5 分钟完全解读 pyecharts 动态图表

1. pyecharts简介

---

pyecharts是基于百度开源图表组件echarts的python封装。支持所有常用的图表组件，和matlibplot系的图表库不同的是：pyecharts支持动态交互展示，这一点在查看复杂数据图表时特别的有用。

          
pip install pyecharts  

      

2.pyecharts简单使用

pyecharts支持常用的基本图形展示，条形图、折线图、饼图、散点图、热力图、漏斗图、雷达图、箱型图、地图等，还能支持仪表盘，树形图的展示。

          
  
from pyecharts.charts import Bar,Line  
from pyecharts import options as opts  
from pyecharts.globals import ThemeType  
  
line = (  
    Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, width='1000px',height='300px' ))  
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])  
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])  
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])  
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"),  
                        datazoom_opts=opts.DataZoomOpts(is_show=True))  
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))  
)  
line.render('test.html')  
line.render_notebook()  

      

从上面简单事例可知，pyecharts的使用包括:

• 图标类型（Line）本身的初始化配置，如主题，大小
• 加载数据：如加载x轴数据，加载y轴数据（可以多个）
• 设置全局配置，如标题，区域缩放datazoom，工具箱等
• 设置系列配置项，如标签，线条，刻度文本展示等
• 图标显示： render 保存成html文件，如果是jupyter notebook则直接通过 render\_notebook 展示在notebook中

3.常用配置使用

在pyecharts中，关于图表外观显示等操作都是在相应的option里配置，包括坐标轴，图例，数据标签，网格线，图表样式/颜色，不同系列等等。

• InitOpts：各个图表类型初始配置
• set_global_opts：全局外观配置
• set_series_opts：系列配置

为了方便大家和自己，下面给出一个常用的组合，通常可视化足够用了，快收藏。

• InitOpts：主题，长宽，动画效果
• DataZoomOpts：区域收缩，这个对于数据特别多，如一天的时间序列数据，特别有用，可以拖动查看全局和局部的数据（可以设置是否显式显式还是可拖动type_="inside"）
• 标题配置TitleOpts：说明这个图表说明的是什么，必备的吧
• 图例配置LegendOpts：说明图表中的不同数据项（这个图例是可以点击的，可以单独查看某个图例的数据，很有用）
• 提示框配置TooltipOpts：显示图例具体某个点的数据
• x轴和y轴坐标轴标题说明AxisOpts
• 坐标刻度调整：特别适用于刻度说明比较多，可以显示角度变换等
• markpoint/markline: 对图表的特别标记，用于重点说明部分和标注区分线

          
from pyecharts.charts import Bar,Line  
from pyecharts import options as opts  
from pyecharts.globals import ThemeType  
  
bar = (  
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,   
                                 width='1000px',  
                                 height='300px',   
                                 animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")  
                                )  
        )  
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])  
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])  
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])  
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"),  
                     toolbox_opts=opts.ToolboxOpts(is_show=False),  
                     # datazoom\_opts=opts.DataZoomOpts(is\_show=True)  
                     datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],  
                     legend_opts=opts.LegendOpts(type_="scroll", pos_left="50%", orient="vertical"),  
                     xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15), name="我是 X 轴"),  
                     yaxis_opts=opts.AxisOpts(name="我是 Y 轴", axislabel_opts=opts.LabelOpts(formatter="{value} /月")),  
                     tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  
  
                    )  
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False),  
                    markpoint_opts=opts.MarkPointOpts(  
                        data=[  
                            opts.MarkPointItem(type_="max", name="最大值"),  
                            opts.MarkPointItem(type_="min", name="最小值"),  
                            opts.MarkPointItem(type_="average", name="平均值"),  
                        ]  
                        ),  
                    )  
)  
# line.render('test.html')  
bar.render_notebook()  

      

4.常用组合图表使用

常用组合图表有：

• 不同图表类型组合如柱状图和折线图组合在一张图中（双y轴），主要的看同一视角不同指标的差异和关联；pyecharts中是通过overlap实现

              
from pyecharts import options as opts  
from pyecharts.charts import Bar, Line  
from pyecharts.faker import Faker  
  
v1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]  
v2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]  
v3 = [2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2]  
  
  
bar = (  
    Bar(init_opts=opts.InitOpts(width="680px", height="300px"))  
    .add_xaxis(Faker.months)  
    .add_yaxis("蒸发量", v1)  
    .add_yaxis("降水量", v2)  
    .extend_axis(  
        yaxis=opts.AxisOpts(  
            axislabel_opts=opts.LabelOpts(formatter="{value} °C"), interval=5  
        )  
    )  
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Overlap-bar+line"),  
        yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} ml")),  
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),  
    )  
)  
  
line = Line().add_xaxis(Faker.months).add_yaxis("平均温度", v3, yaxis_index=1)  
bar.overlap(line)  
bar.render_notebook()  

          

从实现上，

• .extend\_axis 增加一个纵坐标

• 增加的折线图设置轴坐标时设置 yaxis\_index 索引和前面的纵坐标对应

• 然后两张叠加overlap bar.overlap(line)

