1嫁审、Pyecharts簡(jiǎn)介

Echarts是一個(gè)由百度開源的數(shù)據(jù)可視化工具特笋，憑借著良好的交互性则剃，精巧的圖表設(shè)計(jì)粗悯，得到了眾多開發(fā)者的認(rèn)可虚循。而 Python 是一門富有表達(dá)力的語言，很適合用于數(shù)據(jù)處理样傍。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)横缔，Pyecharts誕生了。

Pyecharts最早只適用于工程領(lǐng)域的可視化開發(fā)铭乾，但是隨著其對(duì)Jupyter notebook剪廉、Jupyter lab等交互式開發(fā)工具的支持不斷加強(qiáng)，現(xiàn)在也開始被許多數(shù)據(jù)分析師應(yīng)用到數(shù)據(jù)探索中炕檩。

1.1斗蒋、Pyecharts各個(gè)版本與Python的對(duì)應(yīng)關(guān)系

pyecharts 分為 v0.5.x 和 v1.x 兩個(gè)大版本捌斧，v0.5.x 和 v1.x 間不兼容，v1.x 是一個(gè)全新的版本泉沾。

Pyecharts各版本與python的對(duì)應(yīng)關(guān)系見下表

注 :經(jīng)Pyecharts開發(fā)團(tuán)隊(duì)決定，0.5.x 版本將不再進(jìn)行維護(hù)

1.2跷究、Pyecharts v1系列的新特性

• 全面擁抱 Python3 和 TypeHint

pyecharts v1.0.0 停止對(duì) Python2.7姓迅，3.4~3.5 版本的支持和維護(hù)，僅支持 Python3.6+俊马。如果還不知道什么是 TypeHint 的同學(xué)丁存，勸你盡早入坑，官方入坑指南 typing — Support for type hints柴我。

在編程界解寝，早已流傳著 動(dòng)態(tài)一時(shí)爽，重構(gòu)火葬場(chǎng) 這樣的真知灼見艘儒，動(dòng)態(tài)語言類型檢查已經(jīng)成為了一種趨勢(shì)聋伦，Javascript 已經(jīng)有了 Typescript，Python 也在力推 TypeHint界睁，雖然 Python 的 TypeHint 實(shí)際上對(duì)于程序的運(yùn)行并沒有任何影響......觉增，但它配合 IDE 和 mypy，或者 pyright 這樣的工具可以在開發(fā)階段趁早發(fā)現(xiàn)問題翻斟。

• 棄用插件機(jī)制

pyecharts v1.x.x 廢除原有的插件機(jī)制逾礁，包括地圖包插件和主題插件，插件的本質(zhì)是提供 pyecharts 運(yùn)行所需要的靜態(tài)資源文件（基本都是 .js 文件）杨赤，所以現(xiàn)在開放了兩種模式提供靜態(tài)資源文件敞斋。

online 模式，使用 pyecharts 官方提供的 assets host疾牲，或者部署自己的 remote host。

local 模式衙解，使用自己本地開啟的文件服務(wù)提供 assets host（離線模式）阳柔。

• 支持 JupyterLab

對(duì) JupyterLab 的支持一直是很多開發(fā)者關(guān)心的功能，畢竟 JupyterLab 號(hào)稱是下一代的 Notebook蚓峦。pyecharts 1.0.0 開始支持在 JupyterLab 中渲染圖表啦舌剂！

#使用JupytrLab需添加如下代碼
from pyecharts.globals import CurrentConfig,NotebookType
CurrentConfig,NOTEBOOK_TYPE=NotebookType.JUPYTER_LAB
#除了以上代碼，還需在渲染之前執(zhí)行加載JavaScript腳本的代碼暑椰，這里以柱狀圖對(duì)象bar為例
bar.load_javascript()
#然后再渲染即可
bar.render_notebook()

• 代碼風(fēng)格重構(gòu)

所有配置項(xiàng)均 OOP霍转，在新版本的 pyecharts 中，一切皆 Options一汽。配置項(xiàng)種類更多避消，可操作性更強(qiáng)低滩，可以畫出更豐富的圖表，pyecharts 官方畫廊 pyecharts/pyecharts-gallery岩喷。

0.5.X 版本寫法

from pyecharts import Bar

attr = ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
bar = Bar("柱狀圖數(shù)據(jù)堆疊示例")
bar.add("商家A", attr, v1, is_stack=True)
bar.add("商家B", attr, v2, is_stack=True)
bar.render()

