Python与Echarts相结合的可视化工具：pyecharts

pyecharts是一款将python与echarts结合的强大的数据可视化工具，本文将为你阐述pyecharts的使用细则。

我们都知道python上的一款可视化工具matplotlib,而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts，可视化类型非常多，但是得通过导入js库在Java Web项目上运行，平时用Python比较多，于是就在想有没有Python与Echarts结合的轮子。Google后，找到一个国人开发的一个Echarts与Python结合的轮子：pyecharts，下面就来简述下pyecharts一些使用细则：

安装

写这篇文章用的是Win环境，首先打开命令行(win+R),输入：

pipinstallpyecharts

但笔者实测时发现，由于墙的原因，下载时会出现断线和速度过慢的问题导致下载失败，所以建议通过清华镜像来进行下载：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

出现上方的信息，即代表下载成功，我们可以来进行下一步的实验了！

使用实例

使用之前我们要强调一点：就是python2.x和python3.x的编码问题，在python3.x中你可以把它看做默认是unicode编码，但在python2.x中并不是默认的，原因就在它的bytes对象定义的混乱，而pycharts是使用unicode编码来处理字符串和文件的，所以当你使用的是python2.x时，请务必在上方插入此代码：

from__future__importunicode_literals

现在我们来开始正式使用pycharts，这里我们直接使用官方的数据：

柱状图-Bar

//导入柱状图-Bar
frompyechartsimportBar
//设置行名
columns=["Jan","Feb","Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov","Dec"]
//设置数据
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]
//设置柱状图的主标题与副标题
bar=Bar("柱状图","一年的降水量与蒸发量")
//添加柱状图的数据及配置项
bar.add("降水量",columns,data1,mark_line=["average"],mark_point=["max","min"])
bar.add("蒸发量",columns,data2,mark_line=["average"],mark_point=["max","min"])
//生成本地文件（默认为.html文件）
bar.render()

运行结果如下：

简单的几行代码就可以将数据进行非常好看的可视化，而且还是动态的，在这里还是要安利一下jupyter，pyecharts在v0.1.9.2版本开始，在jupyter上直接调用实例（例如上方直接调用bar）就可以将图表直接表示出来，非常方便。

笔者数了数，目前pyecharts上的图表大概支持到二十多种，接下来，我们再用上方的数据来生成几个数据挖掘常用的图表示例：

饼图-Pie

//导入饼图Pie
frompyechartsimportPie
//设置主标题与副标题，标题设置居中，设置宽度为900
pie=Pie("饼状图","一年的降水量与蒸发量",title_pos='center',width=900)
//加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示
pie.add("降水量",columns,data1,center=[25,50],is_legend_show=False)
//加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签
pie.add("蒸发量",columns,data2,center=[75,50],is_legend_show=False,is_label_show=True)
//保存图表
pie.render()

箱体图-Boxplot

//导入箱型图Boxplot
frompyechartsimportBoxplot
boxplot=Boxplot("箱形图","一年的降水量与蒸发量")
x_axis=['降水量','蒸发量']
y_axis=[data1,data2]
//prepare_data方法可以将数据转为嵌套的[min,Q1,median(orQ2),Q3,max]
yaxis=boxplot.prepare_data(y_axis)
boxplot.add("天气统计",x_axis,_yaxis)
boxplot.render()

相关推荐：《Python视频教程》

折线图-Line

frompyechartsimportLine
line=Line("折线图","一年的降水量与蒸发量")
//is_label_show是设置上方数据是否显示
line.add("降水量",columns,data1,is_label_show=True)
line.add("蒸发量",columns,data2,is_label_show=True)
line.render()

雷达图-Rader

frompyechartsimportRadar
radar=Radar("雷达图","一年的降水量与蒸发量")
//由于雷达图传入的数据得为多维数据，所以这里需要做一下处理
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]]
//设置column的值，为了雷达图更为直观，这里的月份值设置有所不同
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)
]
//传入坐标
radar.config(schema)
radar.add("降水量",radar_data1)
//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("蒸发量",radar_data2,item_color="#1C86EE")
radar.render()

散点图-scatter

frompyechartsimportScatter
scatter=Scatter("散点图","一年的降水量与蒸发量")
//xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置
scatter.add("降水量与蒸发量的散点分布",data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",
yaxis_name_gap=40)
scatter.render()

图表布局 Grid

由于标题与图表是属于两个不同的控件，所以这里必须对下方的图表Line进行标题位置设置，否则会出现标题重叠的bug。

frompyechartsimportGrid
//设置折线图标题位置
line=Line("折线图","一年的降水量与蒸发量",title_top="45%")
line.add("降水量",columns,data1,is_label_show=True)
line.add("蒸发量",columns,data2,is_label_show=True)
grid=Grid()
//设置两个图表的相对位置
grid.add(bar,grid_bottom="60%")
grid.add(line,grid_top="60%")
grid.render()

frompyechartsimportOverlap
overlap=Overlap()
bar=Bar("柱状图-折线图合并","一年的降水量与蒸发量")
bar.add("降水量",columns,data1,mark_point=["max","min"])
bar.add("蒸发量",columns,data2,mark_point=["max","min"])
overlap.add(bar)
overlap.add(line)
overlap.render()

总结

（1）导入相关图表包

（2）进行图表的基础设置，创建图表对象

（3）利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)

（4）利用render()方法来进行图表保存