Pyecharts绘图API总结
IT共享之家
共 4372字，需浏览 9分钟
· 2021-11-28
点击上方“IT共享之家”，进行关注
回复“资料”可获赠Python学习福利
禁门宫树月痕过，媚眼惟看宿鹭窠。
一、初识Pyecharts
pyecharts简介
pyecharts 是一个用于生成 Echarts 图表的类库, Echarts 是一个由百度开源的数据可视化，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 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
Pyecharts官网
https://pyecharts.org/#/zh-cn/intro
pyecharts安装
pip install pyecharts二、Pyecharts可视化
使用pyecharts可以绘制如下图表：
| Scatter | 散点图 | Funnel | 漏斗图 |
|---|---|---|---|
| Bar | 柱状图 | Gauge | 仪表盘 |
| Pie | 饼图 | Graph | 关系图 |
| Line | 折线/面积图 | Liquid | 水球图 |
| Radar | 雷达图 | Parallel | 平行坐标系 |
| Sankey | 桑基图 | Polar | 极坐标系 |
| WordCloud | 词云图 | HeatMap | 热力图 |
这里我们简介一下常用的图表的API：
2.0、初始化设置
导入相关库：
from pyecharts.charts import *import pyecharts.options as opts
from pyecharts.charts import *: 可以使用所有的图表对应的函数；
使用 options 配置项，在 pyecharts 中，一切皆 Options，进行参数设置；
总体说明一下：
.render_notebook ()随时随地渲染图表;
.render() 这个不会直接产生图表，而是形成一个render.html的文件，可在浏览器中打开查看图表；
2.1、scatter()
这里我们绘制一个正余弦的散点图
x = np.linspace(0, 2*np.pi, 100)y = np.sin(x)y2 = np.cos(x)# 参数设置(Scatter() # 图形种类.add_xaxis(xaxis_data=x) # 设置x轴序列.add_yaxis(series_name='sin', y_axis=y) # 设置y轴序列.add_yaxis(series_name='cos', y_axis=y2, label_opts=opts.LabelOpts(is_show=False)) # is_show = False：表示不显示数值部分).render_notebook()
结果如下：
2.2、line()
from pyecharts.charts import Lineimport pyecharts.options as optsx = np.linspace(0, 2*np.pi, 100)y = np.sin(x)(Line().add_xaxis(xaxis_data=x).add_yaxis(series_name='sin', y_axis=y, label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name='cos', y_axis=np.cos(x), label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title='曲线'),tooltip_opts=opts.TooltipOpts(axis_pointer_type='cross'))).render_notebook()
结果如下所示：
2.3、Bar()
柱状图的绘制：
from pyecharts.charts import Barbar = (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]))bar.render_notebook()
结果如下：
当然，这里只是最基本的柱图使用；我们还可以绘制混合柱图；
from pyecharts.charts import Barimport pyecharts.options as optsnum = [110, 136, 108, 48, 111, 112, 103]num2 = [90, 110, 101, 70, 90, 120, 99]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'](Bar(init_opts=opts.InitOpts(width='720px', height='320px')).add_xaxis(xaxis_data=lab).add_yaxis(series_name='商家A', yaxis_data=num).add_yaxis(series_name='商家B', yaxis_data=num2).set_global_opts(title_opts=opts.TitleOpts(title='各商家拥有犬类数量情况', subtitle='如有雷同，纯属意外'))).render_notebook()
结果如下所示：
2.4、Pie()
普通饼图：
from pyecharts.charts import Pieimport pyecharts.options as optsnum = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'](Pie(init_opts=opts.InitOpts(width='720px', height='320px')).add(series_name='',data_pair=[(j, i) for i, j in zip(num, lab)])).render_notebook()
结果如下：
环状饼图：
