通过本篇了解ECharts与pyecharts数据可视化的特点，能实现简单的ECharts与pyecharts数据可视化操作。

01、pyecharts数据可视化介绍

pyecharts是一个用于生成 Echarts 图表的类库，是一款将Python与ECharts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。值得注意的是：目前 pyecharts分为 v0和 v1 两个大版本，版本之间相互不兼容。由于v1 是一个全新的版本，因此用 v1来运行 v0的代码是肯定会报错的。

02、pyecharts安装与使用

在使用pyecharts之前，首先要安装它。在Windows命令行中使用以下命令来执行安装过程：

pip install pyecharts

执行后，可输入以下命令查看：

pip list

图7-9显示安装成功。

■ 图7-9 pyecharts安装成功

如用户需要用到地图图表，可自行安装对应的地图文件包。命令如下：

pip install echarts-countries-pypkg，安装全球国家地图
pip install echarts-china-provinces-pypkg，安装中国省级地图
pip install echarts-china-cities-pypkg，安装中国市级地图

 在安装完地图库以后，即可进行地图的数据可视化显示。

03、pyecharts可视化绘图

使用 pyecharts绘制图形的步骤主要有以下几步。

（1）导入库并定义图表的类型：

from pyecharts.charts import chart_name

 （2）创建一个具体类型实例对象：

chart_name = chart_name（）

 （3）添加图表的各项数据：

chart_name.add_xaxis；chart_name.add_yaxis

 （4）添加其他配置：

.set_global_opts（）

 （5）生成html网页：

chart_name.render（）

值得注意的是：v1版本中从 pyecharts.charts 中引入元件，而不是从 pyecharts 引入。

pyecharts中常见的图表全局配置如表7-3所示，pyecharts中常见的图表系列配置如表7-4所示， pyecharts中常见的图表名称及含义如表7-5所示，pyecharts图表初始化参数名称及含义如表7-6所示。

表7-3  pyecharts中常见的图表全局配置

 表7-4  pyecharts中常见的图表系列参数

 表7-5 pyecharts中常见的图表名称以及含义

 这里列举了在pyecharts中常用的导入图表类型的方法：

from pyecharts.charts import Scatter # 导入散点图
from pyecharts.charts import Line # 导入折线图
from pyecharts.charts import Pie # 导入饼图
from pyecharts.charts import Geo # 导入地图

 表7-6  pyecharts图表初始化参数名称及含义

在pyecharts可以绘制多种图表，下面分别介绍。

1●绘制条形图/柱状图

在pyecharts中绘制条形图/柱状图是通过条形/柱状的高度和条形的宽度来表现数据的大小。

（1）创建简单的柱状图

【例7-7】用pyecharts库绘制柱状图，代码如下。

from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(["数学", "物理", "化学", "英语"])
bar.add_yaxis("成绩", [70, 85, 95, 64])
bar.render()

 该例通过语句from pyecharts.charts import Bar引入了pyecharts库。语句bar = Bar（）创建实例，在pyecharts的每一个图形库都被封装成为了一个类，这就是所谓的面向对象，在开发者使用这个类的时候，需要实例化这个类。声明类之后，相当于初始化了一个画布，之后的绘图就是在这个画布上进行。语句bar.add_xaxis(["数学", "物理", "化学", "英语"])设置了柱形图中x轴的数据，bar.add_yaxis("成绩", [70, 85, 95, 64])设置了图例以及y轴的数据。在pyecharts如果要绘制柱状图、散点图、折线图等二维数据图形，由于它既有X轴，又有Y轴，因此在代码书写中不仅要为X轴添加数据，还要为Y轴添加数据。最后通过函数render（）生成一个后缀名为render的网页，打开该网页即可查看数据可视化的结果。程序运行如图7-10所示。

 ■ 图7-10  pyecharts绘制柱形图

2）在柱状图中使用链式调用

pyecharts在v1.x 版本中 所有方法均支持链式调用（一种设计模式）。因此，本例的代码也可以这样写：

from pyecharts.charts import Bar
bar=(
Bar()
.add_xaxis(["数学", "物理", "化学", "英语"])
.add_yaxis("成绩", [70, 85, 95, 64])
)
bar.render()

