文章目录

• Pyecharts数据可视化
• Pyecharts 介绍
• 特性
• pyecharts 安装
• 检查版本的安装
• 绘制Pyecharts的三种方式
• Pyecharts绘制图表：生成HTML
• 在Jupyter notebook 上直接展示
• Pyecharts生成图片
• 全局配置项
• InitOpts 初始化配置项
• TitleOpts 标题配置项
• LegendOpts 图例配置项
• TooltipOpts 提示框配置项
• ToolboxOpts 工具项配置
• AxisOpts 坐标轴配置项
• DatazoomOpts 区域缩放配置项
• 系列配置项
• LabelOpts 标签配置型
• pyecharts Line折线图
• 绘制简单的折线图
• Line 增加标题与图例
• Line 增加提示项
• Line 工具箱配置项
• Line 的展示图例
• pyecharts Bar柱状图
• 绘制一个简单的Bar图
• 绘制图表反转
• 文本倾斜度设置
• 设置图表的大小
• 如何设置区域缩放配置
• Line折线图 + Bar柱状图组合
• pyecharts Pie饼状图
• 绘制一个简单的饼图
• 绘制Pie圆弧状饼图
• pyechart scatter散点图
• 第一个散点图
• 散点图 大小与形状设置
• pyechart WordCloud 词云
• pyechart geo地理图形

Pyecharts数据可视化

@Author : Small-J

官方中文网址 ： https://pyecharts.org/#/zh-cn/intro

Pyecharts 介绍

Echarts,一个使用JavaScript实现的开源可视化库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的矢量图型库，提供直观，交互丰富，可高度个性化定制的数据可视化图片

1. Echart : 百度开源可视化工具
2. pyechart : 国内大神实现Python调用echarts库

特性

• 简介的API设计，顺畅流畅，支持链式调用
• 概括了30+种常用图表，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+地图文件以及原生的百度地图，为地理数据可视化提供有力的支持

pyecharts 安装

• 安装pyecharts ：pip install pyecharts -i https://pypi.douban.com.simple/
• 全球国家地图 ： pip install echarts-countries-pypkg -i https://pypi.douban.com/simple/
• 中国省级地图 ：pip install echats-china-provinces-pypkg -i https://pypi.douban.com/simple/
• 中国市级地图 ： pip install echarts-china-cities-pypkg -i https://pypi.douban.com/simple/

检查版本的安装

import pyecharts
pyecharts.__version__

绘制Pyecharts的三种方式

Pyecharts绘制图表：生成HTML

• 导入第三方绘制直方图的库 ：from pyecharts.chart import Bar
• 在Pyecharts中一切皆全局配置项 ： from pyecharts import options as opts

x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
bar = Bar() # 实例化对象

# xaxis_data : 要添加的X轴数据
bar.add_xaxis(xaxis_data=x)  # x轴坐标的数据

# yaxis_data : 添加的x轴数据,series_name : 图例的名字
bar.add_yaxis(yaxis_data=y1, series_name='平台-A')

bar.add_yaxis(yaxis_data=y2, series_name='平台-B')

# 设置bar的全局配置项 
bar.set_global_opts(title_opts=opts.TitleOpts(title='Small-J绘制的平台'))

bar.render(path='./HTML/first_bar.html')  # 绘制图形。path为指定路径，生成HTML文件的一个路径

在Jupyter notebook 上直接展示

• render_notebook : 在 jupyter notebook 上直接展示
• reversal_axis : x轴和y轴坐标轴进行转换

# 绘制直方图 Bar
from pyecharts.charts import Bar
# 使用options,在pyecharts中一切皆options
from pyecharts import options as opts

x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
bar2 = Bar() # 实例化对象

# 设置标题
bar2.set_global_opts(title_opts=opts.TitleOpts(title='Small-J 商家平台'))


bar2.add_xaxis(xaxis_data=x)
bar2.add_yaxis(yaxis_data=y1, series_name='商家-A')
bar2.add_yaxis(yaxis_data=y2, series_name='商家-B')

