【Python】pyecharts 数据可视化模块

ゝ一纸荒年。 2024-04-06 10:37 253阅读 0赞

文章目录

    1. pyecharts 模块介绍
    1. pyecharts 模块安装
    1. pyecharts 配置选项
    • 3.1 全局配置选项
    • 3.2 系列配置选项
    1. 基础折线图的构建
    • 4.1 基本使用流程
    • 4.2 实现2020年美印日确诊人数对比折线图
    1. 基础地图构建
    • 5.1 基本使用流程
    • 5.2 实现国内疫情地图
    • 5.3 实现省级疫情地图
    1. 基础柱状图构建
    • 6.1 基本使用流程
    • 6.2 基础时间线柱状图
    • 6.3 实现动态 GDP 柱状图

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

  1. 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。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wc8Kln7g-1663534035693)(C:/Users/bbbbbge/Pictures/接单/57307650-8a4d0280-7117-11e9-921f-69b8e9c5e4aa.png)\]

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-naXSmtF4-1663534035693)(C:/Users/bbbbbge/Pictures/接单/58749659-3554a000-84bb-11e9-9421-b1905e2f3430.png)\]

示例代码：通过折线图对象对折线图进行全局配置

  1. from pyecharts.charts import Line
  2. from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
  4. # 获取折线图对象
  5. line = Line()
  7. # 对折线图进行全局配置
  8. line.set_global_opts(
  9.     # 设置标题、标题的位置...
  10.     title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
  11.     # 设置图例是展示的...
  12.     legend_opts=LegendOpts(is_show=True),
  13.     # 设置工具箱是展示的
  14.     toolbox_opts=ToolboxOpts(is_show=True),
  15.     # 设置视觉映射是展示的
  16.     visualmap_opts=VisualMapOpts(is_show=True)
  17. )

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。

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lp1TPnlT-1663534035694)(C:/Users/bbbbbge/Pictures/接单/1663533963317.png)\]

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

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

  2. 获取折线图对象

    1. line = Line()

  3. 添加 x、y 轴数据（添加系列配置）

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

  4. 添加全局配置

    1. line.set_global_opts(
    2.     # 设置标题、标题的位置...
    3.     title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
    4.     # 设置图例是展示的...
    5.     legend_opts=LegendOpts(is_show=True),
    6.     # 设置工具箱是展示的
    7.     toolbox_opts=ToolboxOpts(is_show=True),
    8.     # 设置视觉映射是展示的
    9.     visualmap_opts=VisualMapOpts(is_show=True)
    10. )

  5. 生成图表（通过 render 方法将代码生成图像）

    1. line.render()

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-s22QvLcb-1663534035694)(C:/Users/bbbbbge/Pictures/接单/1663442704565.png)\]

4.2 实现2020年美印日确诊人数对比折线图

  1. import json
  2. from pyecharts.charts import Line
  5. # 获取不同国家疫情时间
  6. from pyecharts.options import TitleOpts, LabelOpts
  9. def getdata(file):
  10.     # 处理数据
  11.     try:
  12.         f = open(file, 'r', encoding='utf8')
  13.     except FileNotFoundError as e:
  14.         print(f"文件不存在，具体错误为：{
  15.       e}")
  16.     else:
  17.         data = f.read()
  19.         # JSON 转 Python 字典
  20.         dict = json.loads(data)
  22.         # 获取 trend
  23.         trend_data = dict['data'][0]['trend']
  25.         # 获取日期数据，用于 x 轴（只拿2020年的数据）
  26.         x_data = trend_data['updateDate'][:314]
  28.         # 获取确认数据，用于 y 轴
  29.         y_data = trend_data['list'][0]['data'][:314]
  31.         # 返回结果
  32.         return x_data, y_data
  33.     finally:
  34.         f.close()
  37. # 获取美国数据
  38. us_x_data, us_y_data = getdata("E:\\折线图数据\\美国.txt")
  40. # 获取印度数据
  41. in_x_data, in_y_data = getdata("E:\\折线图数据\\印度.txt")
  43. # 获取日本数据
  44. jp_x_data, jp_y_data = getdata("E:\\折线图数据\\日本.txt")
  46. # 生成图表
  47. line = Line()
  49. # 添加 x 轴数据（日期，公用数据，不同国家都一样）
  50. line.add_xaxis(us_x_data)
  52. # 添加 y 轴数据（设置 y 轴的系列配置，将标签不显示）
  53. line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国数据
  54. line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度数据
  55. line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本数据
  57. # 配置全局选项
  58. line.set_global_opts(
  59.     # 设置标题
  60.     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%"),
  62. )
  64. # 生成图表
  65. line.render()