（3）在柱状图中添加配置项

例7-7展示了一个图表最基本的信息，而在实际应用中，人们需要向图表中不断地添加信息来展示出图表中数据的分布、特点以及做此图的目的等等。因此，开发者可以使用 options 来配置各种图表参数。配置项有两种：全局配置项和系列配置项，配置项越细就能画出更多细节，尤其是全局配置项，它可通过 set_global_options 方法来设置，其中主要的配置内容包含有：x、y坐标轴设置、初始化配置、工具箱配置、标题配置、区域缩放配置、图例配置、提示框配置等，见表7-3。在pyecharts中引入options 代码如下：

from pyecharts import options as opts

 本例配置 options后代码如下：

from pyecharts.charts import Bar
from pyecharts import options as opts
bar=(
Bar()
.add_xaxis(["数学", "物理", "化学", "英语"])
.add_yaxis("成绩", [70, 85, 95, 64])
.set_global_opts(title_opts=opts.TitleOpts(title="期末考试", subtitle="小明"))
)
bar.render()

 在这里通过options 中的TitleOpts设置了主标题（title）为期末考试，副标题（subtitle）为小明，运行如图7-11所示。

■ 图7-11 pyecharts绘制柱形图并配置参数

（4）在柱状图中设置不同的主题

pyecharts给使用用户提供了一套主题样式，使用户对其的使用更加方便。导入主题风格的语句如下：

from pyecharts.globals import ThemeType

 设置主题的参数是ThemeType，设置主题的语句如下：

init_opts=opts.InitOpts(theme=ThemeType.x)

其中x为所设置的不同主题风格，在pyecharts包含的主题类型主要有以下几种：

CHALK：粉笔风格

DARK：暗黑风格

LIGHT：明亮风格

MACARONS：马卡龙风格

ROMANTIC：浪漫风格

SHINE:闪耀风格

VINTAGE：复古风格

WHITE：洁白风格

WONDERLAND：仙境风格

WALDEN：瓦尔登湖风格

本例设置主题风格为LIGHT后代码如下：

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
bar=(
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(["数学", "物理", "化学", "英语"])
.add_yaxis("成绩", [70, 85, 95, 64])
.set_global_opts(title_opts=opts.TitleOpts(title="期末考试", subtitle="小明"))
)
bar.render()

 运行如图7-12所示。

■  图7-12  pyecharts设置主题参数

当把主题风格设置为DARK后，Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))，运行如图7-13所示。

■ 图7-13  pyecharts设置主题参数2

（5）创建复杂的柱状图

【例7-8】在pyecharts中可绘制较为复杂的柱状图，代码如下：

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
    .add_xaxis(["张雨佳","龙珊","李欧亮","王伟","梁澜"])
    .add_yaxis("语文分数",[70,50,83,88,90])
    .add_yaxis("数学分数",[90,78,80,85,80])
    .set_global_opts(title_opts=opts.TitleOpts(title="期末成绩", subtitle="2021年第一学期"))
    )
bar.render("mycharts.html")

 该例通过增加多个.add_yaxis语句来实现复杂的柱状图，运行如图7-14所示。

■ 图7-14  pyecharts绘制复杂的柱状图

2●绘制折线图

在pyecharts中使用参数Line来绘制折线图。

【例7-9】用pyecharts库绘制简单折线图，代码如下。

from pyecharts import options as opts
from pyecharts.charts import Line
x_data = ['一月', '二月', '三月', '四月', '五月', '六月'] # x轴数据
y_data = [123, 153, 89, 107, 98, 23] # y轴数据
line = Line() # 初始化图表
line.add_xaxis(x_data) # x轴
line.add_yaxis('图书销售量', y_data) # y轴
line.render('zhexiantu1.html')

 运行如图7-15所示。

■ 图7-15  pyecharts绘制简单的折线图

【例7-10】用pyecharts库绘制复杂折线图，代码如下。

from pyecharts.charts import Line
from pyecharts import options as opts
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
#//设置数据
data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]
data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
line=(
#调用类
Line()
#添加x轴
 .add_xaxis(xaxis_data=columns)
#添加y轴
 .add_yaxis(series_name="折线图1",y_axis=data1)
 .add_yaxis(series_name="折线图2",y_axis=data2)
)
line.render('zhexiantu.html')