# 当我们想旋转轴的时候，可以通过reversal_axis参数来进行轴的转换
# x轴和y轴坐标轴的转换
bar2.reversal_axis()
bar2.render_notebook()

Pyecharts生成图片

• 安装软件 ： pip install snapshot_selenium -i https://pypi.douban.com/simple
• 配置环境变量 ： 我们需要把我们的chromedriver驱动放到我们PATH环境变量下
• snapshot : 导入快照
• make_snapshot : 生成图片保存图形

from snapshot_selenium import snapshot as driver
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot


def bar_chart()->Bar:
    x = ['Python数据可视化库 seaborn', 'Python数据可视化库 plotly', 'Python数据可视化 matplotlib']
    y1 = [1140, 550, 270]
    y2 = [570, 1340, 1370]
    
    c = Bar() # 实例化对象
    # 设置标题
    c.set_global_opts(title_opts=opts.TitleOpts(title='Small-J 商家平台'))
    c.add_xaxis(xaxis_data=x)
    c.add_yaxis(yaxis_data=y1, series_name='商家-A')
    c.add_yaxis(yaxis_data=y2, series_name='商家-B')

    # 当我们想旋转轴的时候，可以通过reversal_axis参数来进行轴的转换
    # x轴和y轴鼠标轴的转换
    c.reversal_axis()
    c.render_notebook()
    return c

c = bar_chart()
# c.render_notebook()
make_snapshot(driver,c.render(), 'first_bar.png')

全局配置项

使用options配置项，在pyecharts中，一切皆Options

from pyecharts.options as opts

InitOpts 初始化配置项

注意：初始化配置是在该导入的图形进行初始化设置 例如

• 导入什么类型的绘图，就在什么样的图像进初始化配置
• width : 图表的宽度显示
• height ： 图表的高度显示
• theme : 图表的主题选择

# 该导入的是折线图的库
Line(init_opts = opts.InitOpts(width='1500px',height='1000px'))

TitleOpts 标题配置项

• title : 主标题文本
• subtitle : 副标题文本
• pos_left : title组件离容器左侧的距离，参数如下：
  • left : 左侧
  • center: 中间
  • right : 右侧
• pos_top : title 组件离容器右侧的距离

对应的图形.set_global_opts(title_opts=opts.TitleOpts(title='Small-J',subtitle='这是副标题', pos_left=None, pos_top=None))

LegendOpts 图例配置项

• is_show : 是否显示图例组件,默认情况下为True
• pos_left : 图例组建离容器左侧的距离
• pos_right : 图例组件离容器右侧的距离
• pos_top : 图例组件离容器上侧的距离
• pos_bottom : 图例组件离容器下侧的距离

对应的图形.set_global_opts(legend_opts=opts.LegendOpts(is_show=False))

TooltipOpts 提示框配置项

• trigger : 触发类型
  • item : 数据项图形触发，主要在散点图，饼图等无类目轴的图表使用
  • axis : 坐标轴触发，主要在柱状图的，折线图等会使用类目轴的图表中使用
• axis_pointer_type : 指示器类型
  • line ：直线指示器
  • shadow : 阴影指示器
  • cross : 十字准星指示器
• formatter : 标签内容格式器，支持字符串模板和回调函数两种形式，字符串模板与回调函数返回的字符串均支持用 \n 换行
  • 字符串模板 模板变量有：
  • {a} : 系列名
  • {b} : 数据名
  • {c} : 数据值
  • 示例 ： formatter : {b}: {@score}

对应的图像.set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True, trigger='axis', axis_pointer_type='cross')

ToolboxOpts 工具项配置

• is_show : 是否显示提示框组件，包括提示框浮层
• trigger : 触发类型
  • item : 数据项图形触发,主要在散点图，饼图等无类目轴的图表中使用
  • axis : 坐轴触发，主要在柱状图，折线图等会使用类目轴的图表中使用
  • none : 什么都不触发

对应的图像.set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True))

AxisOpts 坐标轴配置项

• is_show : 是否显示y轴数据
• is_inverse : 是否反向坐标轴
• axislabel_opts : 坐标轴标签配置项 继承于LabelOpts
• opts.LabelOpt
  • rotate : 将对应轴的文字旋转度数
• name : 坐标轴名称
• type_ : 坐标轴类型
  • value : 数值轴，适用于连续的数据
  • category : 类名轴，适用于离散的类目数据
  • time : 时间轴
• min_ : 坐标轴刻度最小值
• max_ : 坐标轴刻度最大值
• interval : 强制设置坐标轴分隔间隔
• axisabel_opts : 坐标轴标签配置项