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xTgdFFI9-1663534035696)(C:/Users/bbbbbge/Pictures/接单/1663442822382.png)\]

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

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

  2. 获取地图对象

    1. map = Map()

  3. 准备好数据

    1. data = [
    2.     ("北京", 99),
    3.     ("上海", 199),
    4.     ("广州", 299),
    5.     ("湖南", 199),
    6.     ("安徽", 99),
    7.     ("湖北", 399),
    8. ]

  4. 添加数据到地图对象中

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

  5. 添加全局配置

    1. map.set_global_opts(
    2.     # 设置视觉映射配置
    3.     visualmap_opts=VisualMapOpts(
    4.         # 打开视觉映射（可能不精准，因此可以开启手动校准）
    5.         is_show=True,
    6.         # 开启手动校准范围
    7.         is_piecewise=True,
    8.         # 设置要校准参数的具体范围
    9.         pieces=[
    10.             {
    11.       "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
    12.             {
    13.       "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
    14.             {
    15.       "min": 100, "max": 199, "label": "100~199人", "color": "#FF9966"},
    16.             {
    17.       "min": 200, "max": 299, "label": "200~299人", "color": "#FF6666"},
    18.             {
    19.       "min": 300, "label": "300人以上", "color": "#CC3333"},
    20.         ]
    21.     )
    22. )

  6. 生成地图

    1. map.render()

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MnlFU2Nc-1663534035696)(C:/Users/bbbbbge/Pictures/接单/1663515150579.png)\]

5.2 实现国内疫情地图

  1. import json
  2. from pyecharts.charts import Map
  3. from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts
  5. # 读取数据
  6. f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8')
  7. str_json = f.read()
  9. # 关闭文件
  10. f.close()
  12. # JSON 转 python 字典
  13. data_dict = json.loads(str_json)
  15. # 取到各省数据
  16. province_data_list = data_dict['areaTree'][0]['children']
  18. # 组装每个省份和确诊人数为元组，并封装到列表内
  19. data_list = []
  20. for province_data in province_data_list:
  21.     province_name = province_data['name']
  22.     province_total_confirm = province_data['total']['confirm']
  23.     data_list.append((province_name, province_total_confirm))
  25. # 创建地图对象
  26. map = Map()
  28. # 添加数据
  29. map.add("各省确诊总人数", data_list, "china")
  31. # 设置全局配置，定制分段的视觉映射
  32. map.set_global_opts(
  33.     title_opts=TitleOpts('全国疫情地图', pos_left='center', pos_bottom='1%'),
  34.     legend_opts=LegendOpts(is_show=True),
  35.     visualmap_opts=VisualMapOpts(
  36.         is_show=True,
  37.         is_piecewise=True,
  38.         pieces=[
  39.             {
  40.     "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
  41.             {
  42.     "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
  43.             {
  44.     "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"},
  45.             {
  46.     "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"},
  47.             {
  48.     "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"},
  49.             {
  50.     "min": 10000, "label": "10000人以上", "color": "#990033"}
  51.         ]
  52.     )
  53. )
  55. # 绘图
  56. map.render()

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d31aUbR0-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663517314716.png)\]