1.x.x 版本寫法恕沫，支持鏈?zhǔn)秸{(diào)用

import pyecharts.options as opts
from pyecharts.charts import Bar

attr = ["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]


bar = (
    Bar()
    .add_xaxis(attr)
    .add_yaxis("商家A", v1, stack="stack1")
    .add_yaxis("商家B", v2, stack="stack1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="柱狀圖數(shù)據(jù)堆疊示例"))
)

bar.render()

• 支持 selenium/phantomjs 渲染圖片

pyecharts 1.x.x 提供兩種模式渲染圖片，selenium 和 phantomjs纱意，分別需要安裝 snapshot-selenium 和 snapshot-phantomjs婶溯。

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot


def bar_chart() -> Bar:
    c = (
        Bar()
        .add_xaxis(["襯衫", "毛衣", "領(lǐng)帶", "褲子", "風(fēng)衣", "高跟鞋", "襪子"])
        .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
        .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-測(cè)試渲染圖片"))
    )
    return c


def render_chart_by_selenium():
    from snapshot_selenium import snapshot
    make_snapshot(snapshot, bar_chart().render(), "bar0.png")


def render_chart_by_phantomjs():
    from snapshot_phantomjs import snapshot
    make_snapshot(snapshot, bar_chart().render(), "bar1.png")

看到新版的種種優(yōu)勢(shì)，小伙伴們是不是躍躍欲試了偷霉？接下來我們安裝并通過一系列代碼體驗(yàn)Pyecharts迄委。

1.2、安裝 Pyecharts

v1系列版本的Pyecharts僅支持python3.6+ 类少，即如果你的python是3.6+叙身，則默認(rèn)會(huì)下載最新版的pyecharts。

pip install -i https://pypi.douban.com/simple pyecharts -U #使用國(guó)內(nèi)軟件源下載速度會(huì)快很多

安裝pyecharts v0.5系列版本：

pip install -i https://pypi.douban.com/simple pyecharts==0.5.11 

2瞒滴、Pyecharts繪圖

繪圖前需要導(dǎo)入相關(guān)模塊曲梗，根據(jù)繪制的圖形不同，導(dǎo)入的模塊會(huì)有些許差異

from pyecharts import options as opts #引入配置項(xiàng)入口
from pyecharts.charts import Bar,Line #導(dǎo)入相關(guān)圖形的構(gòu)造方法

2.1妓忍、pyecharts繪圖步驟

pyecharts繪圖大致是按以下五個(gè)步驟來的

這里以繪制柱形圖為例

#1虏两、構(gòu)造柱形圖對(duì)象
bar = Bar()
#2、添加x軸數(shù)據(jù)
bar.add_xaxis(xaxis_data=x_data)
#   添加y軸數(shù)據(jù)
bar.add_yaxis( "系列名稱",                     #設(shè)置系列名稱
               yaxis_data=y_data,             #設(shè)置y軸系列數(shù)據(jù)
              ......                          #更多參數(shù)可以查看官網(wǎng)
             )
#3世剖、對(duì)系列進(jìn)行配置
bar.set_series_opts(                          #主要是對(duì)圖元定罢、文字、
              ......                          #標(biāo)簽旁瘫、線型祖凫、標(biāo)記點(diǎn)、標(biāo)記線 等內(nèi)容進(jìn)行配置 
)
#4酬凳、對(duì)全局進(jìn)行配置
bar.set_global_opts(                         #可配置內(nèi)容包括：x惠况、y坐標(biāo)軸；初始化配置宁仔；
              ......                         #工具箱配置稠屠；標(biāo)題；區(qū)域縮放翎苫；圖例权埠；
                                             #提示框等參數(shù)配置
) 
#5、渲染圖片
bar.render(path)                             #將圖片渲染為html文件
bar.render_notebook()                        #直接在jupytr notebook中渲染

基于分類/時(shí)間的數(shù)據(jù)對(duì)比煎谍，通常需用到比較型圖表攘蔽。用戶通過圖表輕松識(shí)別最大/最小值，查看當(dāng)前和過去的數(shù)據(jù)變動(dòng)情況呐粘。

