人生苦短, 我用 Python
前文传送门:
小白学 Python 数据分析(1): 数据分析基础 https://www.geekdigging.com/2020/01/19/6719980708/
小白学 Python 数据分析 (2):Pandas (一) 概述 https://www.geekdigging.com/2020/01/20/6718497214/
小白学 Python 数据分析 (3):Pandas (二) 数据结构 Series https://www.geekdigging.com/2020/02/04/3234667780/
小白学 Python 数据分析 (4):Pandas (三) 数据结构 DataFrame https://www.geekdigging.com/2020/02/05/9920298470/
小白学 Python 数据分析 (5):Pandas (四) 基础操作 (1) 查看数据 https://www.geekdigging.com/2020/02/16/6852411690/
小白学 Python 数据分析 (6):Pandas (五) 基础操作 (2) 数据选择 https://www.geekdigging.com/2020/02/20/6566891797/
小白学 Python 数据分析 (7):Pandas (六) 数据导入 https://www.geekdigging.com/2020/02/23/7355903936/
小白学 Python 数据分析 (8):Pandas (七) 数据预处理 https://www.geekdigging.com/2020/02/25/9013297409/
小白学 Python 数据分析 (9):Pandas (八) 数据预处理(2) https://www.geekdigging.com/2020/02/27/2857868620/
小白学 Python 数据分析 (10):Pandas (九) 数据运算 https://www.geekdigging.com/2020/02/29/5808964196/
小白学 Python 数据分析 (11):Pandas (十) 数据分组 https://www.geekdigging.com/2020/03/03/5975552137/
小白学 Python 数据分析 (12):Pandas (十一) 数据透视表(pivot_table) https://www.geekdigging.com/2020/03/04/8327177610/
小白学 Python 数据分析 (13):Pandas (十二) 数据表拼接 https://www.geekdigging.com/2020/03/06/5036602239/
小白学 Python 数据分析 (14):Pandas (十三) 数据导出 https://www.geekdigging.com/2020/03/07/6918490736/
小白学 Python 数据分析(15): 数据可视化概述 https://www.geekdigging.com/2020/03/09/7393240956/
小白学 Python 数据分析 (16):Matplotlib(一) 坐标系 https://www.geekdigging.com/2020/03/14/2444388683/
小白学 Python 数据分析 (17):Matplotlib(二) 基础操作 https://www.geekdigging.com/2020/03/16/2401104162/
小白学 Python 数据分析 (18):Matplotlib(三) 常用图表(上) https://www.geekdigging.com/2020/03/18/2955681967/
小白学 Python 数据分析 (19):Matplotlib(四) 常用图表(下) https://www.geekdigging.com/2020/03/20/4774396761/
在开始说 pyecharts 之前, 先说一个个人的拙见, 我一直认为学习, 了解或者使用某个类库的时候最好是通过官方的文档, 有些时候某些库的文档是由外文编写的, 阅读不便的时候通过浏览器自带的翻译大致也能看懂. 而 pyecharts 是由国人做的, 有中文文档, 下面先贴几个官方的链接:
官方文档: https://pyecharts.org/#/zh-cn/intro
GitHub: https://github.com/pyecharts/pyecharts
百度 Echarts 示例: https://www.echartsjs.com/examples/zh/
简介就直接摘抄官方文档了, 以下内容来自官方文档:
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.
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+ 地图文件以及原生的百度地图, 为地理数据可视化提供强有力的支持
安装
安装还是照着官方文档来, 首先是使用 pip 进行安装:
pip install pyecharts
这里有一点需要注意, 目前的 pyecharts v1.x 的版本仅支持 python3.6 以上的版本.
如果不想通过 pip 安装, 还可以使用源码进行安装:
- Git clone https://github.com/pyecharts/pyecharts.git
- cd pyecharts
- pip install -r requirements.txt
- python setup.py install
- # 或者执行 python install.py
官方还为我们提供了一个查看当前 pyecharts 版本的方法:
- import pyecharts
- print(pyecharts.__version__)
我这边运行得到的结果是:
1.7.0
- from pyecharts.charts import Bar
- bar = Bar()
- bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
- bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
- bar.render()
- from pyecharts.charts import Bar
- bar = (
- Bar()
- .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
- .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
- )
- bar.render()
- from pyecharts.charts import Bar
- from pyecharts import options as opts
- bar = (
- Bar()
- .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
- .add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
- .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17 年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
- )
- bar.render('render_1.html')
- # 调用方法写法, 与上面的链式调用无任何区别
- bar = Bar()
- bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
- bar.add_yaxis("产品销量", [58000,60200,63000,71000,84000,90500,107000])
- bar.set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17 年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
- bar.render('render_1.html')
- from pyecharts.charts import Bar
- from pyecharts.render import make_snapshot
- from snapshot_selenium import snapshot
- bar = (
- Bar()
- .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
- .add_yaxis("产品销量", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
- .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17 年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
- )
- make_snapshot(snapshot, bar.render(), "bar_1.png")
- from pyecharts.charts import Bar
- from pyecharts.globals import ThemeType
- bar = (
- Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
- .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
- .add_yaxis("产品 A", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
- .add_yaxis("产品 B", [78000,80200,93000,101000,64000,70500,87000])
- .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17 年 xxx 公司 xx 产品销量图", subtitle="这里是副标题"))
- )
- bar.render('render_2.html')
来源: https://www.cnblogs.com/babycomeon/p/12563911.html