小白学 Python 数据分析（20）：pyecharts 概述

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了小白学 Python 数据分析（20）：pyecharts 概述，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6197字，纯文字阅读大概需要9分钟。

内容图文

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

小白学 Python 数据分析（2）：Pandas （一）概述

小白学 Python 数据分析（3）：Pandas （二）数据结构 Series

小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame

小白学 Python 数据分析（5）：Pandas （四）基础操作（1）查看数据

小白学 Python 数据分析（6）：Pandas （五）基础操作（2）数据选择

小白学 Python 数据分析（7）：Pandas （六）数据导入

小白学 Python 数据分析（8）：Pandas （七）数据预处理

小白学 Python 数据分析（9）：Pandas （八）数据预处理（2）

小白学 Python 数据分析（10）：Pandas （九）数据运算

小白学 Python 数据分析（11）：Pandas （十）数据分组

小白学 Python 数据分析（12）：Pandas （十一）数据透视表（pivot_table）

小白学 Python 数据分析（13）：Pandas （十二）数据表拼接

小白学 Python 数据分析（14）：Pandas （十三）数据导出

小白学 Python 数据分析（15）：数据可视化概述

小白学 Python 数据分析（16）：Matplotlib（一）坐标系

小白学 Python 数据分析（17）：Matplotlib（二）基础操作

小白学 Python 数据分析（18）：Matplotlib（三）常用图表（上）

小白学 Python 数据分析（19）：Matplotlib（四）常用图表（下）

引言

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

目前（2020年3月20日）官方最新的版本为 v1.7.1 ，查看地址为：https://github.com/pyecharts/pyecharts/releases ，可以看到最新版本是 8 天前发布的。

因为我这里的 pyecharts 是上周装的，在这之间正好发布了新的版本，如果想要更新版本，可以使用以下 pip 命令进行更新：

pip install --upgrade pyecharts

我这里更新完以后再次运行上面的查看版本的方法，已经变成最新的 v1.7.1 版本了。

快速开始

pyecharts 库装好了，接下来赶紧搞一个最简单的示例先试试看：

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()

调用 render() 方法的时候会在本地生成一个 HTML 文件，默认会在当前目录生成 render.html 文件，同时也可以传入路径的参数，如 bar.render("mycharts.html") ，拿着这个 HTML 文件直接扔到浏览器中运行就能看到我们刚才创建的柱状图了。

pyecharts 的方法都支持链式调用，就是上面这一段我们可以换成链式调用的写法，如下：

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()

链式调用的除了写法和前面的不同，作用完全相同，各位同学选择自己习惯的写法就行。

在使用 pyecharts 的时候，大量的配置是使用 options 完成的，下面看一个使用 options 进行主标题和副标题配置的小示例：

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')

如果想要将结果保存成图片，需要使用 snapshot-selenium 将结果渲染成图片，如果没有安装的话需要先安装，安装命令如下：

pip install snapshot_selenium

这里有一点需要注意，如果想要正常的使用 snapshot_selenium ，需要本地有和当前 Chrome 正常配套的 ChromeDriver ，如果没有，需要先安装。

如果是我的老读者的话，前面在介绍爬虫的时候有介绍过 ChromeDriver 怎么安装，具体可以参考「小白学 Python 爬虫（2）：前置准备（一）基本类库的安装」

接着看一个示例：

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")

这时，在同目录下生成了一个名称为 bar_1.png 的图片，就不贴出来了，和上面的图片是一样的，只是这张 png 图片是透明底的。

同时，pyecharts 还提供了 10+ 种内置主题，如果有需要也可以自己定制自己喜欢的主题，示例如下：

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')

结果如下：

代码仓库

老规矩，所有的示例代码都会上传至代码管理仓库 Github 和 Gitee 上，方便大家取用。

示例代码-Github

示例代码-Gitee

参考

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

内容总结

以上是互联网集市为您收集整理的小白学 Python 数据分析（20）：pyecharts 概述全部内容，希望文章能够帮你解决小白学 Python 数据分析（20）：pyecharts 概述所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---