对应的图像.set_global_opts(is_show=True, is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))

DatazoomOpts 区域缩放配置项

• is_show : 是否显示组件
• type_ : 组件类型
  • slider : 下方会有像进度条一样的进度条配置项
  • inside : 点中图表用数据滚轮滑动
• range_start : 数据窗口范围的起始百分比
• range_end : 数据窗口范围的结束百分比

对于的图像.set_global_opts(datazoom_opts=options.DataZoomOpts(type_='slider', range_start=0, range_end=1500, orient='vertical'))

系列配置项

LabelOpts 标签配置型

• is_show : 是否显示标签
• color : 文字颜色
• font_size: 文字的字体大小
• rotate : 标签旋转

例子 :yaxis_opts=options.AxisOpts(axislabel_opts=options.LabelOpts(rotate=45))

对应的图像.set_global_opts(
    对应的配置项=对应的全局配置项含有系列配置项(对应全局配置项含有的系列配置项属性=options.LabelOpts(is_show=True, color=None, font_size=None, rotate=None))
)

pyecharts Line折线图

绘制简单的折线图

• 导入绘制折线图的库 ： from pyecharts.charts import Line
• series_name : 图例名字
• y_axis : 导入的数据，注意导入的数据x轴要与y轴数据长度相同

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

# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]

# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line
def line_charts()->Line:
    c = Line()
    c.set_global_opts(opts.TitleOpts(title='折线图可视化',subtitle='Small-J'))
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c

# 绘制图表
c = line_charts()
c.render_notebook()

Line 增加标题与图例

• set_global_opts : 全局设置
  • opts.TitleOpts : 标题配置项
  • title : 主标题
  • subtitle : 副标题
• legend_opts ： 图例配置项
  • is_show : 是否显示图例组件，默认情况下显示图例组件

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

# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]

# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line

def line_charts()->Line:
    c = Line()
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='折线图可视化',subtitle='Small-J'),
        legend_opts=opts.LegendOpts(is_show=True)
    )
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c

# 绘制图表
c = line_charts()
c.render_notebook()

Line 增加提示项

• set_global_opts : 全局配置
• tooltip_opts : 增加提示项
  • is_show : 是否开启提示项
  • trigger : 默认情况下item 数据项图形触发
    • item : 数据项图形触发,主要在散点图，饼图等无类目轴的图表中使用
    • axis : 坐标轴触发，主要在柱状图，折线图等会使用类目轴的图表中使用
  • axis_pointer_type : 指示器类型
    • line : 直线指示器
    • shadow : 阴影指示器
    • cross : 十字准星指示器

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

# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]

# 绘制简单的折线图
# 提示你传入一个Line,但不能约束你
# 并提示你要返回Line

# init_opts = opts.InitOpts(width='1500px',height='1000px')

def line_charts()->Line:
    c = Line()
    c.set_global_opts(
        title_opts=opts.TitleOpts(title='折线图可视化',subtitle='Small-J'),
        legend_opts=opts.LegendOpts(is_show=True),
        tooltip_opts=opts.TooltipOpts(is_show=True, trigger='axis',axis_pointer_type='cross')
    )
    c.add_xaxis(x)
    c.add_yaxis(series_name='数据-A', y_axis=y1)
    c.add_yaxis(series_name='数据-B', y_axis=y2)
    return c

# 绘制图表
c = line_charts()
c.render_notebook()

Line 工具箱配置项

• set_global_opts : 全局设置
• toolbox_opts : 工具箱的配置信息
• is_show : 是否显示提示框组件

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

# 绘制数据
x = ['seaborn', 'matplotlib', 'plotly', 'pyecharts', 'python']
y1 = [440, 550, 770, 450, 800]
y2 = [570, 1340, 1370, 1111, 2222]

# 绘制折线图并绘制
def line_charts()->Line:
    line2 = Line()
    # x轴并没有series_name
    line2.set_global_opts(toolbox_opts=opts.ToolboxOpts(is_show=True))
    line2.add_xaxis(x)
    line2.add_yaxis(y_axis=y1,series_name='数据-A')
    line2.add_yaxis(y_axis=y2,series_name='数据-B')
    return line2

line2 = line_charts()
line2.render_notebook()

