【2019.05】Python 教程系列 7 - PyEcharts 1.0.0版本（本地环境、Notebook环境）

PyEcharts教程有很多，但很多都是0.5版本的
官方提示：v0.5.X 和 V1 间不兼容，V1 是一个全新的版本。官方表明0.5版本已不再维护
所以这里是1.0.0版本的教程

0 引言

看 PyEcharts 名字就猜得到

PyEcharts = Python + Echarts

Echarts 是一个由百度开源的数据可视化工具，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 就不用多说了。

当 Python 遇到了 Echarts，就变成了 PyEcharts。

安装

# 安装 1.0.x 以上版本
$ pip install pyecharts -U# 如果需要安装 0.5.11 版本的开发者，可以使用
# pip install pyecharts==0.5.11

使用

一、本地使用

1. 生成HTML

xxx.render()

来看一个具体的例子：

from pyecharts.charts import Barbar = (Bar().add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]).add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]).add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]).set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
)
bar.render()

'C:\\Users\\admin\\PycharmProjects\\Life_Process_Study\\StudyPacticePython\\Base_Python\\python入门\\render.html'

2. 生成图片

from snapshot_selenium import snapshot as driverfrom pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshotdef bar_chart() -> Bar:c = (Bar().add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]).add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]).add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]).reversal_axis().set_series_opts(label_opts=opts.LabelOpts(position="right")).set_global_opts(title_opts=opts.TitleOpts(title="Bar-测试渲染图片")))return c# 需要安装 snapshot_selenium
make_snapshot(driver, bar_chart().render(), "bar.png")

二、Notebook 环境

Jupyter Notebook

from pyecharts import options as opts
from pyecharts.charts import Barbar = (Bar().add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"]).add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]).add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]).reversal_axis().set_series_opts(label_opts=opts.LabelOpts(position="right")).set_global_opts(title_opts=opts.TitleOpts(title="Bar-jupyter渲染图片")))

bar.render_notebook()

详细内容

pyecharts包含的图表

• Bar（柱状图/条形图）
• Bar3D（3D 柱状图）
• Boxplot（箱形图）
• EffectScatter（带有涟漪特效动画的散点图）
• Funnel（漏斗图）
• Gauge（仪表盘）
• Geo（地理坐标系）
• Graph（关系图）
• HeatMap（热力图）
• Kline（K线图）
• Line（折线/面积图）
• Line3D（3D 折线图）
• Liquid（水球图）
• Map（地图）
• Parallel（平行坐标系）
• Pie（饼图）
• Polar（极坐标系）
• Radar（雷达图）
• Sankey（桑基图）
• Scatter（散点图）
• Scatter3D（3D 散点图）
• ThemeRiver（主题河流图）
• WordCloud（词云图）

pyecharts 特性：

• 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
• 囊括了 30+ 种常见图表，应有尽有
• 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
• 可轻松集成至 Flask，Django 等主流 Web 框架
• 高度灵活的配置项，可轻松搭配出精美的图表
• 详细的文档和示例，帮助开发者更快的上手项目
• 多达 400+ 地图，为地理数据可视化提供强有力的支持

如果要使用 Map 模块，还需要安装几个地图文件：

pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg

相关参数说明：
先介绍一些可能会用到的基本函数：

• add() 主要方法，用于添加图表的数据和设置各种配置项
• show_config() 打印输出图表的所有配置项
• render() 默认将会在根目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 render(r"e:my_first_chart.html")，文件用浏览器打开。
• 在jupyter中使用，xxx.render_notebook() 方法可以再jupyter中显示图

基本上所有的图表类型都是这样：

• chart_name = Type() 初始化具体类型图表。
• add() 加数据及配置项。
• render() 生成 .html 文件。

后边有时间了添加 例子吧