[原创]-Day5.数据可视化之Pyecharts

今天药忘吃喽~ 2022-12-28 12:35 259阅读 0赞

format_png

Pyecharts

我们对matplotlib和seaborn都有了一定的了解，并且可以绘制一系列图形。今天我们将讲几个关于pycharts的具体的案例，让大家对可视化有更深的了解。

0、安装

  1.  #安装
  2.  pip install pyecharts

format_png 1

引入报错

format_png 2

解决方案：

(如果是安装失败的情况的话，安装如下方式重新安装)

  1.  #卸载
  2.  pip uninstall pycharts
  4.  #方案1：安装
  5.  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
  7.  #方案2：
  8.  #去官网下载：
  9.  https://pypi.org/project/pyecharts/0.1.9.4/#files
  10.  #把下载下来的whl文件放在相映路径下，接着在改路径下执行cmd。
  11.  #使用
  12.  pip install pyecharts-0.1.9.4-py2.py3-none-any.whl
  14.  # 报错
  15.  init() got an unexpected keyword argument ‘title_color’
  17.  # 原因版本太新了没有安装拓展库 所以这里用老版本演示
  19.  pip uninstall pyecharts
  20.  #安装指定版本
  21.  pip install pyecharts==0.5.0
  23.  # 地图库安装
  24.   pip install echarts-countries-pypkg         
  25.   pip install echarts-china-provinces-pypkg 
  26.   pip install echarts-china-cities-pypkg 
  27.   pip install echarts-china-counties-pypkg
  28.   pip install echarts-china-misc-pypkg
  29.   pip install echarts-united-kingdom-pypkg

format_png 3

1、地理坐标图

  1.  #报错找不到 是因为 新版本更改了引入方式
  2.  from pyecharts import Geo
  4.  #新版本引入如下
  5.  from pyecharts.charts import Geo
  8.  # 旧版本测试地理图
  9.  data = [
  10.    ("海门", 95), ("鄂尔多斯", 15), ("招远", 12), ("舟山", 12), ("齐齐哈尔", 14), ("盐城", 15),
  11.    ("赤峰", 16), ("青岛", 18), ("乳山", 18), ("金昌", 19), ("泉州", 21), ("莱西", 21),
  12.    ("日照", 21), ("胶南", 22), ("南通", 23), ("拉萨", 24), ("云浮", 24), ("梅州", 25),
  13.    ("文登", 25), ("上海", 25), ("攀枝花", 25), ("威海", 25), ("承德", 25), ("厦门", 26),
  14.    ("汕尾", 26), ("潮州", 26), ("丹东", 27), ("太仓", 27), ("曲靖", 27), ("烟台", 28),
  15.    ("福州", 29), ("瓦房店", 30), ("即墨", 50), ("抚顺", 31), ("玉溪", 31), ("张家口", 31),
  16.    ("阳泉", 31), ("莱州", 42), ("湖州", 32), ("汕头", 32), ("昆山", 33), ("宁波", 33),
  17.    ("湛江", 33), ("揭阳", 44), ("荣成", 54), ("连云港", 35), ("葫芦岛", 35), ("常熟", 36),
  18.    ("东莞", 36), ("河源", 36), ("淮安", 56), ("泰州", 36), ("南宁", 47), ("营口", 37),
  19.    ("惠州", 37), ("江阴", 67), ("蓬莱", 57), ("韶关", 38), ("嘉峪关", 78), ("广州", 38),
  20.    ("延安", 38), ("太原", 69), ("清远", 59), ("中山", 39), ("昆明", 79), ("寿光", 40),
  21.    ("盘锦", 40), ("长治", 61), ("深圳", 51), ("珠海", 42), ("宿迁", 73), ("咸阳", 43),
  22.    ("铜川", 44), ("平度", 64), ("佛山", 54), ("海口", 44), ("江门", 75), ("章丘", 45),
  23.    ("肇庆", 46), ("大连", 67), ("临汾", 57), ("吴江", 47), ("石嘴山", 9), ("沈阳", 50),
  24.    ("苏州", 50), ("茂名", 60), ("嘉兴", 41), ("长春", 51), ("胶州", 52), ("银川", 52),
  25.    ("张家港", 52), ("三门峡", 53), ("锦州", 54), ("南昌", 54), ("柳州", 54), ("三亚", 54),
  26.    ("自贡", 56), ("吉林", 56), ("阳江", 57), ("泸州", 57), ("西宁", 57), ("宜宾", 58),
  27.    ("呼和浩特", 58), ("成都", 58), ("大同", 58), ("镇江", 59), ("桂林", 59), ("张家界", 59),
  28.    ("宜兴", 59), ("北海", 60), ("西安", 61), ("金坛", 62), ("东营", 62), ("牡丹江", 63),
  29.    ("遵义", 63), ("绍兴", 63), ("扬州", 64), ("常州", 64), ("潍坊", 65), ("重庆", 66),
  30.    ("台州", 67), ("南京", 67), ("滨州", 70), ("贵阳", 71), ("无锡", 71), ("本溪", 71),
  31.    ("克拉玛依", 72), ("渭南", 72), ("马鞍山", 72), ("宝鸡", 72), ("焦作", 75), ("句容", 75),
  32.    ("北京", 79), ("徐州", 79), ("衡水", 80), ("包头", 80), ("绵阳", 80), ("乌鲁木齐", 84),
  33.    ("枣庄", 84), ("杭州", 84), ("淄博", 85), ("鞍山", 86), ("溧阳", 86), ("库尔勒", 86),
  34.    ("安阳", 90), ("开封", 90), ("济南", 92), ("德阳", 93), ("温州", 95), ("九江", 96),
  35.    ("邯郸", 98), ("临安", 99), ("兰州", 99), ("沧州", 100), ("临沂", 103), ("南充", 104),
  36.    ("天津", 105), ("富阳", 106), ("泰安", 112), ("诸暨", 112), ("郑州", 113), ("哈尔滨", 114),
  37.    ("聊城", 116), ("芜湖", 117), ("唐山", 119), ("平顶山", 119), ("邢台", 119), ("德州", 120),
  38.    ("济宁", 120), ("荆州", 127), ("宜昌", 130), ("义乌", 132), ("丽水", 133), ("洛阳", 134),
  39.    ("秦皇岛", 136), ("株洲", 143), ("石家庄", 147), ("莱芜", 148), ("常德", 152), ("保定", 153),
  40.    ("湘潭", 154), ("金华", 157), ("岳阳", 169), ("长沙", 175), ("衢州", 177), ("廊坊", 193),
  41.    ("菏泽", 194), ("合肥", 229), ("武汉", 273), ("大庆", 279)]
  43.  geo = Geo("全国主要城市空气质量", "data from pm2.5", title_color="b",
  44.          title_pos = "center", width = 1200,
  45.          height = 600, background_color = '#404a59')
  47.  attr, value = geo.cast(data)
  49.  geo.add("", attr, value, visual_range=[0, 200], visual_text_color="#fff",
  50.        symbol_size = 15, is_visualmap = True)
  52.  geo.render()
  54.  geo