Line 的展示图例

pyecharts Bar柱状图

绘制一个简单的Bar图

• Bar : 柱状图
• 注意：add_yaxis必须要传入yaxis_data, series_name这两个参数

# 导入需要的库
from pyecharts.charts import Bar
from pyecharts import options as opts

# 绘制信息
x = ['Python 数据可视化 seaborn', 'Python 数据可视化 matplotlib', 'Python 数据可视化 pyecharts']
y1 = [1140, 559, 270]

# 创建Bar示例对象,同时x,y赋值填充

def Bar_chart():
    bar = Bar()

    # 设置全局配置项
    bar.set_global_opts=(opts.TitleOpts(title='Small-J'))

    bar.add_xaxis(xaxis_data=x)
    # y轴添加信息必须要有series_name这个参数
    bar.add_yaxis(yaxis_data=y1,series_name='数据-A')

    return bar

bar = Bar_chart()
bar.render_notebook()

绘制图表反转

• reversal_axis : 将x,y轴进行反转

# 创建Bar示例对象,同时x,y赋值填充

def Bar_chart():
    bar = Bar()
    
    # 设置全局配置项
    bar.set_global_opts=(opts.TitleOpts(title='Small-J'))
    
    bar.add_xaxis(xaxis_data=x)
    # y轴添加信息必须要有series_name这个参数
    bar.add_yaxis(yaxis_data=y1,series_name='数据-A')
    bar.reversal_axis()
    
    
    
    return bar
    
bar = Bar_chart()
bar.render_notebook()

文本倾斜度设置

• yaxis_opts : y轴的配置信息,对应也有x轴的配置信息
• opts_AxisOpts : 坐标轴配置项
  • is_inverse ： 将对应的数据进行旋转
  • axislabel_opts : 坐标轴指示器的文本标签，继承于LabelOpts
  • rotate : 旋转的度数

x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
# 实例化
bar = Bar()

bar.add_xaxis(xaxis_data=x)
bar.add_yaxis(series_name='数据--A', yaxis_data=y1)
bar.add_yaxis(series_name='数据--B', yaxis_data=y2)

# 设置全局参数配置
bar.set_global_opts(
    title_opts=opts.TitleOpts(title='Small-J'),
    
    # is_inverse : 将对应的数据进行旋转
    yaxis_opts=opts.AxisOpts(is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))
    
)

# 设置倾斜
bar.reversal_axis()
bar.render_notebook()

设置图表的大小

• opts.InitOpts : 初始化配置，初始化是在实例化对象中使用
• width : 宽度
• height : 高度

x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]
# 实例化
# 设置初始化配置项
bar = Bar(opts.InitOpts(width='500px', height='500px'))

bar.add_xaxis(xaxis_data=x)
bar.add_yaxis(series_name='数据--A', yaxis_data=y1)
bar.add_yaxis(series_name='数据--B', yaxis_data=y2)

# 设置全局参数配置
bar.set_global_opts(
    title_opts=opts.TitleOpts(title='Small-J'),
    
    # is_inverse : 将对应的数据进行旋转
    yaxis_opts=opts.AxisOpts(is_inverse=True, axislabel_opts=opts.LabelOpts(rotate=45))
    
)

# 设置倾斜
bar.reversal_axis()
bar.render_notebook()

如何设置区域缩放配置

• datazoom_opts : 区域缩放配置
  • type_ : 组件类型 “slider” “inside”
    • inside : 滑动滚轮显示数据
    • slider : 通过下方的组件来进行滑动
  • range_start : 数据窗口范围的起始百分比 ，范围0~100。表示 0% ~ 100%
  • range_end : 数据窗口的结束百分比，范围0_{100。表示0%}100%
  • orient : 布局方式是横还是竖。不仅是布局方式，对于直角坐标而言，也决定了，缺省情况控制横向数轴还是纵向数轴
    • horizonal : 横项数据
    • vertical : 纵向数据

