Python pyecharts 数据可视化模块的配置方法

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，这篇文章主要介绍了Python pyecharts 数据可视化模块,需要的朋友可以参考下

1. pyecharts 模块介绍

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

pyecharts 官网：https://pyecharts.org/#/zh-cn/
pyecharts 画廊地址：https://gallery.pyecharts.org/#/README

2. pyecharts 模块安装

pip install pyecharts

3. pyecharts 配置选项

pyecharts 模块中有很多配置选项，常用到两个类别的选项：全局配置选项和系列配置选项。

3.1 全局配置选项

全局配置选项可以通过 set_global_opts 方法来进行配置，通常对图表的一些通用的基础的元素进行配置，例如标题、图例、工具箱、鼠标移动效果等等，它们与图表的类型无关。

示例代码：通过折线图对象对折线图进行全局配置

from pyecharts.charts import Line from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts # 获取折线图对象 line = Line() # 对折线图进行全局配置 line.set_global_opts( # 设置标题、标题的位置... title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"), # 设置图例是展示的... legend_opts=LegendOpts(is_show=True), # 设置工具箱是展示的 toolbox_opts=ToolboxOpts(is_show=True), # 设置视觉映射是展示的 visualmap_opts=VisualMapOpts(is_show=True) )

3.2 系列配置选项

系列配置选项是针对某个具体的参数进行配置，可以去 pyecharts 官网进行了解。

4. 基础折线图的构建

4.1 基本使用流程

1.导包，导入 Line 功能构建折线图对象

from pyecharts.charts import Line from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

2.获取折线图对象

line = Line()

3.添加 x、y 轴数据（添加系列配置）

line.add_xaxis(["中国", "美国", "英国"]) line.add_yaxis("GDP", [30, 20, 10])

4.添加全局配置

line.set_global_opts( # 设置标题、标题的位置... title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"), # 设置图例是展示的... legend_opts=LegendOpts(is_show=True), # 设置工具箱是展示的 toolbox_opts=ToolboxOpts(is_show=True), # 设置视觉映射是展示的 visualmap_opts=VisualMapOpts(is_show=True) )

5.生成图表（通过 render 方法将代码生成图像）

line.render()

4.2 实现2020年美印日确诊人数对比折线图

import json from pyecharts.charts import Line # 获取不同国家疫情时间 from pyecharts.options import TitleOpts, LabelOpts def getdata(file): # 处理数据 try: f = open(file, 'r', encoding='utf8') except FileNotFoundError as e: print(f"文件不存在，具体错误为：{e}") else: data = f.read() # JSON 转 Python 字典 dict = json.loads(data) # 获取 trend trend_data = dict['data'][0]['trend'] # 获取日期数据，用于 x 轴（只拿2020年的数据） x_data = trend_data['updateDate'][:314] # 获取确认数据，用于 y 轴 y_data = trend_data['list'][0]['data'][:314] # 返回结果 return x_data, y_data finally: f.close() # 获取美国数据 us_x_data, us_y_data = getdata("E:\\折线图数据\\美国.txt") # 获取印度数据 in_x_data, in_y_data = getdata("E:\\折线图数据\\印度.txt") # 获取日本数据 jp_x_data, jp_y_data = getdata("E:\\折线图数据\\日本.txt") # 生成图表 line = Line() # 添加 x 轴数据（日期，公用数据，不同国家都一样） line.add_xaxis(us_x_data) # 添加 y 轴数据（设置 y 轴的系列配置，将标签不显示） line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国数据 line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度数据 line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本数据 # 配置全局选项 line.set_global_opts( # 设置标题 title_opts=TitleOpts("2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%"), ) # 生成图表 line.render()

5. 基础地图构建

5.1 基本使用流程

1.导包，导入 Map 功能获取地图对象

from pyecharts.charts import Map from pyecharts.options import VisualMapOpts

2.获取地图对象

map = Map()

3.准备好数据

data = [ ("北京", 99), ("上海", 199), ("广州", 299), ("湖南", 199), ("安徽", 99), ("湖北", 399), ]

