快捷搜索:  汽车  科技

python数据可视化的工具库有哪些(数据可视化神器分享)

python数据可视化的工具库有哪些(数据可视化神器分享)使用之前我们要强调一点:就是python2.x和python3.x的编码问题,在python3.x中你可以把它看做默认是unicode编码,但在python2.x中并不是默认的,原因就在它的bytes对象定义的混乱,而pycharts是使用unicode编码来处理字符串和文件的,所以当你使用的是python2.x时,请务必在上方插入此代码:出现上方的信息,即代表下载成功,我们可以来进行下一步的实验了!写这篇文章用的是Win环境,首先打开命令行(win R) 输入:但笔者实测时发现,由于墙的原因,下载时会出现断线和速度过慢的问题导致下载失败,所以建议通过清华镜像来进行下载:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

python数据可视化的工具库有哪些(数据可视化神器分享)(1)

文 | wengjj

编辑 | EarlGrey

我们都知道Python上的一款可视化工具matplotlib 而前些阵子做一个Spark项目的时候用到了百度开源的一个可视化JS工具-Echarts,可视化类型非常多,但是得通过导入js库在Java Web项目上运行。

平时用Python比较多,于是就在想有没有Python与Echarts结合的轮子。Google后,找到一个国人开发的一个Echarts与Python结合的轮子:pyecharts,下面就来简述下pyecharts一些使用细则:

写这篇文章用的是Win环境,首先打开命令行(win R) 输入:

但笔者实测时发现,由于墙的原因,下载时会出现断线和速度过慢的问题导致下载失败,所以建议通过清华镜像来进行下载:

  1. pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts

python数据可视化的工具库有哪些(数据可视化神器分享)(2)

出现上方的信息,即代表下载成功,我们可以来进行下一步的实验了!

使用之前我们要强调一点:就是python2.xpython3.x的编码问题,在python3.x中你可以把它看做默认是unicode编码,但在python2.x中并不是默认的,原因就在它的bytes对象定义的混乱,而pycharts是使用unicode编码来处理字符串和文件的,所以当你使用的是python2.x时,请务必在上方插入此代码:

  1. from __future__ import unicode_literals

现在我们来开始正式使用pycharts,这里我们直接使用官方的数据:

柱状图-Bar

  1. //导入柱状图-Bar

  2. from pyecharts import Bar

  3. //设置行名

  4. columns = ["Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"]

  5. //设置数据

  6. 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]

  7. 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]

  8. //设置柱状图的主标题与副标题

  9. bar = Bar("柱状图" "一年的降水量与蒸发量")

  10. //添加柱状图的数据及配置项

  11. bar.add("降水量" columns data1 mark_line=["average"] mark_point=["max" "min"])

  12. bar.add("蒸发量" columns data2 mark_line=["average"] mark_point=["max" "min"])

  13. //生成本地文件(默认为.html文件)

  14. bar.render

运行结果如下:

python数据可视化的工具库有哪些(数据可视化神器分享)(3)

简单的几行代码就可以将数据进行非常好看的可视化,而且还是动态的,在这里还是要安利一下jupyter,pyecharts在v0.1.9.2版本开始,在jupyter上直接调用实例(例如上方直接调用bar)就可以将图表直接表示出来,非常方便。

笔者数了数,目前pyecharts上的图表大概支持到二十多种,接下来,我们再用上方的数据来生成几个数据挖掘常用的图表示例:

饼图-Pie

  1. //导入饼图Pie

  2. from pyecharts import Pie

  3. //设置主标题与副标题,标题设置居中,设置宽度为900

  4. pie = Pie("饼状图" "一年的降水量与蒸发量" title_pos='center' width=900)

  5. //加入数据,设置坐标位置为【25,50】,上方的colums选项取消显示

  6. pie.add("降水量" columns data1 center=[25 50] is_legend_show=False)

  7. //加入数据,设置坐标位置为【75,50】,上方的colums选项取消显示,显示label标签

  8. pie.add("蒸发量" columns data2 center=[75 50] is_legend_show=False is_label_show=True)

  9. //保存图表

  10. pie.render

python数据可视化的工具库有哪些(数据可视化神器分享)(4)

箱体图-Boxplot

  1. //导入箱型图Boxplot

  2. from pyecharts import Boxplot

  3. boxplot = Boxplot("箱形图" "一年的降水量与蒸发量")

  4. x_axis = ['降水量' '蒸发量']

