【免費贈書】使用 pyechart 輕鬆玩轉數據可視化

09-15

（點擊上方公眾號，可快速關注一起學Python）

pyecharts是一個用於生成Echarts圖表的類庫；而Echarts是百度開源的一個數據可視化JavaScnpt庫。使用pyecharts繪製的圖表美觀且具有交互性。

散點圖

pyecharts庫可繪製多種圖形。利用Scatter方法可繪製散點圖，代碼如下：

import


 
 numpy 
as
 npimport
 pandas as
 pdimport
 pyechartsx = [10
, 20
, 30
, 40
, 50
,60

 
]y = [
10
, 20
, 30
, 40
, 50
,60
]scatter =pyecharts.Scatter("散點圖示例"
)         #加入標題
scatter.add("A"
, x,y)                           #繪製散點圖

scatter

pyecharts繪圖的核心代碼是add方法，該方法用於添加圖表的數據和設置各種配置項。在scatter中，add函數的參數如下，其中，name為圖例名稱，後面依次為x軸和y軸，symbol_size為散點圖大小，默認為10。

add(name, x_axis,y_axis, extra_data=

None

,symbol_size=10
, **kwargs)

繪製的散點圖如圖所示。

利用

Visualmap

組件，可以通過圖形點大小映射數值，效果如圖所示。代碼如下：

x = [

10

, 20
, 30

 
, 
40
, 50
,60
]y = [10
, 20
, 30
, 40
, 50
,60
]scatter = pyecharts.Scatter("散點圖示例"

 
)scatter.add(
"A"
, x, y,is_visualmap=True
,            visual_type="size"
,visual_range_size=[10
, 60
])scatter

折線圖

利用Line方法可繪製折線圖，代碼如下：

years = [

1950

, 1960

 
,
1970
, 1980
, 1990
, 2000
, 2010
]gdp = [300.2
, 543.3
,1075.9
, 2862.5
, 5979.6

 
, 
10289.7
, 14958.3
]line =pyecharts.Line("折線圖示例"
)line.add("GDP"
,years, gdp, mark_point=["average"
])        #標記平均值
line

下面給出line.add方法的參數。is_symbol_show顯示標記圖形；is_smooth顯示平滑曲線；is_stack顯示數據堆疊；is_step設置階梯線圖；is_fill繪製面積圖，具體代碼如下：

add(name, x_axis,y_axis, is_symbol_show=

True

,    is_smooth=False
,    is_stack=False

 
,    is_step=
False
,is_fill=False
, **kwargs)

繪製的折線圖如圖所示。

下面給出通過設置is_step參數繪製階梯圖的代碼，最終的效果如圖所示

years = [

1950

, 1960
,1970
, 1980
, 1990

 
, 
2000
, 2010
]gdp = [300.2
, 543.3
,1075.9
, 2862.5
, 5979.6
, 10289.7
, 14958.3
]line =pyecharts.Line("階梯圖"
)line.add("GDP"
,years, gdp, is_step=True
)line

面給出通過設置is_fill參數繪製面積圖的代碼。其中，area_color為填充顏色，area_opacity為透明度，效果如圖所示。

years = [

1950

, 1960
,1970
, 1980
, 1990
, 2000
, 2010
]gdp = [300.2
, 543.3
,1075.9
, 2862.5
, 5979.6
, 10289.7
, 14958.3
]line =pyecharts.Line("面積圖"
)line.add("GDP"
, years, gdp, is_fill=True
,area_color="#000"
,area_opacity=0.3
)line

柱狀圖

利用Bar方法可以繪製柱狀圖，代碼如下：

data = [

23

, 85
, 72
, 43
,52
]labels =["A"
,"B"
,"C"
,"D"
,"E"
]bar =pyecharts.Bar("柱狀圖"
)bar.add("one"
,labels, data)bar

下面給出bar.add方法的參數。其中，is_stack為堆積柱狀圖；bar_category_gap為類目間的距離，值為0時則可以繪製直方圖。

add(name, x_axis,y_axis, is_stack=

False

,bar_category_gap="20%"
,**kwargs)

繪製的柱狀圖如圖所示。

使用多個add方法可以繪製並列柱狀圖，效果如圖所示。代碼如下：

data1 = [

23

, 85
, 72
, 43
,52
]data2 = [14
, 35
, 62
, 41
,19
]labels =["A"
,"B"
,"C"
,"D"
,"E"
]bar =pyecharts.Bar("並列柱狀圖"
)bar.add("one"
,labels, data1)bar.add("two"
, labels,data2)bar

通過設置is_stack參數可以繪製堆積柱狀圖，效果如圖所示。代碼如下：

data1 = [

23

, 85
, 72
, 43
,52
]data2 = [14
, 35
, 62
, 41
,19
]labels =["A"
,"B"
,"C"
,"D"
,"E"
]bar =pyecharts.Bar("堆積柱狀圖"
)bar.add("one"
,labels, data1, is_stack=True
)bar.add("two"
, labels,data2, is_stack=True
)bar

通過設置is_convert參數可以繪製垂直柱狀圖，效果如圖所示。代碼如下：

data1 = [

23

, 85
, 72
, 43
,52
]labels =["A"
,"B"
,"C"
,"D"
,"E"
]bar =pyecharts.Bar("垂直柱狀圖"
)bar.add("one"
,labels, data1, is_convert=True
)bar

