Python最美可视化库

今天药忘吃喽~ 2022-12-25 04:55 223阅读 0赞

## 丑话先说前头 ##

今天，来给大家介绍 Python 中一款炒鸡好用的可视化库——Pyecharts。那么在这里注意奥~这个库实际上是对接的前端框架——echarts。款式没得挑剔，不过在安装这块有点小陷阱，也就是针对于版本这块分为 v0.5.X 和 v1 ，而这两个版本之间的使用又是不兼容的。所以得先说好，我们本篇文章所有的代码所依赖的都是v1的版本。如下图：  
![在这里插入图片描述][20201130164041713.png]

## 让我们开始叭 ##

在这里，我给大家介绍几种比较常用的基础图绘制方法，那其实代码看不懂也木的一点关系。因为，画图嘛，只要替换数据即可。其次，我是非常建议大家去欣赏以下他那详细的说明文档。不要害怕英文，因为Pyecharts是全中文的说明文档。嘿嘿，官网链接：https://pyecharts.org/\#/zh-cn

#### 竖条形图 ####

from pyecharts.charts import Bar
    from pyecharts import options as opts
    from pyecharts.globals import ThemeType
    from faker import Faker
    
    c = (
            Bar(
                init_opts=opts.InitOpts(
                    width="500px",
                    height="400px",
                    theme=ThemeType.LIGHT,
                    bg_color="skyblue"
                )
            )
            .add_xaxis(Faker.choose())
            .add_yaxis("商家A", Faker.values())
            .add_yaxis("商家B", Faker.values())
        )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70]

#### 横向条形图 ####

横向条形图只需要调用reversal\_axis()即可。

c = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values())
        .add_yaxis("商家B", Faker.values())
        .reversal_axis()
        .set_series_opts(label_opts=opts.LabelOpts(position="right"))
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-翻转 XY 轴"))
    )

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 1]

#### 堆叠条形图 ####

堆叠条形图只要在添加y轴的函数add\_yaxis上添加stack参数即可。

c = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values(), stack="stack1")
        .add_yaxis("商家B", Faker.values(), stack="stack1")
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（全部）"))
    )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 2]

#### 设置条形图的间距 ####

*  category\_gap参数：x轴每个分类的间距

c = (
        Bar()
        .add_xaxis(Faker.choose())
        .add_yaxis("商家A", Faker.values(), category_gap="80%")
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-单系列柱间距离"))
    )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 3]

#### 带有网格的条形图 ####

网格图，是在x轴和y轴上，都绘制横线，形成的网格。可以在opts.AxisOpts中通过设置splitline\_opts实现。

c = (
            Bar()
            .add_xaxis(Faker.choose())
            .add_yaxis("商家A", Faker.values())
            .set_global_opts(
                title_opts=opts.TitleOpts(title="Scatter-显示分割线"),
                xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
                yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
            )
        )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 4]

#### 箱线图 ####

箱线图使用pyecharts.charts.Boxplot来实现。

import numpy as np
    import pandas as pd
    from pyecharts.charts import Boxplot
    
    """
    注意：箱型图不支持链式调用，因为数据需要c.prepare_data()
    """
    v1 = [
        [850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
        [960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790],
    ]
    v2 = [
        [890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920],
        [890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870],
    ]
    
    c = Boxplot()
    c.add_xaxis(["商品1","商品2"])
    c.add_yaxis("A",c.prepare_data(v1))
    c.add_yaxis("B",c.prepare_data(v2))
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 5]

#### 地理图(地图)绘制(map) ####

from pyecharts.charts import Map
    from pyecharts import options as opts
    from faker import Faker
    
    """
    中国地图
    淘宝商家的商品售卖情况
    """
    c = (
        Map()
        .add("淘宝的商家商品售卖情况",[(x,y) for x,y in zip(Faker.provinces,Faker.values())],"china")   # 值是元组或列表
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts()  # 颜色越深 说明越多
        )
    )
    
    c.render_notebook()
    
    """
    广东省
    人口分布情况(伪数据)
    """
    c = (
        Map()
        .add("广东省各个城市密度", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-广东地图"),
            visualmap_opts=opts.VisualMapOpts(),
        )
    )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 6]

#### 世界地图 ####

"""
    世界地图
    """
    c = (
        Map()
        .add("商家A", [list(z) for z in zip(Faker.country, Faker.values())], "world")
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示默认标签
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Map-世界地图"),
            visualmap_opts=opts.VisualMapOpts(max_=200),
        )
    )
    c.render_notebook()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 7]  
奥霍，突然记起一件非常重要的事情，在代码中涉及到了一个faker文件，为了保障大家可以运行代码，我将这个faker文件给大家放到了公众号的自动回复区域奥，欢迎大家到公众号留言faker即可获取。

![在这里插入图片描述][20201130164956408.gif]

[20201130164041713.png]: /images/20221120/194b1c5b0ccc41dbbc7c472b4f71ed61.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70]: /images/20221120/20e46584130542a79298a21f4f581502.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 1]: /images/20221120/e95683fe792f4ff9a47c44ecd87da627.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 2]: /images/20221120/624ccda9b1cb40ef9c97f30f61d0d8ad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 3]: /images/20221120/b45c1db51b9f4dfe9f8edec36fb776f4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 4]: /images/20221120/d8b91ff1b1ae4439be8feedd23815517.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 5]: /images/20221120/2830ab08009f4770906deb4f7f174bd7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 6]: /images/20221120/6f0f37da42e247ab8edb1ca56bc8281d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1Mjk4MQ_size_16_color_FFFFFF_t_70 7]: /images/20221120/b9a22490f17e447a896ed681fed44b93.png
[20201130164956408.gif]: /images/20221120/294ebb6a299640fabba57aae8eec0d05.png