常見場(chǎng)景：哪個(gè)地區(qū)的收件量最多满俗？今年的收入和去年相比如何转捕？商品的銷量在不同地區(qū)、時(shí)間維度上的差異……

2.2漫雷、 柱狀圖的繪制

當(dāng)數(shù)據(jù)量少的時(shí)候我們使用柱狀圖就可以了瓜富。pyecharts繪制柱狀圖表灰常簡(jiǎn)單咯，啥也不說了降盹，上代碼与柑。

from example.commons import Faker       #調(diào)用官方提供的測(cè)試數(shù)據(jù)
from pyecharts import options as opts   #配置入口模塊
from pyecharts.charts import Bar        #柱狀圖構(gòu)造方法

bar = Bar()#構(gòu)造bar對(duì)象
bar.add_xaxis(Faker.choose()) #添加x軸數(shù)據(jù)       
bar.add_yaxis("商家A", Faker.values()) #添加一個(gè)系列數(shù)據(jù)，這里是A商家的數(shù)據(jù)
bar.add_yaxis("商家B", Faker.values()) #添加另一個(gè)系列數(shù)據(jù)
bar.set_global_opts(title_opts=opts.TitleOpts(
                                                   title="Bar-基本示例", #設(shè)置主標(biāo)題
                                                   subtitle="我是副標(biāo)題" #設(shè)置副標(biāo)題
                                              ))
bar.render_notebook()                   #在jupyter notebook中渲染

效果圖如下

2.3蓄坏、條形圖

當(dāng)條目較多价捧，如大于12條，移動(dòng)端上的柱狀圖會(huì)顯得擁擠不堪涡戳，更適合用條形圖结蟋。一般數(shù)據(jù)條目不超過30條，否則易帶來視覺和記憶負(fù)擔(dān)渔彰。

bar = Bar().add_xaxis(Faker.choose()+Faker.choose()+Faker.choose()) #將數(shù)據(jù)生成三份     
bar.add_yaxis("", Faker.values()+Faker.values()+Faker.values()) #數(shù)據(jù)生成三份
bar.set_global_opts(title_opts=opts.TitleOpts(title="條形圖"))
bar.reversal_axis() #翻轉(zhuǎn)XY軸嵌屎，將柱狀圖轉(zhuǎn)換為條形圖
bar.render_notebook()

2.4、折線圖

當(dāng)數(shù)據(jù)X軸為連續(xù)數(shù)值（如時(shí)間）且我們比較注重觀察數(shù)據(jù)變化趨勢(shì)時(shí)恍涂，折線圖是非常好的選擇宝惰。

import pyecharts.options as opts
from pyecharts.charts import Line

line=Line()
line.add_xaxis(["201{}年/{}季度".format(y,z) 
                for y in range(4) 
                    for z in range(1,5)]) #設(shè)置x軸數(shù)據(jù)
line.add_yaxis(
                "電視機(jī)銷量", 
                [4.80,4.10,6.00,6.50,5.80,5.20,6.80,7.40,
                 6.00,5.60,7.50,7.80,6.30,5.90,8.00,8.40]
              )#設(shè)置y軸數(shù)據(jù)
line.set_global_opts(
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(rotate=-40),
                            ),#設(shè)置x軸標(biāo)簽旋轉(zhuǎn)角度
    yaxis_opts=opts.AxisOpts(name="銷量（單位/千臺(tái)）"),#設(shè)置y軸名稱
    title_opts=opts.TitleOpts(title="折線圖"))        #設(shè)置圖表標(biāo)題

line.render_notebook() #渲染圖表

2.5、南丁格爾-玫瑰圖

當(dāng)對(duì)比差異不是很明顯的數(shù)據(jù)時(shí)再沧，可以使用南丁格爾玫瑰圖尼夺，其原理為：扇形的半徑和面積是平方的關(guān)系，南丁格爾玫瑰圖會(huì)將數(shù)值之間的差異放大炒瘸，適合對(duì)比大小相近的數(shù)值淤堵。它不適合對(duì)比差異較大的數(shù)值。

此外顷扩，因?yàn)閳A有周期性拐邪，玫瑰圖也適于表示周期/時(shí)間概念，比如星期隘截、月份庙睡。依然建議數(shù)據(jù)量不超過30條，超出可考慮條形圖技俐。

def pie_rosetype():
    from pyecharts.charts import Pie
    c = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(["201{}年/{}季度".format(y,z)
                for y in range(2) 
                      for z in range(1,3)], [4.80,4.10,5.80,5.20])],
            radius=["0%", "75%"],          #設(shè)置內(nèi)徑外徑
            rosetype="radius",             #玫瑰圖有兩種類型
            label_opts=opts.LabelOpts(is_show=True),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰圖示例"))
    )
    return c
pie_rosetype().render_notebook()

