前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：刘早起

 

开始使用

基本套路就是先创建一个你需要的空图层，然后使用.set_global_opts修改全局项再用.set_series_opts修改具体的相关配置就可以。当然最好的学习地址一定是官方文档，但是里面介绍的太过复杂了，这里仅以快速上手使用为目标进行几个例子来说明套路。

pyecharts比较好的就是绘制地图，这里以2019-nCov项目中安徽省地图绘制为例。

首先导入需要的包

  1. from pyecharts.charts import Pie ,Grid,Bar,Line
  2. from pyecharts.faker import Faker #数据包from pyecharts.charts import Map,Geo
  3. from pyecharts import options as opts
  4. from pyecharts.globals import ThemeType

 

OK，我现在有一个省份的一组数据，大概长这样

  1. locate =['合肥市', '阜阳市', '亳州市', '安庆市', '马鞍山市', '铜陵市', '六安市', '滁州市', '池州市','蚌埠市','芜湖市','宿州市','宣城市','淮北市','淮南市','黄山市']`
  2. data =['115','105','72','66','30','22','41','11','11','88','27','27','5','22','14','9']

 

这也是接触到的需要绘制地图的数据格式，两个list，一个是地名，一个是每个城市对应的数据，现在执行以下代码就可以得到安徽省的疫情地图。

  1. list1 = [[locate[i],data[i]] for i in range(len(locate))] #首先创建数据
  2. map_1 = Map(init_opts=opts.InitOpts(width="400px", height="460px")) #创建地图，其中括号内可以调整大小，也可以修改主题颜色。
  3. map_1.add("安徽疫情", list1, maptype="安徽") #添加安徽地图
  4. map_1.set_global_opts( #设置全局配置项#title_opts=opts.TitleOpts(title="安徽疫情"), 添加标题
  5.     visualmap_opts=opts.VisualMapOpts(max_=120, is_piecewise=True),#最大数据范围 并且使用分段
  6.     legend_opts=opts.LegendOpts(is_show=False), #是否显示图例
  7.     )
  8. map_1.render_notebook() #直接在notebook中显示# map_1.render('map1.html') 将地图以html形式保存在工作目录下
  9.

 

 

 

当然地图还有很多可以自定义的配置项，选择需要的配置项添加到对应的函数中即可。

  1. # 数据项 (坐标点名称，坐标点值)
  2.     data_pair: Sequence,
  4.     # 地图类型，具体参考 pyecharts.datasets.map_filenames.json 文件
  5.     maptype: str = "china",
  7.     # 是否选中图例
  8.     is_selected: bool = True,
  10.     # 是否开启鼠标缩放和平移漫游。
  11.     is_roam: bool = True,
  13.     # 当前视角的中心点，用经纬度表示
  14.     center: Optional[Sequence] = None,
  16.     # 当前视角的缩放比例。
  17.     zoom: Optional[Numeric] = 1,
  19.     # 自定义地区的名称映射
  20.     name_map: Optional[dict] = None,
  22.     # 标记图形形状
  23.     symbol: Optional[str] = None,
  25.     # 是否显示标记图形
  26.     is_map_symbol_show: bool = True,
  28.     # 标签配置项，参考 `series_options.LabelOpts`
  29.     label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
  31.     # 提示框组件配置项，参考 `series_options.TooltipOpts`
  32.     tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
  34.     # 图元样式配置项，参考 `series_options.ItemStyleOpts`
  35.     itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
  37.     # 高亮标签配置项，参考 `series_options.LabelOpts`
  38.     emphasis_label_opts: Union[opts.LabelOpts, dict, None] = None,
  40.     # 高亮图元样式配置项，参考 `series_options.ItemStyleOpts`
  41.     emphasis_itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

 

继续使用地图里的数据绘制饼图，现在想看安徽各地区疫情分布比，就可以考虑使用饼图（玫瑰图）。详细代码

  1. map_2 = (
  2.     Pie(init_opts=opts.InitOpts(width="600px", height="500px")) 创建一个饼图
  3.     .add(
  4.         "", #图名
  5.         [[locate[i],data[i]] for i in range(len(locate))], #添加数据
  6.         radius=["40%", "75%"], # 调整半径
  7.     )
  8.     .set_global_opts(
  9.         legend_opts=opts.LegendOpts(
  10.             orient="vertical", pos_top="10%", pos_left="88%"#图例设置
  11.         ),
  12.     )
  13.     .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) #设置标签
  14. )
  15. map_2.render_notebook() #直接在notebook中显示#map_2.render('map2.html') #保存到本地柱状图

 

 

 

 

demo

  1. c = (
  2.     Bar()
  3.     .add_xaxis(Faker.choose())
  4.     .add_yaxis("商家A", Faker.values()) #数据配置
  5.     .add_yaxis("商家B", Faker.values()) #数据配置
  6.     .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题")) #全局配置标题
  7. )
  8. c.render_notebook()通过添加配置项可以调整标题、图例、粗细、位置、背景图等等

 

 

 

  1. # 系列数据
  2.     yaxis_data: Sequence[Numeric, opts.BarItem, dict],
  4.     # 是否选中图例
  5.     is_selected: bool = True,
  7.     # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
  8.     xaxis_index: Optional[Numeric] = None,
  10.     # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
  11.     yaxis_index: Optional[Numeric] = None,
  13.     # 系列 label 颜色
  14.     color: Optional[str] = None,
  16.     # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。
  17.     stack: Optional[str] = None,
  19.     # 同一系列的柱间距离，默认为类目间距的 20%，可设固定值
  20.     category_gap: Union[Numeric, str] = "20%",
  22.     # 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。# 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。
  23.     gap: Optional[str] = None,
  25.     # 标签配置项，参考 `series_options.LabelOpts`
  26.     label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
  28.     # 标记点配置项，参考 `series_options.MarkPointOpts`
  29.     markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
  31.     # 标记线配置项，参考 `series_options.MarkLineOpts`
  32.     markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
  34.     # 提示框组件配置项，参考 `series_options.TooltipOpts`
  35.     tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
  37.     # 图元样式配置项，参考 `series_options.ItemStyleOpts`
  38.     itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

 

如果想要同时叠加绘制图形可以采用参考以下方法

  1. def two_pic() -> Bar: 
  2.     x = Faker.choose() #选择数据
  3.     bar = (  #先绘制bar
  4.         Bar()
  5.         .add_xaxis(x)
  6.         .add_yaxis("商家A", Faker.values())
  7.         .add_yaxis("商家B", Faker.values())
  8.         .set_global_opts(title_opts=opts.TitleOpts(title="Overlap-line+scatter"))
  9.     )
  10.     line = ( #再添加line
  11.         Line()
  12.         .add_xaxis(x)
  13.         .add_yaxis("商家A", Faker.values())
  14.         .add_yaxis("商家B", Faker.values())
  15.     )
  16.     bar.overlap(line)
  17.     return bar
  18. two_pic().render_notebook()总结

 

 

 

使用新版pyecharts并不难，基本套路都和上面一样，只要先学会画图套路，再多读官方文档就可以。

版权声明：本文为zwhy8原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/zwhy8/p/13305167.html