本例绘制了两条折线图，分别用折线图1和折线图来表示。程序运行如图7-16所示。

■ 图7-16  pyecharts绘制折线图

3●绘制雷达图

在pyecharts中使用参数Radar来绘制雷达图。

【例7-11】用pyecharts库绘制雷达图，代码如下。

from pyecharts.charts import Radar
radar = Radar()
#//由于雷达图传入的数据为多维数据，所以这里需要做一下处理
radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]]
radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]]
#//设置column的最大值，为了使雷达图更为直观，这里的月份最大值设置有所不同
schema = [
    ("Jan", 5), ("Feb",10), ("Mar", 10),
    ("Apr", 50), ("May", 50), ("Jun", 200),
    ("Jul", 200), ("Aug", 200), ("Sep", 50),
    ("Oct", 50), ("Nov", 10), ("Dec", 5)
]
#//传入坐标
radar.add_schema(schema)
radar.add("降水量",radar_data1)
#//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("蒸发量",radar_data2,color="#1C86EE")
radar.render()

 该例运行结果如图7-17所示。

■ 图7-17  pyecharts绘制雷达图

4●绘制饼图

在pyecharts中使用参数Pie来绘制饼图。

【例7-12】用pyecharts库绘制饼图，代码如下。

from pyecharts import options as opts
from pyecharts.charts import Pie
from random import randint
def pie_base() -> Pie:
    c = (
        Pie()
        .add("", [list(z) for z in zip(['宝马', '法拉利', '奔驰', '奥迪', '大众', '丰田', '特斯拉'],
                                       [randint(1, 20) for _ in range(7)])])
        .set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return c
pie_base().render('pie_pyecharts.html')

 该例通过引入函数饼图，运行如图7-18所示。

■ 图7-18  pyecharts绘制饼图

5●绘制仪表盘图

在pyecharts中使用参数Gauge来绘制仪表盘图。

【例7-13】用pyecharts库绘制仪表盘图，代码如下。

from pyecharts import charts
# 仪表盘
gauge = charts.Gauge()
gauge.add('仪表盘', [('Python机器学习', 10),
                      ])
gauge.render(path="仪表盘.html")
print('ok')

 运行结果如图7-19所示。

■ 图7-19  pyecharts绘制仪表盘图

6●绘制散点图

在pyecharts中使用参数Scatter来绘制散点图。

【例7-14】用pyecharts库绘制仪表盘图，代码如下。

from pyecharts import options as opts
from pyecharts.charts import Scatter
x_data = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu'] # x轴数据
y_data = [123, 153, 89, 107, 98, 23] # y轴数据
scatter = Scatter() # 初始化
scatter.add_xaxis(x_data) # x轴渲染
scatter.add_yaxis('', y_data) # y轴渲染
scatter.render(path="散点图.html")

 运行结果如图7-20所示。

■ 图7-20  pyecharts绘制散点图

7●绘制词云

词云是一个比较常见的数据可视化方法，通过词的大小可以让人一眼就可以看到哪个词比较突出。在pyecharts中使用参数WordCloud来绘制词云。

【例7-15】用pyecharts库绘制词云，代码如下。

from pyecharts import options as opts
from pyecharts.charts import Page, WordCloud
from pyecharts.globals import SymbolType
words = [
    ("Python", 100),
    ("C++", 80),
    ("Java", 95),
    ("R", 40),
    ("JavaScript", 79),
    ("C", 65)
]
def wordcloud() -> WordCloud:
    c = (
        WordCloud()
        # word_size_range: 单词字体大小范围
        .add("", words, word_size_range=[20, 100], shape='cardioid')
        .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud"))
    )
    return c
wordcloud().render('wordcloud.html')

 在使用pyecharts绘制词云时，输入数据中的每一个词为（word，value）这样的元祖形式，例如("Python", 100)，("Java", 95)。此外，制作者还可以在shape中选择生成的词云图轮廓，常见的有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon'等这几种词云轮廓。该例选择的词云图轮廓为cardioid，运行程序如图7-21所示。

