echarts教程 可视化神器Pyecharts，这份最全教程请收好！

介绍:今天，我想给你介绍一个漂亮的女孩。她的名字叫派查特。从第一次见到她开始，我就被她迷住了，爱上了她。

简单说一下她的来历:Pyecharts是一个强大的可视化工具。百度开发了一个功能强大的基于JS的可视化库Echarts，但是在绘制的时候，我们通常不使用前端技术来整理数据，转换数据结构非常麻烦。Pyecharts充分发挥python glue语言的特点，可以帮助我们做数据可视化。

本文围绕Pyecharts的使用、结果呈现、优缺点等分为以下四个部分:

Pyecharts对数据结构的要求非常统一和简单。把数据转换成列表总是对的。设置好图表的标题、副标题、颜色等参数，就可以直接绘图了。

你发现肾盂造影的一个主要特征了吗？图形都是互动的！

简单的直方图对你来说显然是不够的~继续吧。接下来导入一个省会快餐店数量的数据。

把数据也放在列表里。设置图表的一些参数，如长宽、背景颜色等。，可以做垂直叠加直方图，把直角坐标改成极坐标，甚至可以做极坐标分类叠加直方图！可以看看同样的数据在不同图表下的效果~

留个小问题:可以试试用PPT做上图~

我们已经看到了几个计划。来个3D的吧。在这里导入一家公司的每日销售数据。数据结构如下，纵坐标是一年52周，横坐标是一周7天。

这一次数据结构调整略显复杂，我们需要为每一条数据确认在空中的位置，格式如下:

我们来看看具体转换模式的代码。这里有很多东西要设置。您可以尝试调整内部参数以获得特定效果。

x_axis = data_3[ 'week']。tolist()

data _ 3[' week ']= data _ 3[' week ']. str . replace(' week '，' ')。map(int) -1

data_3 = data_3.set_index( 'week ')

y_axis = data_3.columns.tolist()

data_3.columns = range( 0，7)

data_3 = data_3.stack()。reset_index()

data_3.columns = [ 'week '，' day '，' amount']

data_3.head()

style = Style(

title_color= "#A52A2A "，

title_pos = "中心"、

宽度= 900，

高度= 1100，

background_color= "#ABABAB "

)

style_3d = style.add(

is_visualmap= True，

visual_range=[ 0，120]，

visual_range_color=[ '#313695 '，' #4575b4 '，' #74add1 '，' #abd9e9 '，' #e0f3f8 '，' #ffffbf '，

#fee090 '，' #fdae61 '，' #f46d43 '，' #d73027 '，' #a50026']，

grid3d_width= 200，

grid3d_depth= 80，

xaxis_label_textcolor= '#fff '，

is_grid3d_rotate= True，

图例_pos= '右侧'

)

Bar3d = Bar3D('年产量情况'，**style.init_style)

Bar3d.add('日产量'，x _ axis，y _ axis，data _ 3.values.tolist()，* * style _ 3d)

Bar3d.render('。/参考案例HTML/ 3D年产量直方图。html ')

bar3d

是见证奇迹的时候了！

好吧，那我有个小问题。如果我碾压这些高耸的柱子会怎么样？

这不是我们很熟悉的热图吗？

想进一步研究销量怎么办？我拿着第一周的数据画了一张玫瑰图。

或者漏斗图——

好玩吧。！在这里我们向您展示Pyecharts可以展示的不同类型的图表~您可以在实际应用中根据您的需求进行选择。

02玩Pyecharts:无尽模式！

我先做了一个仪表盘图，统计每天加班的概率:

#仪表板

从图表导入仪表

量表=量表(今天加班的概率)

Gauge.add('，'可能性'，99.99，angle_range=[ 225，-45]，

scale_range=[ 0，100]，is_legend_show= False)

Gauge.render('。/参考案例HTML/今日加班概率仪表盘. HTML’)