解决不显示地图问题

sudo pip install echarts-countries-pypkg

sudo pip install echarts-china-provinces-pypkg

sudo pip install echarts-china-cities-pypkg

sudo pip install echarts-countries-pypkg

sudo pip install echarts-china-provinces-pypkg

sudo pip install echarts-china-cities-pypkg

效果图如下：

format_png 4

上面为默认的“scatter”类型，下面我们画一下’effectScatter’类型

  1.  attr, value = geo.cast(data)
  2.  geo.add("", attr, value, type="effectScatter", is_random=True, effect_scale=5)
  3.  geo.render("effect.html")

format_png 5

下面画一下 ‘headmap’类型，这是非常常用的一种类型。

  1.  geo.add("", attr, value, type="heatmap", is_visualmap=True, visual_range=[0, 300],
  2.         visual_text_color='#fff')
  3.  geo.render("headmap.html")

format_png 6

3、地理坐标系线图

适用于分析数据出行

  1.  from pyecharts import GeoLines, Style
  2.  style = Style(title_top="#fff",title_pos = "center",width=1200,height=600,background_color="#404a59")
  3.  style_geo = style.add(is_label_show=True,line_curve=0.2,line_opacity=0.6,legend_text_color="#eee",
  4.     legend_pos="right",geo_effect_symbol="plane",geo_effect_symbolsize=15,label_color=['#a6c84c', '#ffa022', '#46bee9'],
  5.     label_pos="right",label_formatter="{b}",label_text_color="#eee",)
  6.  data_guangzhou = [
  7.    ["广州", "上海"],
  8.    ["广州", "北京"],
  9.    ["广州", "呼和浩特"],
  10.    ["广州", "太原"],
  11.    ["广州", "长沙"],
  12.    ["广州", "吐鲁番"]
  13.  ]
  14.  geolines = GeoLines("GeoLines 示例 -DataScience", **style.init_style)
  15.  geolines.add("从广州出发", data_guangzhou, **style_geo)
  16.  geolines.render()

format_png 7

4、关系图

关系图是用于展现节点以及节点之间的关系的一种图，顾名思义，它用以分析关系最为适合，比如微博转发关系，文章引用关系等。

  1.  from pyecharts import Graph
  3.  nodes = [{"name": "a", "symbolSize": 10},
  4.          {"name": "b", "symbolSize": 20},
  5.          {"name": "c", "symbolSize": 30},
  6.          {"name": "d", "symbolSize": 40},
  7.          {"name": "e", "symbolSize": 50},
  8.          {"name": "f", "symbolSize": 40},
  9.          {"name": "g", "symbolSize": 30},
  10.          {"name": "h", "symbolSize": 20}]
  11.  links = []
  12.  for i in nodes:
  13.    for j in nodes:
  14.        links.append({"source": i.get('name'), "target": j.get('name')})
  15.  graph = Graph("关系图-环形布局示例-DataScience 提供")
  16.  graph.add("", nodes, links, is_label_show=True,
  17.          graph_repulsion=8000, graph_layout='circular',
  18.          label_text_color=None)
  19.  graph.render("graph.html")