from pyecharts.charts import Pieimport pyecharts.options as optsnum = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'](Pie(init_opts=opts.InitOpts(width='720px', height='320px')).add(series_name='',radius=['40%', '75%'],data_pair=[(j, i) for i, j in zip(num, lab)])).render_notebook()
如图所示：
玫瑰饼图：
from pyecharts.charts import Pieimport pyecharts.options as optsnum = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基'](Pie(init_opts=opts.InitOpts(width='720px', height='320px')).add(series_name='',# radius=['40%', '75%'],# center=['25%', '50%'],rosetype='radius',data_pair=[(j, i) for i, j in zip(num, lab)])).render_notebook()
如图所示：
2.5、图表的组合使用
from pyecharts.charts import Bar, Linenum = [110, 136, 108, 48, 111, 112, 103]lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']bar = (Bar(init_opts=opts.InitOpts(width='720px', height='320px')).add_xaxis(xaxis_data=lab).add_yaxis(series_name='', yaxis_data=num))lines = (Line().add_xaxis(xaxis_data=lab).add_yaxis(series_name='', y_axis=num, label_opts=opts.LabelOpts(is_show=False)))bar.overlap(lines).render_notebook()
如图所示：
三、总结
Pyecharts可以绘制各种各样的图表，主流的一个数据可视化的库，因为相对于matplotlib,seaborn等数据可视化库，它的交互性比较好，图形绘制的比较清晰美观，所以应用的比较广泛，本文主要就普通常用图形做了简单的总结，当然它还可以绘制地理图形，具体参见官网相关API。
看完本文有收获？请转发分享给更多的人
IT共享之家
入群请在微信后台回复【入群】
------------------- End -------------------
往期精彩文章推荐：
评论
Stability AI开放Stable Diffusion 3 API，在线免费使用
「Stability AI」宣布开放其最新文本到图像生成模型「Stable Diffusion 3」的API接口，供开发者和企业使用。该模型采用创新的多模态扩散转换器架构，在字体、细节还原、提示理解等方面表现优异，评测结果超越了业内其他顶尖系统。与DALL-E 3和Midjourney v6等最先进
IQ前端
0
【第124期】Vue 3 组合式 API 的瑞士军刀（VueUse）
概述 今天，我们要深入探索一个强大的工具集——VueUse。它为 Vue 3 的组合式 API（Composition API）提供了超过 200 个实用函数，让你的开发工作更加得心应手。官方网站：https://vueuse.org/VueUse 是什么？VueUse 的官方网站是 https:
前端微服务
0
【总结】2021- 作为前端，工作中处理过什么复杂的需求？
先说背景，我目前在腾讯IMWeb团队，负责在线教育腾讯课堂的前端研发。都说疫情期间在线教育是风口，我想说，打的赢扛得住也许是机遇，打不赢完全是炮灰。先说流量从春节假期到现在，我们遭遇了前所未有的流量峰值，虽然具体数字不方便透露，但是可以预想得到，那么多所学校在期间强制网络上课，学生加老师的数量是多么
前端自习课
10
【总结】2020- 前端常用的几种请求方式
本文作者系360奇舞团前端开发工程师前端数据请求方式主要包括XMLHttpRequest、Fetch、Axios、WebSocket等。这些请求方式各有特点，适用于不同的场景。本文将从综合性能、优缺点、最佳使用场景以及使用方式的角度对这些数据请求方式进行分析。介绍XMLHttpRequest（XHR
前端自习课
356
【总结】2019- 如何自己开发一个前端监控SDK
原文链接：https://juejin.cn/post/7276814487054450725最近在负责团队前端监控系统搭建的任务。因为我们公司有统一的日志存储平台、日志清洗平台和基于 Grafana 搭建的可视化看板，就剩日志的采集和上报需要自己实现了，所以决定封装一个前端监控 SDK 来完成日志
前端自习课
331
收藏 | 论文画图工具：25个常用Matplotlib图的Python代码总结
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达仅作学术分享，不代表本公众号立场，侵权联系删除转载于：作者丨zsx_yiyiyi来源丨python大本营编辑丨极市平台# !pip install brewer2mplimport nump
小白学视觉
342
分享一篇关于SEO优化的前端知识总结
来源 | https://juejin.cn/post/7300118821532778511前言以前开发独立站，涉及过一些seo的内容，为了避免后面会遗忘，感觉有必要记录下相关经验，也算是一次总结吧！SEO概念SEO 是 Search Engine Optimizatio（搜索
前端达人
460
【总结】2017- 不要再写满屏import导入啦！
作者：tager原文：https://juejin.cn/post/7344571285848768524密密麻麻的import语句不仅仅是一种视觉上的冲击，更是对代码组织结构的一种考验。我们是如何做到让import“占领满屏“的了，又该如何优雅地管理这些import语句呢？本文将从产生大量impo
前端自习课
10