2.6、雷達(dá)圖

對(duì)于一些多維的性能數(shù)據(jù)统台，如王者榮耀等游戲中的玩家戰(zhàn)力信息雕擂，常用雷達(dá)圖表示。指標(biāo)得分接近圓心贱勃，說明處于較差狀態(tài)井赌，應(yīng)分析改進(jìn)谤逼；指標(biāo)得分接近外邊線，說明處于理想狀態(tài)仇穗。

from pyecharts import options as opts
from pyecharts.charts import Page, Radar

v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]

def radar_base() -> Radar:
    c = (
        Radar()
        .add_schema(
            schema=[
                opts.RadarIndicatorItem(name="KDA", max_=6500),
                opts.RadarIndicatorItem(name="輸出", max_=16000),
                opts.RadarIndicatorItem(name="經(jīng)濟(jì)", max_=30000),
                opts.RadarIndicatorItem(name="生存", max_=38000),
                opts.RadarIndicatorItem(name="推進(jìn)", max_=52000),
                opts.RadarIndicatorItem(name="打野", max_=25000),
            ]
        )
        .add("魯班", v1,            #添加系列名稱及數(shù)據(jù)
             color="red",           #設(shè)置邊框線的顏色
             areastyle_opts = opts.AreaStyleOpts(#設(shè)置填充的屬性
                 opacity = 0.5,                  #透明度
                 color="red"                     #填充顏色
         ),)
        .add("后裔", v2,color="blue",
             areastyle_opts = opts.AreaStyleOpts(
                 opacity = 0.5,#透明度
                 color="blue"
         ),)
        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(title_opts=opts.TitleOpts(title="英雄成長(zhǎng)對(duì)比"))
    )
    return c
radar_base().render_notebook()

2.7流部、餅圖

部分相較于整體，一個(gè)整體被分成幾個(gè)部分纹坐。這類情況會(huì)用到構(gòu)成型圖表枝冀，如五大產(chǎn)品的收件量占比、公司利潤(rùn)的來源構(gòu)成等耘子。

對(duì)于參與構(gòu)成研究的數(shù)據(jù)不超過9個(gè)時(shí)果漾，可以使用餅圖來繪制，如果超過了建議使用條形圖來展示谷誓。

def pie_base():
    from pyecharts import options as opts
    from pyecharts.charts import Page, Pie
    v1=["啤酒","可樂","雪碧","咖啡","奶茶"]
    v2=[30,19,21,12,18]

    c = (
        Pie()
        .add("", [list(z) for z in zip(v1,v2)])
        .set_global_opts(title_opts=opts.TitleOpts(title="銷售收入占比"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="绒障: {c}%"))#格式化標(biāo)簽輸出內(nèi)容
    )
    return c
pie_base().render_notebook()

2.8、pyecharts繪制散點(diǎn)圖

通過分布&聯(lián)系型圖表能看到數(shù)據(jù)的分布情況捍歪，進(jìn)而找到某些聯(lián)系户辱，如相關(guān)性、異常值和數(shù)據(jù)集群糙臼。

常見使用場(chǎng)景：客戶的分布與哪些因素相關(guān)庐镐、身高與體重的相關(guān)性分析等

查看兩個(gè)變量的關(guān)系使用散點(diǎn)圖，以貸款業(yè)務(wù)為例弓摘，查看年齡與信用的關(guān)系

代碼：

def scatter_render():
    from pyecharts.charts import Scatter
    from pyecharts import options as opts
    from pyecharts.commons.utils import JsCode
    import pandas as pd
    df = pd.DataFrame({"年齡":[32,28,23,24,21],
                       "信用分":[771,751,738,726,725],
                       "姓名":['小明','小花','小麗','小剛','小紅']})
    df.sort_values("年齡",inplace=True,ascending=True)# 按年齡對(duì)數(shù)據(jù)做升序排序
    c = (
        Scatter()
        .add_xaxis(df.年齡.values.tolist())
        .add_yaxis(
            "信用分",
            df[["信用分","姓名"]].values.tolist(),#傳入信用分與姓名組合焚鹊，方便js回調(diào)函數(shù)顯示標(biāo)簽
            label_opts=opts.LabelOpts(
                formatter=JsCode(
                    "function(params){return params.value[2];}" #通過定義JavaScript回調(diào)函數(shù)自定義標(biāo)簽
                )
            )
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Scatter-多維度數(shù)據(jù)"),
            xaxis_opts = opts.AxisOpts(
                          type_="value",#x軸數(shù)據(jù)類型是連續(xù)型的
                          min_=20       #x軸范圍最小為20
                          ),
                        yaxis_opts = opts.AxisOpts(
                          min_=700      #y軸范圍最小為700
                          )
        )
    )

    return c

scatter_render().render_notebook()