测量

然后画面是这样的，你可以清楚的看到，醒目的四个9-

下面是水球图，挺有意思的。我们可以自己画出图形的形状，但你必须先了解一种叫做SVG的东西。有兴趣可以去官网查查案例~

数据可以绘制成图形，文字当然可以是:

#绘画

从导入散点图

散点=散点('学霸画')

v1，v2 =散点图。/pic.png ')

散点加('学霸封'，v1，v2，is_random= True)

Scatter.render('。/参考案例HTML/学霸是绘制的散点图。html ')

导入图片，看清楚，我给你画个散点图！

看，不是很简单吗？想画什么画什么！(朋友们表示满意，觉得我拉了他们的声音)

03图表会说话:用图表来反映趋势变化

首先导入一个生产成本核算数据，就是每个月的原材料价格和产品成本。

您可以播放组合图表:

如果你有一个热爱股票的小伙伴，你也可以画一个k线图:

从图表导入线

Day = data_k[' date' ]。tolist()

V = data_k[['开盘价'，'收盘价'，'最低价'，'最高价']]]values . to list()

Kline = Kline('上证指数k线图'，宽度= 1900，高度= 800)

Kline.add ('day K '，day，v，

mark_point=[ 'max']，is_datazoom_show= True)

Kline.render('。/参考案例HTML/上证指数k线图. HTML’)

克莱恩

▲K线图需要四个参数，开盘价、收盘价、最低价、最高价

04图表会说话:用图表来反映数据分布关系

还是成本核算数据，我们来研究一下原材料成本和生产价格的关系，先画个散点图:

好像是线性关系。请处理图表。

▲散点图高级版——波纹散点图

事实上，这里有很多种模式，所以你可以一个接一个地尝试:

矩形'，'圆形矩形'，'三角形'，'菱形'，'销'，'箭头'

有朋友会问，散点图能显示空之间的分布吗？

可以！用一个上海餐饮数据:

▲剧情！这里颜色越深，人均价格越贵~

运动员身体素质分析；

收集了8名运动员的身体指数，并绘制了一张雷达图——

雷达地图使用极坐标系统，而我们绘制的一些常规地图使用直角坐标系。那么，还有其他坐标系吗？

平行坐标系。以空气体质量数据为例，添加自定义指标，我们可以得到:

▲方便同时显示城市及其空空气质量。

不同数据的可视化:文本和地图的显示

通过分析一篇文章中的词频，可以画一个词云~看这里:

frompyecharts importWordCloud

Name = data_10['关键字']。tolist()

Value = data_10['出现频率']。tolist()

wordcloud = WordCloud(宽度= 1300，高度= 620)

wordcloud.add("，，名称，值，word_size_range=[ 20，100])

Wordcloud.render('。/参考案例HTML/关键词统计云图. HTML’)

关键字云

几行代码就能搞定~

地图数据可以做的更多，比如地理轨迹图。引用中国资本流动的一个数据，分析了华北、广州和深圳的投资流动；

可以分析一下北上广深四个城市的资金外流情况~

06结果显示:你的PPT可以亮了！

Pyecharts的图形可以直接在Jupyter Notebook中显示，HTML可以通过render方法渲染显示在浏览器中，也可以插入PPT使用:

图形也可以嵌入到web框架中，比如django和flash。Pyecharts官网就是这么做的。

07我为什么选择肾盂造影？

Python有很多图片库，比如MapPlotlib、Seaborn、Bokeh等。，但如果我只选择其中一个，肾盂造影将是我最好的选择。它有友好的中文文档和非常简单的操作方法，为我们的数据分析工作提供了很多便利~值得拥有！

当然，pyecharts是部分结果表达的可视化库，在统计分析可视化方面并不出彩。其次，这是一个非常年轻的图书馆，很多功能还在开发中，但也给了我们无限的期待，相信在不久的将来会越来越强大！

当然，我写这么多不是给你看的！公众号后台回复pye的实践数据和源代码，回复可视化查看更多数据可视化干货教程和应用案例！

▼

问:你还用过哪些视觉神器？

转载/提交请联系:baiyu@hzbook.com