# @Time : 2020/7/31 0:30 
# @Author : Small-J 

# 封装Bar绘制图表的方式
from pyecharts.charts import Bar
from pyecharts import options

# 保存为图片类型
from snapshot_selenium import snapshot as driver
from pyecharts.render import make_snapshot


x = ['seaborn', 'plotly', 'matplotlib']
y1 = [1140, 550, 270]
y2 = [570, 1340, 1370]


# 指定
def bar_charts() -> Bar():
    bar = Bar()
    bar.add_xaxis(x)
    bar.add_yaxis(series_name='A-平台', yaxis_data=y1)
    bar.add_yaxis(series_name='B-平台', yaxis_data=y2)

    # x y 轴旋转
    bar.reversal_axis()

    # 设置全局项
    bar.set_global_opts(
        # 标题配置项
        title_opts=options.TitleOpts(title='Small-J'),
        # y轴配置项
        # axislabel_opts : 该参数用于配置坐标轴指示器标签
        yaxis_opts=options.AxisOpts(axislabel_opts=options.LabelOpts(rotate=45)),

        # 区域缩放配置 DataZoomOpts
        datazoom_opts=options.DataZoomOpts(type_='slider', range_start=0, range_end=1500, orient='vertical')
    )

    return bar


d = bar_charts()
d.render('./html/pyechart_bar.html')

Line折线图 + Bar柱状图组合

• init_opts : 初始化配置
  • width : 宽度
  • height : 高度
• extend_axis : 扩张x/y轴
  • xaxis_data ： 扩展x坐标轴数据项
  • xaxis : 扩展x坐标轴配置项 —> 要使用opts.AxisOpts中的参数
  • yaxis : 新增Y坐标轴配置项----> 要使用opts.AxisOpts中的参数
• opts.AxisOpts : 中的参数讲解
  • name : 坐标轴名称
  • type_ : 坐标轴类型
    • value : 数值轴，适用于连续数据
    • category : 类名轴，使用于离散的类目数据
    • time ： 时间轴
  • min_ ： 坐标轴刻度最小值
  • max_ : 坐标轴刻度最大值
  • interval : 强制设置坐标轴分隔间隔
  • axisabel_opts : 坐标轴标签配置项
• overlap : 是一个层叠多图 -----> 是在对应的直角坐标图表使用
  • 可以使用的图表 ：Bar柱状图， Boxplot箱型图， EffectScatter 涟漪特效散点图， HeatMap 热力图， Kine k线图
  • Line 折线图， PictorialBar象形柱状图， Scatter 散点图，
• Line : 折线图参数讲解
  • series_name : 图例的名字
  • yais_index : 使用的y轴的index,在单个图表实例中存在多个y轴的时候使用
  • label_opts : 标签配置项，使用系列配置项
    • is_show ： 是否显示标签

# @Time : 2020/8/1 14:25 
# @Author : Small-J 

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

# 柱状图: y轴显示不同平台的销售数量
# 折线图: y轴另一侧显示不同平台课程对应的价格

x = ['Python', 'Seaborn', 'Plotly', 'Pyecharts']


# 绘制柱状图
def bar_charts() -> Bar():

    y1 = [1140, 559, 270, 663]
    y2 = [570, 1340, 1370, 1000]
    bar = Bar(init_opts=opts.InitOpts(width='1000px', height='600px'))
    bar.add_xaxis(x)
    bar.add_yaxis(yaxis_data=y1, series_name='数据-A')
    bar.add_yaxis(yaxis_data=y2, series_name='数据-B')
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title='数据走势')
    )
    # bar中有这么一个方法extend_axis扩展轴,来自于RectChart
    # 扩展的是y轴数据
    # name: 扩展轴的名字
    # min: 坐标轴刻度最小值
    # max: 坐标轴刻度最大值
    # interval : 强制设置坐标轴分隔间隔
    # axislabel_opts : 坐标轴标签配置项
    bar.extend_axis(yaxis=opts.AxisOpts(name='价格', type_='value', min_=0, max_=200, interval=10, axislabel_opts=opts.LabelOpts(formatter='{value}元')))
    # bar.render('./html/line_chart and bar_chart.html')
    return bar


