Pyecharts繪製22種超實用精美圖表

今天來給大家分享一下Pyecharts模組,說到它我們就不得不提Echarts,它是由百度開源的一款使用JavaScript實現的開源視覺化庫,涵蓋了各種圖表、滿足各類業務需求,而pyecharts也就是Python與Echarts結合之後的產物,封裝了Echarts各類圖表的基本操作,然後透過渲染機制,輸出一個包含JS程式碼的HTML檔案。

01 安裝與匯入模組

pip install pyecharts

使用Pyecharts建立圖形的基本步驟是,

﹣1. 準備資料
﹣2. 設計圖形的樣式、背景顏色
﹣3. Pyecharts繪圖
﹣4. 設計圖表的標題或者圖例等屬性
﹣5. 匯出至html

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values())
.add_yaxis("商家2", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="這是主標題", subtitle="這是副標題"))
.render("bar_base.html"))

出來的結果是

02 資料準備

import pandas as pd
import numpy as np
data = pd.DataFrame({'x':np.arange(1,101),
'y':["隨機生成的數字"]})
df = pd.read_excel("你的檔案的路徑")

03 Pycharts還提供內建的資料集

def choose(self) -> list:    
return random.choice(
[
self.clothes,
self.drinks,
self.phones,
self.fruits,
self.animal,
self.dogs,
self.week,
]
)

04 圖形的樣式

class _ThemeType:    
BUILTIN_THEMES = ["light", "dark", "white"]
LIGHT = "light"
DARK = "dark"
WHITE = "white"
CHALK: str = "chalk"
ESSOS: str = "essos"
INFOGRAPHIC: str = "infographic"
MACARONS: str = "macarons"
PURPLE_PASSION: str = "purple-passion"
ROMA: str = "roma"
ROMANTIC: str = "romantic"
SHINE: str = "shine"
VINTAGE: str = "vintage"
WALDEN: str = "walden"
WESTEROS: str = "westeros"
WONDERLAND: str = "wonderland"
HALLOWEEN: str = "halloween"

06 設定標題、副標題

set_global_opts(title_opts=opts.TitleOpts(title="這是主標題",
subtitle="這是副標題"))

07 設定圖例與位置

legend_opts=opts.LegendOpts(type_="scroll", orient="vertical",  
pos_top="15%",pos_left="7%")) # 圖裂的位置label_opts=opts.LabelOpts(formatter="{b}: {c}") # 結果的展現形式

08 匯出結果

render("test.html")# 如果是在jupyter notebook當中
render_notebook()

09 Pyecharts繪圖

堆疊柱狀圖

同個品類不同類目的柱子可以堆疊起來呈現,也就是堆疊的柱狀圖

c = (    
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values(), stack="stack1")
.add_yaxis("商家2", Faker.values(), stack="stack1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆疊資料(全部)"))
.render("bar_stack_1212.html"))

當然我們也可以部分堆疊,而不是上面這種全部的堆疊

c = (    
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values(), stack="stack0")
.add_yaxis("商家2", Faker.values(), stack="stack0")
.add_yaxis("商家3", Faker.values())
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆疊資料(部分)"))
.render("bar_stack_part.html")
)

柱狀圖的橫座標傾斜一丟丟

有時候橫座標的標識字數較多,X軸上顯示全,我們可以將標識的字型稍微傾斜一些

c = (    
Bar()
.add_xaxis(
[
"名字相當長的X軸標籤1",
"名字相當長的X軸標籤2",
"名字相當長的X軸標籤3",
"名字相當長的X軸標籤4",
"名字相當長的X軸標籤5",
"名字相當長的X軸標籤6",
]
)
.add_yaxis("商家1", Faker.values())
.add_yaxis("商家2", Faker.values())
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts
(rotate=15)),
title_opts=opts.TitleOpts(title="Bar-旋轉X軸標籤",subtitle="副標題"),
)
.render("test.html")
)

柱狀圖可以自動縮放的

透過底下的滑塊來實現橫座標的縮放、範圍的調整等等

c = (    
Bar()
.add_xaxis(Faker.days_attrs)
.add_yaxis("商家1", Faker.days_values)
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-資料縮放(拖快-水平)"), datazoom_opts=opts.
DataZoomOpts(), )
.render("bar_datazoom_slider.html"))

當然滑塊也可以放在垂直的右側

c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(Faker.days_attrs)
.add_yaxis("商家1", Faker.days_values, color=Faker.rand_color())
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-DataZoom(滑塊-垂直)"),
datazoom_opts=opts.DataZoomOpts(orient="vertical"),
)
.render("bar_datazoom_slider_vertical.html")
)

我們也可以透過拖動裡面的柱子來實現資料縮放、範圍的改變

c = (
Bar()
.add_xaxis(Faker.days_attrs)
.add_yaxis("商家1", Faker.days_values)
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-DataZoom(內建+外接)"),
datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_
="inside")],
)
.render("bar_datazoom_both.html")
)