4.添加数据到地图对象中

# 地图名称、传入的数据、地图类型（默认是中国地图） map,add("地图", data, "china")

5.添加全局配置

map.set_global_opts( # 设置视觉映射配置 visualmap_opts=VisualMapOpts( # 打开视觉映射（可能不精准，因此可以开启手动校准） is_show=True, # 开启手动校准范围 is_piecewise=True, # 设置要校准参数的具体范围 pieces=[ {"min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"}, {"min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"}, {"min": 100, "max": 199, "label": "100~199人", "color": "#FF9966"}, {"min": 200, "max": 299, "label": "200~299人", "color": "#FF6666"}, {"min": 300, "label": "300人以上", "color": "#CC3333"}, ] ) )

6.生成地图

map.render()

5.2 实现国内疫情地图

import json from pyecharts.charts import Map from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts # 读取数据 f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8') str_json = f.read() # 关闭文件 f.close() # JSON 转 python 字典 data_dict = json.loads(str_json) # 取到各省数据 province_data_list = data_dict['areaTree'][0]['children'] # 组装每个省份和确诊人数为元组，并封装到列表内 data_list = [] for province_data in province_data_list: province_name = province_data['name'] province_total_confirm = province_data['total']['confirm'] data_list.append((province_name, province_total_confirm)) # 创建地图对象 map = Map() # 添加数据 map.add("各省确诊总人数", data_list, "china") # 设置全局配置，定制分段的视觉映射 map.set_global_opts( title_opts=TitleOpts('全国疫情地图', pos_left='center', pos_bottom='1%'), legend_opts=LegendOpts(is_show=True), visualmap_opts=VisualMapOpts( is_show=True, is_piecewise=True, pieces=[ {"min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"}, {"min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"}, {"min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"}, {"min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"}, {"min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"}, {"min": 10000, "label": "10000人以上", "color": "#990033"} ] ) ) # 绘图 map.render()

5.3 实现省级疫情地图

import json from pyecharts.charts import Map from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts # 读取数据 f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8') str_json = f.read() # 关闭文件 f.close() # JSON 转 python 字典 data_dict = json.loads(str_json) # 取到河南省数据 city_data_list = data_dict['areaTree'][0]['children'][3]['children'] # 组装每个市和确诊人数为元组，并封装到列表内 data_list = [] for city_data in city_data_list: city_name = city_data['name'] + "市" city_total_confirm = city_data['total']['confirm'] data_list.append((city_name, city_total_confirm)) # 创建地图对象 map = Map() # 添加数据 map.add("各市确诊总人数", data_list, "河南") # 设置全局配置，定制分段的视觉映射 map.set_global_opts( title_opts=TitleOpts('河南省疫情地图', pos_left='center', pos_bottom='1%'), legend_opts=LegendOpts(is_show=True), visualmap_opts=VisualMapOpts( is_show=True, is_piecewise=True, pieces=[ {"min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"}, {"min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"}, {"min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"}, {"min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"}, {"min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"}, {"min": 10000, "label": "10000人以上", "color": "#990033"} ] ) ) # 绘图 map.render()

6. 基础柱状图构建

6.1 基本使用流程

1.导包，导入 Bar 功能获取地图对象

from pyecharts.charts import Bar from pyecharts.options import *

2.获取地图对象

bar = Bar()

3.添加 x 和 y 轴数据

# 添加 x 轴数据 bar.add_xaxis(["中国", "英国", "美国"]) # 添加 y 轴数据 bar.add_yaxis("GDP", [30, 20, 10])

4.添加全局配置

bar.set_global_opts( title_opts=TitleOpts("基础柱状图", pos_left='center', pos_bottom='1%') )

5.生成地图

bar.render()

6.反转 xy 轴

bar.reversal_axis()

7.将数值标签添设置到右侧

bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))