我們可以看出，信用分與年齡在圖形所顯示范圍內(nèi)大致是成正比的韧献。

2.9末患、繪制組合圖

組合圖就是將兩種不同的圖形繪制到同一圖表中，我們以數(shù)據(jù)分析中常常用到的帕累托圖為例锤窑，展示pyecharts如何繪制組合圖璧针。

帕累托法則又稱為二八法則，即百分之八十的問題是百分之二十的原因造成的渊啰。

帕累托圖（Pareto chart）又叫排列圖探橱、主次圖，是按照發(fā)生頻率大小順序繪制的直方圖绘证，表示有多少結(jié)果是由已確認(rèn)類型或范疇的原因所造成隧膏。

帕累托圖在項(xiàng)目管理中主要用來找出產(chǎn)生大多數(shù)問題的關(guān)鍵原因來解決大多數(shù)問題，是將出現(xiàn)的質(zhì)量問題按照重要程度依次排列的一種圖表嚷那，從而可以直觀地得出影響質(zhì)量問題的主要因素胞枕。

主要特點(diǎn)：

1、柱形圖的數(shù)據(jù)按數(shù)值的降序排列魏宽，折線圖上的數(shù)據(jù)有累積百分比數(shù)據(jù)腐泻，并在次坐標(biāo)軸顯示决乎；

2、折線圖的起點(diǎn)數(shù)值為0%派桩，并且位于柱形圖第一個(gè)柱子的最左下角构诚；

3、折線圖的第二個(gè)點(diǎn)位于柱形圖第一個(gè)柱子的最右上角 铆惑；

4范嘱、折線圖最后一個(gè)點(diǎn)數(shù)值為100%，位于整張圖形的最右上角

數(shù)據(jù)：

代碼：

def bar_overlap_line():
 from pyecharts import options as opts #引入配置項(xiàng)
 from pyecharts.charts import Bar,Line

?
 x_data1 = ["產(chǎn)品價(jià)格優(yōu)勢(shì)不突出","渠道經(jīng)理服務(wù)不到位",
 "營(yíng)銷活動(dòng)頻次不夠","區(qū)域消費(fèi)市場(chǎng)不景氣","其他"]
 x_data2 = [*range(6)]
 y_data1 = [115,99,59,33,23]
 y_data2 = [0,35,65,83,93,100]
?
 #######################################################################
 bar = Bar()
 #添加x軸數(shù)據(jù)
 bar.add_xaxis(xaxis_data=x_data1)
 bar.set_global_opts(xaxis_opts=opts.AxisOpts(type_="category"))  #設(shè)置x軸系列 
 bar.add_yaxis( "問題數(shù)量（頻數(shù)）",                                  #設(shè)置y軸系列名稱
 yaxis_data=y_data1,                     #設(shè)置y軸系列數(shù)據(jù)
 category_gap=0,                         #設(shè)置柱的間距
 color="blue",                        #設(shè)置柱形的填充顏色
 )
?
 bar.extend_axis(
 xaxis=opts.AxisOpts(             #設(shè)置x軸的參數(shù)
 is_show=False,
 position="top",
 ) 
 )

 bar.extend_axis(
 yaxis=opts.AxisOpts(

 axistick_opts=opts.AxisTickOpts(        #刻度
 is_inside=True,
 ),
 axislabel_opts=opts.LabelOpts(formatter="{value}%", #格式化刻度輸出
 position="right")
 )
 ) 
 bar.set_global_opts(
 xaxis_opts=opts.AxisOpts(                 #設(shè)置x軸的參數(shù)
 is_show=True,     #是否顯示坐標(biāo)軸
 ),
 yaxis_opts=opts.AxisOpts(              #設(shè)置y軸最大取值范圍
 max_=320,
 ),
 title_opts=opts.TitleOpts(title="帕累托圖")
 ) 
 ##########################################################################
 line =Line()
 #添加x軸數(shù)據(jù)
 line.add_xaxis(x_data2)
 #添加y軸數(shù)據(jù)
 line.add_yaxis("累計(jì)百分比",
 y_data2,
 xaxis_index=1,                          #使用次x坐標(biāo)軸
 yaxis_index=1,                          #使用次y坐標(biāo)軸
 label_opts=opts.LabelOpts(is_show=False),
 is_smooth=True,
 ) 

 bar.overlap(line)                                  #組合柱狀圖與折線圖
 return bar
bar_overlap_line().render_notebook()

最終效果圖如下所示：

以上就是數(shù)據(jù)分析常用可視化圖表的pyecharts實(shí)現(xiàn)方法鸭津。