5.3 实现省级疫情地图

  1. import json
  2. from pyecharts.charts import Map
  3. from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts
  5. # 读取数据
  6. f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8')
  7. str_json = f.read()
  9. # 关闭文件
  10. f.close()
  12. # JSON 转 python 字典
  13. data_dict = json.loads(str_json)
  15. # 取到河南省数据
  16. city_data_list = data_dict['areaTree'][0]['children'][3]['children']
  18. # 组装每个市和确诊人数为元组，并封装到列表内
  19. data_list = []
  20. for city_data in city_data_list:
  21.     city_name = city_data['name'] + "市"
  22.     city_total_confirm = city_data['total']['confirm']
  23.     data_list.append((city_name, city_total_confirm))
  25. # 创建地图对象
  26. map = Map()
  28. # 添加数据
  29. map.add("各市确诊总人数", data_list, "河南")
  31. # 设置全局配置，定制分段的视觉映射
  32. map.set_global_opts(
  33.     title_opts=TitleOpts('河南省疫情地图', pos_left='center', pos_bottom='1%'),
  34.     legend_opts=LegendOpts(is_show=True),
  35.     visualmap_opts=VisualMapOpts(
  36.         is_show=True,
  37.         is_piecewise=True,
  38.         pieces=[
  39.             {
  40.     "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
  41.             {
  42.     "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
  43.             {
  44.     "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"},
  45.             {
  46.     "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"},
  47.             {
  48.     "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"},
  49.             {
  50.     "min": 10000, "label": "10000人以上", "color": "#990033"}
  51.         ]
  52.     )
  53. )
  55. # 绘图
  56. map.render()

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gJ5o5iKi-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663522373596.png)\]

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

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

  2. 获取地图对象

    1. bar = Bar()

  3. 添加 x 和 y 轴数据

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

  4. 添加全局配置

    1. bar.set_global_opts(
    2.     title_opts=TitleOpts("基础柱状图", pos_left='center', pos_bottom='1%')
    3. )

  5. 生成地图

    1. bar.render()

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vh4Qlrt7-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663522919082.png)\]

  6. 反转 xy 轴

    1. bar.reversal_axis()

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7BsiESkb-1663534035698)(C:/Users/bbbbbge/Pictures/接单/1663522994666.png)\]

  7. 将数值标签添设置到右侧

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

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fE8QLj2L-1663534035698)(C:/Users/bbbbbge/Pictures/接单/1663523166227.png)\]

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

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

  2. 准备好图表对象并添加好数据

    1. bar1 = Bar()
    2. bar1.add_xaxis(["中国", "英国", "美国"])
    3. bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))
    4. bar1.reversal_axis()
    6. bar2 = Bar()
    7. bar2.add_xaxis(["中国", "英国", "美国"])
    8. bar2.add_yaxis("GDP", [50, 20, 30], label_opts=LabelOpts(position='right'))
    9. bar2.reversal_axis()
    11. bar3 = Bar()
    12. bar3.add_xaxis(["中国", "英国", "美国"])
    13. bar3.add_yaxis("GDP", [60, 30, 40], label_opts=LabelOpts(position='right'))
    14. bar3.reversal_axis()

  3. 创建时间线对象 Timeline

    1. timeline = Timeline()

  4. 将图表添加到 Timeline 对象中

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

  5. 通过时间线绘图

    1. timeline.render()

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ntMHTc1m-1663534035698)(C:/Users/bbbbbge/Pictures/接单/时间线柱状图1.gif)\]

  6. 设置自动播放

    1. timeline.add_schema(
    2.     play_interval=1000,      # 自动播放的时间间隔，单位毫秒
    3.     is_timeline_show=True,  # 是否显示自动播放的时候，显示时间线（默认 True）
    4.     is_auto_play=True,       # 是否在自动播放（默认 False）
    5.     is_loop_play=True        # 是否循环自动播放（默认 True）
    6. )