通過設置mark_point和mark_line參數可以標記點和線，效果如圖所示。代碼如下：

data1 = [

23

, 85
, 72
, 43
,52
]data2 = [14
, 35
, 62
, 41
,19
]labels =["A"
,"B"
,"C"
,"D"
,"E"
]bar =pyecharts.Bar("標記點和線"
)bar.add("one"
,labels, data1, mark_point=["average"
])bar.add("two"
, labels, data2, mark_point=["max"
], mark_line=["min"
,"max"
])bar

注意：全局變數mark_line要寫入最後一個add方法中。

令bar_category_gap參數為0，可繪製直方圖，效果如圖所示。代碼如下：

data = [

23

, 85
, 72
, 43
,52
, 67
, 98
, 76
]labels =["A"
,"B"
,"C"
,"D"
,"E"
,"F"
,"G"
,"H"
]bar =pyecharts.Bar("直方圖"
)bar.add(""
,labels, data, bar_category_gap=0
)bar

餅圖

餅圖用於表現不同類別的佔比情況。利用Pie方法可繪製餅圖，代碼如下：

data = [

45

, 76
, 35
, 47
,56
]labels = ["電腦"
,"手機"
,"冰箱"
,"彩電"
,"洗衣機"
]pie = pyecharts.Pie("餅圖"
)pie.add(""
, labels, data,is_label_show=True
)pie

下面給出pie.add方法的參數。其中，radius為設置餅圖半徑，默認為[0,75]，第一項為內半徑，第二項為外半徑；center為設置餅圖中心坐標，默認為[50,50]，第一項為橫坐標，第二項為縱坐標；rosetype可以設置南丁格爾圖（玫瑰圖），有兩種表現形式，分別為radius和area。

add(name, attr, value, radius=

None

,    center=None
,   rosetype=None
, **kwargs)

繪製的餅圖如圖所示。

設置radius參數為[40,75]，這樣就有了內半徑值，就可以繪製圓環圖了，效果如圖所示。代碼如下：

data = [

45

, 76
, 35
, 47
,56
]labels = ["電腦"
,"手機"
,"冰箱"
,"彩電"
,"洗衣機"
]pie = pyecharts.Pie("圓環圖"
)pie.add(""
, labels,data, radius=[40
,75
], is_label_show=True
)pie

設置radius參數為[40,75]，這樣就有了內半徑值，就可以繪製圓環圖了，效果如圖所示。代碼如下：

data = [

45

, 76
, 35
, 47
,56
]labels = ["電腦"
,"手機"
,"冰箱"
,"彩電"
,"洗衣機"
]pie = pyecharts.Pie("圓環圖"
)pie.add(""
, labels,data, radius=[40
,75
], is_label_show=True
)pie

通過設置center參數可以繪製多個餅圖，這樣就可以比較兩種玫瑰圖的區別。通過圖可以看出，通過radius參數繪製的玫瑰圖的圓心角不同，以此來顯示其數據的百分比，玫瑰圖的半徑顯示數據的數值大小；通過area參數繪製的玫瑰圖的圓心角相同，僅通過半徑大小來顯示數據的區別。實現代碼如下：

data= [

45

, 76
, 35
, 47
, 56
]labels= ["電腦"
,"手機"
,"冰箱"
,"彩電"
,"洗衣機"
]pie =pyecharts.Pie("玫瑰圖"
)pie.add(""
,labels, data, radius=[20
,75
], center=[25
,50
],         rosetype="radius"
)pie.add(""
,labels, data, radius=[20
,75
], center=[75
,50
],         rosetype="area"
, is_label_show=True
)pie

箱線圖

箱線圖可顯示一組數據的最大值、最小值、中位數、下四分位數及上四分位數，可以體現數據的分布規律。利用Boxplot方法可繪製餅圖，其參數見下文。其中，x_axis為橫坐標列表；y_axis為嵌套列表。每個列表為[min, Q1, median (or Q2), Q3, max]，該列表可通過內置的prepare_data方法轉換。

add(name, x_axis, y_axis, **kwargs)

這裡以Iris數據為例，首先讀入數據，如圖所示。

通過以下代碼即可繪製箱線圖，如圖所示。

x =list(iris_data.columns[

0

:4
])y = [list(iris_data.sepal_length_cm),    list(iris_data.sepal_width_cm),    list(iris_data.petal_length_cm),    list(iris_data.petal_width_cm)]      #構造y
boxplot =pyecharts.Boxplot("箱線圖"
)y_data =boxplot.prepare_data(y)      #數據轉化
boxplot.add(""
, x,y_data)boxplot

以上內容選自《

從零開始學Python數據分析

》。

想要了解更多的數據分析技術

可以

點擊購買鏈接

來訂購哦。

目前比較火的方向，大家都清楚，是機器學習。那麼機器學習演算法有沒有推薦的書呢？就給大家推薦一本，如下：

福利來了

本次小編特意拿出 4 本《

從零開始學Python數據分析

》和3本《

scikit learn機器學習

》作為福利贈送給關注Python那些事的小夥伴們，特別感謝

機械工業出版社

的贊助與支持。

贈書規則：

1、大家可以在本文留言區

留言評論自己想要某本書的理由或者是評論某項Python技術或者與Python那些事的故事

，小編將從留言區選擇最受歡迎的4位贈書；

2、我將從本文留言中選擇我最喜歡的3個留言，大家可以自由發揮；

由於留言區數目有限，會篩選放出認真有價值的評論。

截止日期為

9月15日 22:00

。

注意：本著公平的原則，刷贊無效，並且永久取消活動資格，歡迎舉報！

（完）

看完本文有收穫？請轉

發分享給更多人

關注「P

ython那些事」，做全棧開發工程師