format_png 8

5、词云

  1.  # 数据指标随机生成的，名字是安装本期活动顺序写的
  3.  from pyecharts import WordCloud
  5.  name = [
  6.    '喵呜', '四方', '映琴', '梧桐', 'Ray',
  7.    '子逐', '小明', '小小外星人', '大熊喵喵喵', 'Tony', '木夫',
  8.    '平凡人', '不染', 'W.', '白饭', 'vicky',
  9.    '不是', '挖掘机', '陌影', '赛茜']
  10.  value = [
  11.    10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112,
  12.    965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
  13.  wordcloud = WordCloud(width=1300, height=620)
  14.  wordcloud.add("", name, value, word_size_range=[20, 100])
  15.  wordcloud.render("wordcloud.html")

format_png 9

6、图表

  1.  #coding=utf-8
  2.  from __future__ import unicode_literals
  4.  #首先来我的绘制第一个图表
  6.  from pyecharts import Bar
  8.  bar = Bar("我的第一个图表","这里是一个副标题(DataScience)")
  9.  bar.add("分类",["A","B","C","D","E","F"],[15,18,35,66,6,88])
  10.  #bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用
  11.  bar.render() #生成本地 HTML 文件
  12.  bar

format_png 10

参数说明：

  • ·add()
    • 主要方法，用于添加图表的数据和设置各种配置项

  • ·print_echarts_options()

    • 打印输出图表的所有配置项

  • ·render()

    • 默认将会在根目录下生成一个render.html的文件,支持path参数，设置文件保存位置。

例如：render(r”e:\my_first_chart.html”),文件用浏览器打开

  • ·Note：
    • 可以按右边的下载按钮将图片下载到本地，如果想要提供更多实用工具按钮，请在add()中设置is_more_utils 为True

图形绘制过程

步骤 描述 代码示例 备注

  1. 实例一个具体类型图表的对象 chart = FooChart()
  2. 为图表添加通用的配置，如主题 chart.use_theme()
  3. 为图表添加特定的配置 geo.add_coordinate()
  4. 添加数据及配置项 chart.add()5 生成本地文件(html/svg/jpeg/png/pdf/gif）chart.render() 参考 数据解析与导入篇

7、柱状图

  1.  # note ：使用Pandas & Numpy 时，整数类型请确保为int， 而不是 numpy.int32
  3.  #当然你可以采用更加酷炫的方式，使用jupyter notebook 来展示图表，matplotib有的，
  4.  # pyecharts 也会有的
  6.  #Note :从v0.1.9.2版本开始，废弃 render_notebook() 方法，现在已采用更加pythonic的做法。
  7.  #直接调用本身实例就可以了。
  9.  #EG 案例
  10.  from pyecharts import Bar
  12.  attr = ["{}月".format(i) for i in range(1,13)]
  13.  v1 = [2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
  14.  v2 = [2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
  16.  bar = Bar("柱状图示例-DataScience")
  17.  bar.add("增长数",attr,v1,mark_line=["average"],mark_point=["max","min"])
  18.  bar.add("取关数",attr,v2,mark_line=["average"],mark_point=["max","min"])
  19.  bar

format_png 11

8、饼图

  1.  # 饼图
  2.  from pyecharts import Pie
  4.  attr = ["算法","产品","大数据","数据分析","Python","数据可视化"]
  5.  v1 = [11,12,13,10,10,10]
  6.  v2 = [19,21,32,20,20,33]
  8.  pie= Pie("饼图-玫瑰图示例-DataScience",title_pos='center',width=900)
  9.  pie.add("品种A",attr,v1,center=[25,50],is_random=True,redius=[30,75],rosetype='redius')
  10.  pie.add("品种B",attr,v2,center=[75,50],is_random=True,redius=[30,75],rosetype='area',is_legend_show=False,is_label_show=True)
  12.  pie

format_png 12

9、自定义

  1.  # 如果使用的是 自定义类，直接调用自定义类示例即可
  3.  from pyecharts import Bar,Line,Overlap
  5.  attr = ["A","B","C","D","E","F"]
  6.  v1 = [10,20,30,40,50,60]
  7.  v2 = [38,28,58,48,88,68]
  8.  bar =Bar("Line-Bar 示例")
  9.  bar.add("bar",attr,v1)
  10.  line = Line()
  11.  line.add("line",attr,v2)
  13.  overlap = Overlap()
  14.  overlap.add(bar)
  15.  overlap.add(line)
  17.  overlap

format_png 13

  • 如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。
  • 所有图表均可正常显示，与浏览器一致的交互体验，这下展示报告连 PPT 都省了！！

format_png 14

请添加小编,回复关键词：[数据可视化],

format_png 15

-今日互动-

你学会了吗？

欢迎文章下方留言互动format_png 16

如果对你有帮助的话

  1. ❤️来个「转发朋友圈」和「在看」，是最大的支持❤️

发表评论

表情：
评论列表 （有 0 条评论，259人围观）

还没有评论，来说两句吧...

相关阅读