• 多图标以网格（GRID）方式组合，主要是对比；pyecharts中是通过grid组件实现

              
from pyecharts import options as opts  
from pyecharts.charts import Bar, Grid, Line  
from pyecharts.faker import Faker  
  
bar = (  
    Bar()  
    .add_xaxis(Faker.choose())  
    .add_yaxis("商家A", Faker.values())  
    .add_yaxis("商家B", Faker.values())  
    .set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar"))  
)  
line = (  
    Line()  
    .add_xaxis(Faker.choose())  
    .add_yaxis("商家A", Faker.values())  
    .add_yaxis("商家B", Faker.values())  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Grid-Line", pos_top="48%"),  
        legend_opts=opts.LegendOpts(pos_top="48%"),  
    )  
)  
  
grid = (  
    Grid(init_opts=opts.InitOpts(width="680px", height="500px"))  
    .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))  
    .add(line, grid_opts=opts.GridOpts(pos_top="60%"))  
)  
grid.render_notebook()  

          

从实现看

• 主要通过 Grid 把各种图形放入其中

• 各个图表的位置通过 GridOpts 来设置，上下左右的位置

• 需要注意的是:grid中图表的title和图例需要根据所处位置来指定相对的位置（这个有点麻烦，多调调）

5.地图使用

地图可用在展示数据在地理位置上的分布情况，也是很常见的可视化的展示组件。pyecharts中是通过 Map 类来实现的。具体细节需要注意：

• map支持不同的maptype，如中国地图china(省级) china-cities（市级），世界地图world，还有中国各省市地图以及世界各国国家地图，参看github pyecharts/datasets/map\_filename.json
• map的数据格式是（地理位置， value）， 如 [['广东', 76],['北京', 58]]
• 可以通过 visualmap\_opts 查看着重点

          
from pyecharts import options as opts  
from pyecharts.charts import Map  
from pyecharts.faker import Faker  
  
c1 = (  
    Map()  
    .add("商家A", [list(z) for z in zip(Faker.guangdong_city, Faker.values())], "广东")  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Map-广东地图"), visualmap_opts=opts.VisualMapOpts()  
    )  
     
)  
  
c2 = (  
    Map()  
    .add("商家A", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),  
        visualmap_opts=opts.VisualMapOpts(max_=200),  
    )  
)  
  
# c1.render\_notebook()  
c2.render_notebook()  

      

6.特色图表使用

在学习pyecharts时，看到一些比较有意思的（动态展示）组件，如随着时间动态展示图表数据的变化。这里做下介绍

• Timeline：时间线轮播多图 先声明一个 Timeline , 按照展示的时间顺序，将图表add到 Timeline 上; 可以通过播放按钮循环按照时间顺序展示图表。

              
from pyecharts import options as opts  
from pyecharts.charts import Pie, Timeline  
from pyecharts.faker import Faker  
  
attr = Faker.choose()  
tl = Timeline()  
for i in range(2015, 2020):  
    pie = (  
        Pie()  
        .add(  
            "商家A",  
            [list(z) for z in zip(attr, Faker.values())],  
            rosetype="radius",  
            radius=["30%", "55%"],  
        )  
        .set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))  
    )  
    tl.add(pie, "{}年".format(i))  
tl.render_notebook()  

          

• 仪表盘

              
from pyecharts import options as opts  
from pyecharts.charts import Gauge  
  
c = (  
    Gauge()  
    .add("", [("完成率", 30.6)], radius="70%",  
        axisline_opts=opts.AxisLineOpts(  
            linestyle_opts=opts.LineStyleOpts(  
                color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=30)  
            ),  
            title_label_opts=opts.LabelOpts(  
                font_size=20, color="blue", font_family="Microsoft YaHei"  
            ),  
        )  
    .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"), legend_opts=opts.LegendOpts(is_show=False),)  
  
)  
c.render_notebook()  

          

7.其他图表一览

从上面的实例看，已经展示地图，条形图，折线图，饼图，仪表盘。这里展示下pyecharts提供的更多的图表，

• 雷达图 Radar

• 树形图 Tree

• 热力图 heatMap

• 日历图 Calendar

• 散点图 Scatter

• 3D图 Bar3D

• 箱型图 Boxplot

8.总结

本文介绍的基于echarts的python动态图表展示组件pyecharts，除了提供众多常用的图表外，最重要的是支持动态操作数据。总结如下：

• pyecharts所有的图像属性设置都通过opts来设置，有图表初始属性/全局属性/系列属性
• 本文提供常用的配置，足够用了，拿走不谢，见 常用配置使用
• pyecharts 支持多图表组合，如折线图和条形图 overlap， 多个图表grid展示
• pyecharts好用的map，可以展示中国省市，世界各国地图，请按照[位置，value]准备数据
• Timeline可以让你的图表按照时间轮播
• 更多图表参见 参考资料

9.参考资料

• https://pyecharts.org/#/zh-cn/quickstart

作者简介：wedo实验君, 数据分析师；热爱生活，热爱写作

赞 赏 作 者

更多阅读

5 分钟快速上手 pytest 测试框架

5分钟掌握 Python 随机爬山算法

5分钟快速掌握 Adam 优化算法

特别推荐

点击下方阅读原文加入 社区会员