add_schema(maptype="china")的maptype="china"修改为maptype="北京"from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypec = (Geo().add_schema(maptype="北京").add("geo",[list(z) for z in zip(['大兴区','房山区','海淀区','朝阳区','东城区'], [150,100,300,200,500])],type_=ChartType.EFFECT_SCATTER,).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(visualmap_opts=opts.VisualMapOpts(),title_opts=opts.TitleOpts(title="Geo-HeatMap"),))c.render_notebook()
你可以修改地图的背景色
#你可以修改地图的背景色，在函数add_schema()中添加参数itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111")，#颜色和边缘颜色可设任意色值。from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypec = (Geo().add_schema(maptype="北京",itemstyle_opts=opts.ItemStyleOpts(color="#383c48", border_color="#111")).add("geo",[list(z) for z in zip(['大兴区','房山区','海淀区','朝阳区','东城区'], [1500,10,300,20,5])],).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(visualmap_opts=opts.VisualMapOpts(),title_opts=opts.TitleOpts(title="北京市各区县xx数据分布"),))c.render_notebook()
地理空间流动图
'''2、动态展示pyecharts可以生成地理空间流动图，用来表示航班数量、人口流动等等。下面以全国主要城市航班流动图为例（虚拟数据）：'''from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypec = (Geo().add_schema(maptype="china").add("",[("深圳", 120), ("哈尔滨", 66), ("杭州", 77), ("重庆", 88), ("上海", 100), ("乌鲁木齐", 30),("北京", 30),("武汉",70),("南昌",48)],type_=ChartType.EFFECT_SCATTER,color="green",).add("geo",[("北京", "上海"), ("武汉", "深圳"),("重庆", "杭州"),("南昌","北京"),("哈尔滨", "重庆"),("乌鲁木齐", "哈尔滨"),("深圳", "乌鲁木齐"),("武汉", "北京")],type_=ChartType.LINES,effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW, symbol_size=6, color="blue"),linestyle_opts=opts.LineStyleOpts(curve=0.2),).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="全国主要城市航班路线和数量")))c.render_notebook()
绘制地图
#利用Map模块绘制地图#Map模块的使用方法和Geo类似，数据展现在地图上，首先导入相关库：from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypefrom pyecharts.charts import Mapc = (Map().add("省份地图", [list(z) for z in zip(['江苏','浙江','湖北','湖南','河南'], [22,100,27,53,42])], "china").set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"),visualmap_opts=opts.VisualMapOpts(max_=200)))c.render_notebook()
世界地图
#世界地图：from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypefrom pyecharts.charts import Mapc = (Map().add("世界地图", [list(z) for z in zip(['China','Canada','Brazil','United States','Russia'], [22,100,27,53,42])], "world").set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Map-世界地图"),visualmap_opts=opts.VisualMapOpts(max_=200),))c.render_notebook()
上海地图
from pyecharts.faker import Collector, Fakerfrom pyecharts import options as opts from pyecharts.charts import Geo from pyecharts.globals import ChartType, SymbolTypefrom pyecharts.charts import Mapc = (Map().add("商家A", [list(z) for z in zip(['嘉定区','松江区','宝山区','浦东新区','奉贤区'], [22,100,27,53,42])], "上海").set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Map-上海地图"),visualmap_opts=opts.VisualMapOpts(max_=200),))c.render_notebook()
t Geo
from pyecharts.globals import ChartType, SymbolType
from pyecharts.charts import Map
c = (
Map()
.add(“商家A”, [list(z) for z in zip([‘嘉定区’,‘松江区’,‘宝山区’,‘浦东新区’,‘奉贤区’], [22,100,27,53,42])], “上海”)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title=“Map-上海地图”),
visualmap_opts=opts.VisualMapOpts(max_=200),
)
)
c.render_notebook()
更多图详见官网