  5. y_axis = [data1 data2]

  6. //prepare_data方法可以将数据转为嵌套的 [min Q1 median (or Q2) Q3 max]

  7. yaxis = boxplot.prepare_data(y_axis)

  8. boxplot.add("天气统计" x_axis _yaxis)

  9. boxplot.render

python数据可视化的工具库有哪些(数据可视化神器分享)(5)

折线图-Line

  1. from pyecharts import Line

  2. line = Line("折线图" "一年的降水量与蒸发量")

  3. //is_label_show是设置上方数据是否显示

  4. line.add("降水量" columns data1 is_label_show=True)

  5. line.add("蒸发量" columns data2 is_label_show=True)

  6. line.render

python数据可视化的工具库有哪些(数据可视化神器分享)(6)

雷达图-Rader

  1. from pyecharts import Radar

  2. radar = Radar("雷达图" "一年的降水量与蒸发量")

  3. //由于雷达图传入的数据得为多维数据,所以这里需要做一下处理

  4. 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]]

  5. 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]]

  6. //设置column的最大值,为了雷达图更为直观,这里的月份最大值设置有所不同

  7. schema = [

  8. ("Jan" 5) ("Feb" 10) ("Mar" 10)

  9. ("Apr" 50) ("May" 50) ("Jun" 200)

  10. ("Jul" 200) ("Aug" 200) ("Sep" 50)

  11. ("Oct" 50) ("Nov" 10) ("Dec" 5)

  12. ]

  13. //传入坐标

  14. radar.config(schema)

  15. radar.add("降水量" radar_data1)

  16. //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

  17. radar.add("蒸发量" radar_data2 item_color="#1C86EE")

  18. radar.render

python数据可视化的工具库有哪些(数据可视化神器分享)(7)

散点图-scatter

  1. from pyecharts import Scatter

  2. scatter = Scatter("散点图" "一年的降水量与蒸发量")

  3. //xais_name是设置横坐标名称,这里由于显示问题,还需要将y轴名称与y轴的距离进行设置

  4. scatter.add("降水量与蒸发量的散点分布" data1 data2 xaxis_name="降水量" yaxis_name="蒸发量"

  5. yaxis_name_gap=40)

  6. scatter.render

python数据可视化的工具库有哪些(数据可视化神器分享)(8)

图表布局 Grid

由于标题与图表是属于两个不同的控件,所以这里必须对下方的图表Line进行标题位置设置,否则会出现标题重叠的bug。

  1. from pyecharts import Grid

  2. //设置折线图标题位置

  3. line = Line("折线图" "一年的降水量与蒸发量" title_top="45%")

  4. line.add("降水量" columns data1 is_label_show=True)

  5. line.add("蒸发量" columns data2 is_label_show=True)

  6. grid = Grid

  7. //设置两个图表的相对位置

  8. grid.add(bar grid_bottom="60%")

  9. grid.add(line grid_top="60%")

  10. grid.render

python数据可视化的工具库有哪些(数据可视化神器分享)(9)

两图结合 Overlap

  1. from pyecharts import Overlap

  2. overlap = Overlap

  3. bar = Bar("柱状图-折线图合并" "一年的降水量与蒸发量")

  4. bar.add("降水量" columns data1 mark_point=["max" "min"])

  5. bar.add("蒸发量" columns data2 mark_point=["max" "min"])

  6. overlap.add(bar)

  7. overlap.add(line)

  8. overlap.render

python数据可视化的工具库有哪些(数据可视化神器分享)(10)

总结一下使用流程

  1. 导入相关图表包

  2. 进行图表的基础设置,创建图表对象

  3. 利用add方法进行数据输入与图表设置(可以使用printechartsoptions来输出所以可配置项)

  4. 利用render方法来进行图表保存

pyecharts还有许多好玩的3D图表和地图图表,个人觉得地图图表是最好玩的,各位有兴趣可以去pyecharts的使用手册查看,有中文版的非常方便:pyecharts

原文:挖掘之家,http://120.79.254.53

回复下方「关键词」,获取优质资源

回复关键词「 pybook03」,立即获取主页君与小伙伴一起翻译的《Think Python 2e》电子版

回复关键词「pybooks02」,立即获取 O'Reilly 出版社推出的免费 Python 相关电子书合集

回复关键词「书单02」,立即获取主页君整理的 10 本 Python 入门书的电子版

题图:pexels,CC0 授权。

猜您喜欢: