Python和Echarts结合的可视化工具：pyecharts

pyecharts 是一个强大的数据可视化工具，结合了 python 和 echarts。本文将为大家讲解pyecharts的使用规则。

我们都知道matplotlib，一个python上的可视化工具，前几天在做Spark项目的时候，用到了百度开源的可视化JS工具——Echarts。可视化的种类很多，但是我必须在Java Web项目上导入js库。跑步，我平时用Python比较多，所以想知道有没有结合Python和Echarts的轮子。 google之后，找到了一个中国人开发的Echarts和Python的组合轮子：pyecharts，这里简单介绍一下pyecharts的一些使用规则：

安装

写这篇文章用的是Win环境，首先打开命令行(win+R),输入：

pip install pyecharts

但是笔者发现由于墙的原因，会因为断线和速度慢而导致下载失败。因此，建议通过清华镜像下载：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

出现以上信息，说明下载成功，我们可以进行下一个实验了！

使用实例

在使用之前，我们要强调一点：就是python2.x和python3.x的编码问题。在python3.x中你可以认为它是默认的unicode编码，但在python2.x中却不是默认的，原因在于它的bytes对象定义比较混乱，而pycharts使用unicode编码来处理字符串和文件，所以当你使用 python2.x 时，一定要在上面插入这段代码：

from __future__ import unicode_literals

现在正式开始使用pycharts，这里直接使用官方数据：

柱状图-Bar

//导入柱状图-Bar
from pyecharts import Bar
//设置行名
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
//设置数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
//设置柱状图的主标题与副标题
bar = Bar("柱状图", "一年的降水量与蒸发量")
//添加柱状图的数据及配置项
bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"])
bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"])
//生成本地文件（默认为.html文件）
bar.render()

运行结果如下：

只需几行代码就可以很好地可视化数据，而且它仍然是动态的。我仍然需要在这里使用 jupyter。 pyecharts从v0.1.9.2版本开始，直接在jupyter上调用实例（比如上面直接调用bar。）可以直接表示图表，非常方便。

笔者统计了一下，目前pyecharts上的图表支持20种左右。接下来，我们将使用上述数据生成数据挖掘常用的几个图表示例：

饼图-Pie

//导入饼图Pie
from pyecharts import Pie
//设置主标题与副标题，标题设置居中，设置宽度为900
pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900)
//加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示
pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False)
//加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签
pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True)
//保存图表
pie.render()

箱体图-Boxplot

//导入箱型图Boxplot
from pyecharts import Boxplot
boxplot = Boxplot("箱形图", "一年的降水量与蒸发量")
x_axis = ['降水量','蒸发量']
y_axis = [data1,data2]
//prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]
yaxis = boxplot.prepare_data(y_axis)
boxplot.add("天气统计", x_axis, _yaxis)
boxplot.render()

折线图-Line

from pyecharts import Line
line = Line("折线图","一年的降水量与蒸发量")
//is_label_show是设置上方数据是否显示
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸发量", columns, data2, is_label_show=True)
line.render()

雷达图-Rader

from pyecharts import Radar
radar = Radar("雷达图", "一年的降水量与蒸发量")
//由于雷达图传入的数据得为多维数据，所以这里需要做一下处理
radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]]
radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]]
//设置column的值，为了雷达图更为直观，这里的月份值设置有所不同
schema = [
("Jan", 5), ("Feb",10), ("Mar", 10),
("Apr", 50), ("May", 50), ("Jun", 200),
("Jul", 200), ("Aug", 200), ("Sep", 50),
("Oct", 50), ("Nov", 10), ("Dec", 5)
]
//传入坐标
radar.config(schema)
radar.add("降水量",radar_data1)
//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("蒸发量",radar_data2,item_color="#1C86EE")
radar.render()

散点图-scatter

from pyecharts import Scatter
scatter = Scatter("散点图", "一年的降水量与蒸发量")
//xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置
scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量",
yaxis_name_gap=40)
scatter.render()

图表布局 Grid

由于标题和图表属于两个不同的控件，下面的图表Line的标题位置必须在这里设置，否则会出现标题重叠的bug。

from pyecharts import Grid
//设置折线图标题位置
line = Line("折线图","一年的降水量与蒸发量",title_top="45%")
line.add("降水量", columns, data1, is_label_show=True)
line.add("蒸发量", columns, data2, is_label_show=True)
grid = Grid()
//设置两个图表的相对位置
grid.add(bar, grid_bottom="60%")
grid.add(line, grid_top="60%")
grid.render()

from pyecharts import Overlap
overlap = Overlap()
bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量")
bar.add("降水量", columns, data1, mark_point=["max", "min"])
bar.add("蒸发量", columns, data2, mark_point=["max", "min"])
overlap.add(bar)
overlap.add(line)
overlap.render()

总结

（1）导入相关图表包

（2）进行图表的基础设置，创建图表对象

（3）使用add()方法进行数据输入和图表设置（可以使用print_echarts_options()输出所有可配置项）

（4）利用render()方法来进行图表保存