6.2 基础时间线柱状图

柱状图描述的是分类数据，但很难动态的描述一个趋势性的数据，为此 pyecharts 中提供了一种解决方案时间线。

如果说一个 Bar、Line 对象是一张图表的话，时间线就是创建一个一维的 x 轴，轴上的每一个点就是一个图表对象。

创建时间线的基础流程：

1.导包，导入时间线 Timeline

from pyecharts.charts import Bar, Timeline from pyecharts.options import *

2.准备好图表对象并添加好数据

bar1 = Bar() bar1.add_xaxis(["中国", "英国", "美国"]) bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right')) bar1.reversal_axis() bar2 = Bar() bar2.add_xaxis(["中国", "英国", "美国"]) bar2.add_yaxis("GDP", [50, 20, 30], label_opts=LabelOpts(position='right')) bar2.reversal_axis() bar3 = Bar() bar3.add_xaxis(["中国", "英国", "美国"]) bar3.add_yaxis("GDP", [60, 30, 40], label_opts=LabelOpts(position='right')) bar3.reversal_axis()

3.创建时间线对象 Timeline

timeline = Timeline()

4.将图表添加到 Timeline 对象中

# 添加图表到时间线中（图表对象，点名称） timeline.add(bar1, "2020年GDP") timeline.add(bar2, "2021年GDP") timeline.add(bar3, "2022年GDP")

5.通过时间线绘图

timeline.render()

6.设置自动播放

timeline.add_schema( play_interval=1000,      # 自动播放的时间间隔，单位毫秒 is_timeline_show=True,  # 是否显示自动播放的时候，显示时间线（默认 True） is_auto_play=True,       # 是否在自动播放（默认 False） is_loop_play=True        # 是否循环自动播放（默认 True） )

7.设置时间线主题

# 导入 ThemeType from pyecharts.globals import ThemeType # 创建时间线对象时，设置主题参数 timeline = Timeline({"theme": ThemeType.DARK})

主题参数如下：

6.3 实现动态 GDP 柱状图

import json from pyecharts.charts import Bar, Timeline from pyecharts.options import * from pyecharts.globals import ThemeType # 读取数据 f = open("E:\\动态柱状图数据\\1960-2019全球GDP数据.csv", 'r', encoding='GB2312') data_lines = f.readlines() # 关闭文件 f.close() # 删除第一条数据 data_lines.pop(0) # 将数据转化为字典才能出，格式为 {年份1: [[国家1, GDP], [国家2, GDP]], 年份2: [国家, GDP], ...} data_dict = dict() for line in data_lines: year = int(line.split(',')[0])  # 年份 country = line.split(',')[1]  # 国家 gdp = float(line.split(',')[2])  # gdp 数据，通过 float 强制转换可以把带有科学计数法的数字转换为普通数字 try:  # 如果 key 不存在，则会抛出异常 KeyError data_dict[year].append([country, gdp]) except KeyError: data_dict[year] = [[country, gdp]] # 排序年份（字典对象的 key 可能是无序的） sorted_year_list = sorted(data_dict.keys()) # 创建时间线对象 timeline = Timeline({"theme": ThemeType.LIGHT}) # 组装数据到 Bar 对象中，并添加到 timeline 中 for year in sorted_year_list: data_dict[year].sort(key=lambda element: element[1], reverse=True) # 该年份GDP前八的国家 year_data = data_dict[year][:8] x_data = [] y_data = [] for country_gdp in year_data: x_data.append(country_gdp[0]) y_data.append(country_gdp[1] / 100000000) # 创建柱状图 bar = Bar() x_data.reverse() y_data.reverse() # 添加 x y 轴数据 bar.add_xaxis(x_data) bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position='right')) # 反转 x y 轴 bar.reversal_axis() # 设置每一年的图表的标题 bar.set_global_opts( title_opts=TitleOpts(f"{year}年GDP全球前8国家", pos_left='5%') ) # 将 bar 对象添加到 timeline 中 timeline.add(bar, year) # 设置自动播放参数 timeline.add_schema( play_interval=1000,      # 自动播放的时间间隔，单位毫秒 is_timeline_show=True,   # 是否显示自动播放的时候，显示时间线（默认 True） is_auto_play=True,       # 是否在自动播放（默认 False） is_loop_play=True        # 是否循环自动播放（默认 True） ) # 通过时间线绘图 timeline.render("1960~2019全球GDP前8国家.html")