# 绘制折线图
def line_charts() -> Line():
    y = [200, 180, 49, 79]
    line = Line()
    line.add_xaxis(xaxis_data=x)
    # series_name : 图例名字
    # y_axis : 对应的数据
    # yaxis_index : 使用的y轴的index,在单个图表实例中存在多个x轴的时候使用
    # label_opts : 标签配置项
    line.add_yaxis(series_name='价格', yaxis_index=1, y_axis=y, label_opts=opts.LabelOpts(is_show=False))
    return line


# 组合
bar = bar_charts()
line = line_charts()

# overlap 是一个层叠多图的函数
# 直角坐标系图表的函数使用
bar.overlap(line).render('./html/line_chart and bar_chart.html')

pyecharts Pie饼状图

绘制一个简单的饼图

• series_name: 系列名称
• data_pair : 系列数据项 ，注意： 该系列数据支持的格式有[(key，value), (key2，value)] 或者 [[key，value]， [key1， value1]]
• ops.TitleOpts: 标题配置项
  • pos_left : title组件离容器左边侧的距离
  • pos_top : title组件离容器上侧的距离

# @Time : 2020/8/1 19:04 
# @Author : Small-J 

# 饼图需要的数据格式
# [[x1, y1], [x2, y2]]

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

# 构建Pie的数据
x_data = ['直接访问', '营销推广', '博客推广', '搜索引擎']
y_data = [830, 214, 300, 1100]

# Pie 设置指定的格式
# for z in list(zip(x_data, y_data)) 相当于是一个列表
# data = [list(z) for z in list(zip(x_data, y_data))]
data = [i for i in zip(x_data, y_data)]
print(data)


def pie_chart() -> Pie():
    pie = Pie(init_opts=opts.InitOpts(width='500px', height='500px'))

    # series_name : 系列名称
    # data_pair : 系列数据项
    pie.add(series_name='访问来源', data_pair=data)

    # 添加全局设置
    pie.set_global_opts(
        title_opts=opts.TitleOpts(title='课程不同的分布情况', pos_left='center', pos_top=30),
        tooltip_opts=opts.TooltipOpts(trigger='item', formatter='{a} </br> {b}:{c} ({d}%)'),

    )
    return pie


pie = pie_chart()
pie.render('./html/pyechart_pie.html')

绘制Pie圆弧状饼图

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


# 构建Pie的数据
x_data = ['直接访问', '营销推广', '博客推广', '搜索引擎']
y_data = [830, 214, 300, 1100]
data = [i for i in zip(x_data, y_data)]


def pie_charts() -> Pie():
    pie = Pie()
    pie.add(series_name='访问来源', data_pair=data, radius=['40%', '75%'])
    pie.set_global_opts(
        title_opts=opts.TitleOpts(title='不同数据的分布情况'),
        # 提示框配置项,设置百分比数据占比
        tooltip_opts=opts.TooltipOpts(formatter='{a} </br> {b}:{c} ({d}%)'),
        # 设置图例的分布区域, vertical :垂直的, pos_top:图例组件离容器上册侧的距离, pos_Left: 图例组件离容器左侧的距离
        legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'),


    )
    return pie


p = pie_charts()
p.render('./html/pyechart_pie.html')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gkKkolDE-

pyechart scatter散点图

第一个散点图

• add_xaxis : 对应的x轴数据
• add_yaxis : 对应的y轴数据
• label_opts: 标签配置项
  • is_show : 不显示该标签
• title_opts : 标题配置项
  • pos_top : 组件离容器的高度
  • pos_left : title组件离容器的左侧的距离
    • left : 左侧
    • center : 中间
    • right : 右侧

# @Time : 2020/8/2 1:41 
# @Author : Small-J 

from pyecharts import options as opts
from pyecharts.charts import Scatter
import numpy as np

x_data = np.linspace(0, 10, 30)
y1 = np.sin(x_data)
y2 = np.cos(x_data)


def scatter_charts() -> Scatter():
    scatter = Scatter()
    scatter.add_xaxis(xaxis_data=x_data)
    # label_opts: 标签配置项,不显示该标签
    scatter.add_yaxis(y_axis=y1, series_name='sin(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False))
    scatter.add_yaxis(y_axis=y2, series_name='con(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False))

    # pos_top: 组件离容器的上侧距离
    # pos_left : 三个参数 left 、center、right
    scatter.set_global_opts(
        title_opts=opts.TitleOpts(title='Small-J 第一个散点图', pos_top='20px', pos_left='center')
    )
    return scatter


scatter = scatter_charts()
scatter.render('./html/scatter.html')