■ 图7-21  pyecharts绘制词云

在该例中如将词云的轮廓换为shape='circle'则运行结果如图7-22所示。

■ 图7-22  pyecharts绘制词云2

03、小结

（1）ECharts是一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，并能够兼容当前绝大部分浏览器。在功能上，ECharts可以提供直观，交互丰富，可高度个性化定制的数据可视化图表。

（2）pyecharts 是一个用于生成 Echarts 图表的类库，是一款将Python与ECharts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。

04、实训

1●实训目的

通过本章实训了解ECharts与pyecharts数据可视化的特点，能实现简单的ECharts与pyecharts数据可视化操作。

2●实训内容

1）使用ECharts绘制折线图显示一周天气变化，代码如下：

<!DOCTYPE html>
<html>
<head>
    <meta>
    <title>ECharts</title>
    <!-- 引入 echarts.js -->
    <script src="echarts.min.js"></script>
</head>
<body>
       <div id="main" style="width: 600px;height:400px;"></div>
    <script type="text/javascript">
        // 基于准备好的dom，初始化echarts实例
        var myChart = echarts.init(document.getElementById('main'));
        // 指定图表的配置项和数据
       var option = {
   title: {
   text: '未来一周气温变化范围'        
      },
     tooltip: {},
      legend: {},
      toolbox: {},
        xAxis: [{
          data: ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
        }],
       yAxis: { },
     series: [{
       name: '最高气温',
     type: 'line',
    data: [21, 21, 25, 23, 22, 23, 20]
        },
      {
   name: '最低气温',
     type: 'line',
   data: [10, 12, 12, 15, 13, 12, 10]
   }]
  };
// 使用刚指定的配置项和数据显示图表。
    myChart.setOption(option);
    </script>
</body>
</html>

运行程序如图7-23所示。

■图7-23  ECharts绘制折线图显示一周天气变化

2）使用ECharts绘制柱状图显示商品销量的变化，代码如下：

<!DOCTYPE html>
<html>
<head>
    <meta>
    <title>第一个 ECharts 实例</title>
    <!-- 引入 echarts.js -->
    <script src="https://cdn.staticfile.org/echarts/4.3.0/echarts.min.js"></script>
</head>
<body>
    <!-- 为ECharts准备一个具备大小（宽高）的Dom -->
    <div id="main" style="width: 600px;height:400px;"></div>
    <script type="text/javascript">
        // 基于准备好的dom，初始化echarts实例
        var myChart = echarts.init(document.getElementById('main'));
        // 指定图表的配置项和数据
        var option = {
  title:{
        text:'销售量'
     },
            legend: {},
            tooltip: {},
            dataset: {
                // 提供一份数据。
                source: [
                    ['年月销售量', '2017', '2018', '2019'],
                    ['洗衣机', 430, 858, 937],
                    ['空调', 831, 734, 551],
                    ['电视机', 864, 652, 825],
                    ['路由器', 724, 539, 391]
                ]
            },
            // 声明一个 X 轴，类目轴（category）。默认情况下，类目轴对应到 dataset 第一列。
            xAxis: {type: 'category'},
            // 声明一个 Y 轴，数值轴。
            yAxis: {},
            // 声明多个 bar 系列，默认情况下，每个系列会自动对应到 dataset 的每一列。
            series: [
                {type: 'bar'},
                {type: 'bar'},
                {type: 'bar'}
            ]
        };
        // 使用刚指定的配置项和数据显示图表。
        myChart.setOption(option);
    </script>
</body>
</html>

 运行程序如图7-24所示。

■ 图7-24  ECharts绘制柱状图显示商品销量的变化

3）使用pyecharts绘制图书销售量对比图，代码如下：

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType
bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
    .add_xaxis(["哲学", "历史", "教育", "科技", "文学", "经济"])
    .add_yaxis("商家A", [25, 20, 36, 40, 75, 90])
    .add_yaxis("商家B", [35, 26, 45, 50, 35, 66])
    .set_global_opts(title_opts=opts.TitleOpts(title="图书销量量", subtitle="2020年"))
)
bar.render('柱状图.html')

 运行该程序如图7-25示。

 ■ 图7-25  pyecharts绘制的图书销售量对比图