我们都知道python上的一款可视化工具 matplotlib , 但是它是静态的。后来发现了 pyecharts 模块，简直好用到不行，可视化类型非常多，它是基于 Echarts 开发的。

 

　　Echarts 是百度开源的一个数据可视化 JS 库，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 就诞生了。

 

　　下面带大家快速了解 pyecharts 以及基本使用方法：

 

　　简洁的 API 设计，使用如丝滑般流畅，支持链式调用

 

　　囊括了 30+ 种常见图表，应有尽有

 

　　支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab

 

　　可轻松集成至 Flask，Django 等主流 Web 框架

 

　　高度灵活的配置项，可轻松搭配出精美的图表

 

　　详细的文档和示例，帮助开发者更快的上手项目

 

　　多达 400+ 地图，为地理数据可视化提供强有力的支持

 

　　注意：pyecharts 共有两个版本，v0.5.X 和 V1.0.X 间完全不兼容，且v0.5.X版本作者已经不维护了，请使用V1.0.X

 

　　pyecharts 给我们提供了示例数据，后面的图表示例的数据均来自 Faker 类，Faker 类的定义如下：

 

　　柱状图对应的模块是 Bar

 

　　除此之外可以设置全局配置和系列配置项。配置项都是基于 options

 

　　示例代码：

 

　　运行代码后会在当前目录生成一个 ”bar.html“ 的文件，我们在浏览器中打开它。效果图如下：

 

　　bar.html

 

　　生成的页面支持-点击取消显示某 Series

 

　　只显示A

 

　　除了上述的使用方法之外，pyecharts 所有方法均支持链式调用！

 

　　代码如下：

 

　　效果图如下：

 

　　翻转 XY 轴

 

　　同个类目轴上系列配置相同的 stack 值可以堆叠放置

 

　　例如堆叠放置A，B的代码如下：

 

　　部分堆叠数据

 

　　效果图如下：

 

　　区域缩放配置

 

　　区域缩放配置项的设置方法在 DataZoomOpts 类中，我们可以点进去查看源码：

 

　　源码

 

　　其中，主要用到的参数含义如下：

 

　　知道参数的含义后我们可以来试试效果

 

　　比如我们要将区域缩放布局改为竖，将 orient 定义为 vertical 即可，代码就不展示，可以自己动手试试！

 

　　效果图如下:

 

　　热力图主要通过颜色去表现数值的大小，必须要配合 visualMap 组件使用。

 

　　直角坐标系上必须要使用两个类目轴。

 

　　热力图使用的方法函数是 add_yaxis，下面是函数的用法说明：

 

　　其中series_name， yaxis_data， value 是三个必传参数

 

　　示例代码如下：

 

　　效果图如下：

 

　　热力图

 

　　词云图用的的方法函数是 add，使用方法如下：

 

　　其中series_name， data_pair， shape 是三个必传参数

 

　　示例代码如下：

 

　　效果图如下：

 

　　NBA词云图

 

　　前面我们讲的几种图形生成方法，最后都保存成 html文件，pyecharts 还提供了保存为图片的方式

 

　　需要安装 snapshot_selenium，同时需要将浏览器驱动保存路径 cheromdriver.exe 加入到环境变量中

 

　　示例代码如下：

 

　　最后会在当前目录生成一张 wordcloud.png 的图片

 

　　1.根据自己想制作的图形，导入相关的包

 

　　2.进行图表的基础设置，创建图表对象

 

　　3.需要了解该图表对象下面的函数中参数的含义，及其使用方法

 

　　4.配置项主要是在 options中进行配置，有全局配置项和系列配置项，需要了解配置项下面对象含义使用方法

 

　　5.利用render()方法来报存图表