散点图 大小与形状设置

• scatter.add_yaxis : 散点图添加数据
  • series_name : 系列名称
  • y_axis : 系列数据
  • symbol : 标记的图形 : circle 、rect、roundRect、triangle、diamond、pin、arrow、none
  • symbol_size : 标记的大小

# @Time : 2020/8/2 1:41 
# @Author : Small-J 

from pyecharts import options as opts
from pyecharts.charts import Scatter
import numpy as np

x_data = np.linspace(0, 10, 30)
y1 = np.sin(x_data)
y2 = np.cos(x_data)


def scatter_charts() -> Scatter():
    scatter = Scatter()
    scatter.add_xaxis(xaxis_data=x_data)
    # label_opts: 标签配置项,不显示该标签
    # symbol_size :设置形状的大小,默认大小为10, 例如[20, 10]可标记宽为20, 高为10
    # symbol : 标记的图形
    scatter.add_yaxis(y_axis=y1, series_name='sin(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False), symbol_size=20,  symbol='pin')
    scatter.add_yaxis(y_axis=y2, series_name='con(x) 函数散点图', label_opts=opts.LabelOpts(is_show=False), symbol_size=20, symbol='rect')

    # pos_top: 组件离容器的上侧距离
    # pos_left : 三个参数 left 、center、right
    scatter.set_global_opts(
        title_opts=opts.TitleOpts(title='Small-J 第一个散点图', pos_top='20px', pos_left='center'),
        tooltip_opts=opts.TooltipOpts(is_show=True),
        toolbox_opts=opts.ToolboxOpts(is_show=True),
    )
    return scatter


scatter = scatter_charts()
scatter.render('./html/scatter.html')

pyechart WordCloud 词云

• series_name: 系列名称
• data_pair : 系列数据项

# @Time : 2020/8/2 14:03 
# @Author : Small-J 

# 导入词云绘图库
from pyecharts import options as opts
from pyecharts.charts import WordCloud

data = [
    ('阿黛尔近照', 3071869),
    ('澳大利亚暴发H7N7禽流感', 1936180),
    ('蔡徐坤很芒', 1418832),
    ('囍 绝了', 1397275),
    ('司机冒死开走起火货车后续', 1084561)
]


def wordcloud() -> WordCloud():
    wordcloud = WordCloud()
    wordcloud.add(series_name='词频分析', data_pair=data)
    wordcloud.add(series_name='demo', data_pair=data)
    wordcloud.set_global_opts(
        title_opts=opts.TitleOpts(title='热词分析')
    )
    wordcloud.render('./html/wordcoud.html')
    return wordcloud


w = wordcloud()
w.render()

pyechart geo地理图形

• Geo : 地理坐标系
• add_schema : 类型参数
  • maptype : 地图类型
  • is_roam : 是否开启鼠标缩放和平移漫游
  • label_opts : 标签配置项
• add : 系列名字
  • series_name : 系列名字
  • data_pair : 数据项
  • symbol_size : 标记的大小
  • type_ : Geo图类型，有scatter 、effectScatter 、heatmap、lines
  • symbol : 标记的大小

# @Time : 2020/8/2 14:33 
# @Author : Small-J 

# 绘制地理图表

from pyecharts import options as opts
from pyecharts.charts import Geo
from pyecharts.globals import ChartType
import pyecharts
import warnings

warnings.filterwarnings('ignore')

data = [['广东', 104320], ['广西', 103320], ['山东', 100000]]


def geo_chart() -> Geo():
    geo = Geo()
    # maptype : 地图类型
    # is_roam : 是否开启鼠标缩放和平移漫游
    # label_opts : 标签配置项
    geo.add_schema(maptype='china', is_roam=False, label_opts=opts.LabelOpts(is_show=True))
    geo.add(series_name='', data_pair=data, type_=ChartType.EFFECT_SCATTER, symbol_size=12, symbol='pie')
    geo.set_global_opts(
        title_opts=opts.TitleOpts(title='人口分布情况')
    )
    return geo


geo = geo_chart()
geo.render('./html/geo.html')