柱狀圖給X軸Y軸命名的

c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values())
.add_yaxis("商家2", Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-XY 軸名稱"),
yaxis_opts=opts.AxisOpts(name="這個是 Y 軸"),
xaxis_opts=opts.AxisOpts(name="這個是 X 軸"),
)
.render("bar_name_xyaxis.html")
)

柱狀圖柱間距離不相同的

在柱狀圖當中,不同柱子之間的距離也可以不是相同的

c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.WHITE))
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values(), gap="0%")
.add_yaxis("商家2", Faker.values(), gap="0%")
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-柱間距離不同"))
.render("bar_different_series_gap.html")
)

柱狀圖水平狀態的

還有水平方向的柱狀圖

c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values())
.add_yaxis("商家2", Faker.values())
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-水平方向"))
.render("bar_reversal_axis.html")
)

直方圖

c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values(), category_gap=0, color=Faker.rand_color())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方圖"))
.render("bar_histogram.html"))

箱型圖

箱型圖更加有利於我們來觀察資料的內在分佈

from pyecharts.charts import Boxplotv1 = [
[850, 740, 950, 1090, 930, 850, 950, 980, 1000, 880, 1000, 980],
[980, 940, 960, 940, 900, 800, 850, 880, 950, 840, 830, 800],
]
v2 = [
[890, 820, 820, 820, 800, 770, 760, 760, 750, 760, 950, 920],
[900, 840, 800, 810, 760, 810, 790, 850, 820, 850, 870, 880],
]
c = Boxplot()
c.add_xaxis(["A", "B"])
c.add_yaxis("类目1", c.prepare_data(v1))
c.add_yaxis("类目2", c.prepare_data(v2))
c.set_global_opts(title_opts=opts.TitleOpts(title="箱型圖-基本示例"))
c.render("boxplot_test.html")

日曆圖

日曆圖具體指按照日曆的佈局,用顏色展現每一天的資料,從而比較直觀地看到全年的資料情況,例如展示超市全年的銷售額,從而看出具體某個月份或者某個星期的銷售額比較低

c = (
Calendar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
.add("", data, calendar_opts=opts.CalendarOpts(range_="2020"))
.set_global_opts(
title_opts=opts.TitleOpts(title="日曆圖-2020年超市的銷售額"),
visualmap_opts=opts.VisualMapOpts(
max_=250000,
min_=10000,
orient="horizontal",
is_piecewise=True,
pos_top="230px",
pos_left="100px",
),
)
.render("calendar_test.html")
)

K線圖

c = (
Kline(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
.add_xaxis(["2020/7/{}".format(i + 1) for i in range(31)])
.add_yaxis("kline", data)
.set_global_opts(
yaxis_opts=opts.AxisOpts(is_scale=True),
xaxis_opts=opts.AxisOpts(is_scale=True),
title_opts=opts.TitleOpts(title="K線圖-基本示例"),
)
.render("kline_test.html")
)

漏斗圖

from pyecharts.charts import Funnelc = (
Funnel()
.add("類目", [list(z) for z in zip(Faker.choose(), Faker.
values())])
.set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖-基本示例"))
.render("funnel_test.html")
)

折線圖

c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values())
.add_yaxis("商家2", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="折線圖-基本示例"))
.render("line_test.html")
)

水球圖

水球圖通常來顯示指標的完成程度

from pyecharts.charts import Liquidc = (
Liquid()
.add("lq", [0.55, 0.75])
.set_global_opts(title_opts=opts.TitleOpts(title="Liquid-基本示例"))
.render("liquid_test.html")
)

詞雲圖

c = (
WordCloud()
.add(series_name="詞雲圖例項", data_pair=data, word_size_range=[5, 100])
.set_global_opts(
title_opts=opts.TitleOpts(
title="詞雲圖例項",title_textstyle_opts=opts.TextStyleOpts
(font_size=23)
),
tooltip_opts=opts.TooltipOpts(is_show=True),
)
.render("basic_wordcloud.html")
)

餅圖

c = (
Pie()
.add("類目", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_global_opts(title_opts=opts.TitleOpts(title="餅圖-基本示例"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
.render("pie_test.html")
)

儀表盤圖

儀表盤的繪製也可以用來展示指標的完成程度

from pyecharts.charts import Gaugec = (
Gauge()
.add("", [("完成率", 70)])
.set_global_opts(title_opts=opts.TitleOpts(title="儀表盤-基本示例"))
.render("gauge_test.html")
)

漣漪散點圖

c = (
EffectScatter()
.add_xaxis(Faker.choose())
.add_yaxis("商家1", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="漣漪散點圖-基本示例"))
.render("effectscatter_test.html")
)

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。各位也可以關注我的Facebook,按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!期待你與我互動起來~

文章推薦

熬夜整理出40張視覺化大屏模板,不敲一個程式碼就能直接套用

一張圖講清如何正確應用視覺化圖表,學會後再也不會用錯圖表

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/