Pyecharts 概覽

---

文章目錄

• Pyecharts 概覽
• 前言
• 一. Pyecharts 簡介
• • 1.1 概況
  • 1.2 特性
  • 1.3 版本
• 二. 快速開始
• • 2.1 如何查看使用的 pyecharts 版本？
  • 2.2 如何安裝？
  • 2.3 5 分鐘上手
  • 2.4 使用主題
  • 2.5 使用 Notebook
• 總結

---

前言

由于 Pyecharts 的優秀特性，想對它進行詳細的學習，這里也是對有用的地方做個簡單筆記，如果有小伙伴對該庫也很感興趣，也可以直接研究Pyecharts官方文檔。本文主要是對 Pyecharts 庫做簡單的介紹和入門。

---

一. Pyecharts 簡介

1.1 概況

Echarts 是一個由百度開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用于數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

1.2 特性

• 簡潔的 API 設計，使用如絲滑般流暢，支持鏈式調用
• 囊括了 30+ 種常見圖表，應有盡有
• 支持主流 Notebook 環境，Jupyter Notebook 和 JupyterLab
• 可輕松集成至 Flask，Django 等主流 Web 框架
• 高度靈活的配置項，可輕松搭配出精美的圖表
• 詳細的文檔和示例，幫助開發者更快的上手項目
• 多達 400+ 地圖文件以及原生的百度地圖，為地理數據可視化提供強有力的支持

1.3 版本

Pyecharts 分為 v0.5.X 和 v1 兩個大版本，v0.5.X 和 v1 間不兼容，v1 是一個全新的版本（建議使用v1），僅支持 Python3.6+。

二. 快速開始

2.1 如何查看使用的 pyecharts 版本？

import pyechartsprint(pyecharts.__version__)

2.2 如何安裝？

# pip安裝 pip(3) install pyecharts# 源碼安裝 git clone https://github.com/pyecharts/pyecharts.git cd pyecharts pip install -r requirements.txt python setup.py install # 或者執行 python install.py

2.3 5 分鐘上手

首先開始來繪制你的第一個圖表

from pyecharts.charts import Barbar = Bar() bar.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]) bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) # render 會生成本地 HTML 文件，默認會在當前目錄生成 render.html 文件 # 也可以傳入路徑參數，如 bar.render("mycharts.html") bar.render()

pyecharts 所有方法均支持鏈式調用。
注： 這里鏈式，通俗點就是直接在Bar()后面用 . 直接調用，像調用函數一樣，記得最外面有一個小括號哦。

from pyecharts.charts import Barbar = (Bar().add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) ) bar.render()

使用 options 配置項，在 pyecharts 中，一切皆 Options。

from pyecharts.charts import Bar from pyecharts import options as opts# V1 版本開始支持鏈式調用 # 你所看到的格式其實是 `black` 格式化以后的效果 # 可以執行 `pip install black` 下載使用 bar = (Bar().add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]).set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題"))# 或者直接使用字典參數# .set_global_opts(title_opts={"text": "主標題", "subtext": "副標題"}) ) bar.render()# 不習慣鏈式調用的開發者依舊可以單獨調用方法 bar = Bar() bar.add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]) bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) bar.set_global_opts(title_opts=opts.TitleOpts(title="主標題", subtitle="副標題")) bar.render()

渲染成圖片文件。

from pyecharts.charts import Bar from pyecharts.render import make_snapshot# 使用 snapshot-selenium 渲染圖片 from snapshot_selenium import snapshotbar = (Bar().add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]).add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) ) make_snapshot(snapshot, bar.render(), "bar.png")

2.4 使用主題

pyecharts 提供了 10+ 種內置主題，開發者也可以定制自己喜歡的主題，進階話題-定制主題 有相關介紹。

from pyecharts.charts import Bar from pyecharts import options as opts # 內置主題類型可查看 pyecharts.globals.ThemeType from pyecharts.globals import ThemeTypebar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add_xaxis(["襯衫", "羊毛衫", "雪紡衫", "褲子", "高跟鞋", "襪子"]).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="主標題", subtitle="副標題")) )

Note: 在使用 Pandas&Numpy 時，請確保將數值類型轉換為 python 原生的 int/float。比如整數類型請確保為 int，而不是 numpy.int32

2.5 使用 Notebook

當然你也可以采用更加酷炫的方式，使用 Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的。pyecharts 支持 Jupyter Notebook / Jupyter Lab / Nteract / Zeppelin 四種環境的渲染。

---

總結

本文就是簡單的介紹了一些Pyecharts的特性以及展示了幾個基本圖形。

總結

以上是生活随笔為你收集整理的Pyecharts概览的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。