  7. 设置时间线主题

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

    \[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-h0M3SJqz-1663534035699)(C:/Users/bbbbbge/Pictures/接单/1663525982772.png)\]

    主题参数如下：\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KzhRf3Qd-1663534035699)(C:/Users/bbbbbge/Pictures/接单/1663526045006.png)\]

6.3 实现动态 GDP 柱状图

  1. import json
  2. from pyecharts.charts import Bar, Timeline
  3. from pyecharts.options import *
  4. from pyecharts.globals import ThemeType
  6. # 读取数据
  7. f = open("E:\\动态柱状图数据\\1960-2019全球GDP数据.csv", 'r', encoding='GB2312')
  8. data_lines = f.readlines()
  10. # 关闭文件
  11. f.close()
  13. # 删除第一条数据
  14. data_lines.pop(0)
  16. # 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], ...}
  17. data_dict = dict()
  19. for line in data_lines:
  20.     year = int(line.split(',')[0])  # 年份
  21.     country = line.split(',')[1]  # 国家
  22.     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
  24.     try:  # 如果 key 不存在，则会抛出异常 KeyError
  25.         data_dict[year].append([country, gdp])
  26.     except KeyError:
  27.         data_dict[year] = [[country, gdp]]
  29. # 排序年份（字典对象的 key 可能是无序的）
  30. sorted_year_list = sorted(data_dict.keys())
  32. # 创建时间线对象
  33. timeline = Timeline({
  34.     "theme": ThemeType.LIGHT})
  36. # 组装数据到 Bar 对象中，并添加到 timeline 中
  37. for year in sorted_year_list:
  38.     data_dict[year].sort(key=lambda element: element[1], reverse=True)
  39.     # 该年份GDP前八的国家
  40.     year_data = data_dict[year][:8]
  41.     x_data = []
  42.     y_data = []
  43.     for country_gdp in year_data:
  44.         x_data.append(country_gdp[0])
  45.         y_data.append(country_gdp[1] / 100000000)
  46.     # 创建柱状图
  47.     bar = Bar()
  48.     x_data.reverse()
  49.     y_data.reverse()
  50.     # 添加 x y 轴数据
  51.     bar.add_xaxis(x_data)
  52.     bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position='right'))
  53.     # 反转 x y 轴
  54.     bar.reversal_axis()
  55.     # 设置每一年的图表的标题
  56.     bar.set_global_opts(
  57.         title_opts=TitleOpts(f"{
  58.       year}年GDP全球前8国家", pos_left='5%')
  59.     )
  60.     # 将 bar 对象添加到 timeline 中
  61.     timeline.add(bar, year)
  63. # 设置自动播放参数
  64. timeline.add_schema(
  65.     play_interval=1000,      # 自动播放的时间间隔，单位毫秒
  66.     is_timeline_show=True,   # 是否显示自动播放的时候，显示时间线（默认 True）
  67.     is_auto_play=True,       # 是否在自动播放（默认 False）
  68.     is_loop_play=True        # 是否循环自动播放（默认 True）
  69. )
  71. # 通过时间线绘图
  72. timeline.render("1960~2019全球GDP前8国家.html")

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I42LyjDV-1663534035699)(C:/Users/bbbbbge/Pictures/接单/时间线柱状图2.gif)\]

发表评论

表情：
评论列表 （有 0 条评论，253人围观）

还没有评论，来说两句吧...

相关阅读

    相关 数据可视化-总结

    前言 突然要做PPT，但是一般PPT的工具可以做的图标太小了，虽然PPT中的图标展示较少，更多的是流程图、时序图，但是有时候一些优秀的展示方式也可以让我们的PPT更完美，

    忘是亡心i忘是亡心i/ 0 赞/ 506 阅读

    相关 数据可视化概览

    一、什么是数据可视化 科学可视化（Scientific Visualization）、 信息可视化（Information Visualization）和可视分析学（Vi

    墨蓝墨蓝/ 0 赞/ 690 阅读