Echarts 是一個(gè)由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開發(fā)者的認(rèn)可。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。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)，pyecharts 誕生了。

pyecharts中文文檔有詳細(xì)的說明，這里記錄了個(gè)人更感興趣的部分和對(duì)應(yīng)的使用結(jié)果。

整體說明

pyecharts繪圖的步驟可以簡(jiǎn)化成：

新建合適的圖表對(duì)象，常見的有：

Pie: 餅圖

Bar: 柱狀圖/條狀圖

Boxplot: 箱形圖

HeatMap: 熱力圖

Line: 折線圖/面積圖

Scatter: 散點(diǎn)圖

特別的，可以把多個(gè)圖合在一起的 Overlap: 層疊多圖
更詳細(xì)的可以參考官方文檔-圖表類型

bar = Bar()

后續(xù)的操作都是利用這個(gè)對(duì)象的方法進(jìn)行。

為圖表對(duì)象增加數(shù)據(jù)，比如增加x軸(.add_xaxis)、y軸數(shù)(.add_yaxis)

bar.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

全局配置項(xiàng)：所有的內(nèi)容都是通過.set_global_opts方法添加.set_global_opts()

bar.set_global_opts(title_opts=opts.TitleOpts(title="主標(biāo)題", subtitle="副標(biāo)題"))

常用的有

TitleOpts：標(biāo)題配置項(xiàng)

LegendOpts：圖例配置項(xiàng)

VisualMapOpts：視覺映射配置項(xiàng)

AxisLineOpts: 坐標(biāo)軸軸線配置項(xiàng)

AxisTickOpts: 坐標(biāo)軸刻度配置項(xiàng)

AxisPointerOpts: 坐標(biāo)軸指示器配置項(xiàng)

AxisOpts：坐標(biāo)軸配置項(xiàng)

SingleAxisOpts：?jiǎn)屋S配置項(xiàng)

詳見官方文檔配置項(xiàng)-全局配置項(xiàng)

例子

Boxplot

箱型圖，一種比較簡(jiǎn)潔的統(tǒng)計(jì)值可視化方法

import random
from pyecharts import options as opts
from pyecharts.charts import Boxplot
import numpy as np
# 離線資源，有網(wǎng)絡(luò)下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 長(zhǎng)度為1的str list
x_label = ['隨機(jī)數(shù)'] 
data = np.random.randint(1000, size=100)
# 這里data應(yīng)為2維數(shù)組，長(zhǎng)度和x_label相同的 list list
data = [data.tolist()]  
boxplot = Boxplot()
boxplot.add_xaxis(x)
# 調(diào)用自帶的函數(shù)，計(jì)算箱型圖需要的數(shù)據(jù)
y_value = boxplot.prepare_data(y_value)
boxplot.add_yaxis('', y_value)
boxplot.set_global_opts(title_opts=opts.TitleOpts(title='box plot demo'))
boxplot.render()

Bar

Bar比較簡(jiǎn)單，適合入門，設(shè)定一個(gè)x軸，一個(gè)y軸，就可以render了

# -*- coding: utf-8 -*-
from pyecharts.charts import Bar
from pyecharts import options as opts
import numpy as np
# 離線資源，有網(wǎng)絡(luò)下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 隨機(jī)數(shù)組，0~255的數(shù)字，10000個(gè)
x = np.random.randint(255, size=1000) 
# 統(tǒng)計(jì)直方圖
sum = np.zeros(256, dtype=np.int32)
for cur_x in x:
    sum[cur_x] += 1
# 繪圖
bar = Bar()
# x軸 0~255
x_label = [str(label) for label in list(range(256))]
bar.add_xaxis(x_label)
# y軸 頻數(shù), 這里的list一定要是標(biāo)準(zhǔn)int,不能為 np.int，所有 y_axis=list(sum)的話是不可以的
bar.add_yaxis(series_name='頻數(shù)', y_axis=sum.tolist())
# 設(shè)置標(biāo)題
bar.set_global_opts(title_opts=opts.TitleOpts(title='直方圖統(tǒng)計(jì)'))
# 生成網(wǎng)頁，會(huì)在當(dāng)前目錄下生成一個(gè)render.html
bar.render()

HeatMap

熱力圖
這篇已經(jīng)敘述的很好了，以下為引用
注，引文中的代碼是用鏈?zhǔn)綄懙?，官方是這么推薦的。

import random
from pyecharts import options as opts
from pyecharts.charts import HeatMap
from pyecharts.faker import Faker
# 離線資源，有網(wǎng)絡(luò)下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heatmap = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        "",
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="基礎(chǔ)熱力圖"),
        visualmap_opts=opts.VisualMapOpts(),
    )
)
heatmap.render()

以上就是python可視化數(shù)據(jù)分析pyecharts初步嘗試的詳細(xì)內(nèi)容，更多關(guān)于python可視化數(shù)據(jù)分析pyecharts的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: