python可视化数据分析pyecharts初步尝试

python可视化数据分析pyecharts初步尝试

目录

整体说明

例子

Boxplot

Bar

HeatMap

有一个web+flask项目需要可视化数据分析结果,检索后发现,pyecharts工具包非常对口。

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。

pyecharts中文文档有详细的说明,这里记录了个人更感兴趣的部分和对应的使用结果。

整体说明

pyecharts绘图的步骤可以简化成:

新建合适的图表对象,常见的有:

Pie: 饼图

Bar: 柱状图/条状图

Boxplot: 箱形图

HeatMap: 热力图

Line: 折线图/面积图

Scatter: 散点图

特别的,可以把多个图合在一起的 Overlap: 层叠多图
更详细的可以参考官方文档-图表类型

bar = Bar()

后续的操作都是利用这个对象的方法进行。

为图表对象增加数据,比如 增加x轴(.add_xaxis)、y轴数(.add_yaxis)

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

全局配置项:所有的内容都是通过.set_global_opts方法添加.set_global_opts()

bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))

常用的有

TitleOpts:标题配置项

LegendOpts:图例配置项

VisualMapOpts:视觉映射配置项

AxisLineOpts: 坐标轴轴线配置项

AxisTickOpts: 坐标轴刻度配置项

AxisPointerOpts: 坐标轴指示器配置项

AxisOpts:坐标轴配置项

SingleAxisOpts:单轴配置项

详见官方文档配置项-全局配置项

例子 Boxplot

箱型图,一种比较简洁的统计值可视化方法

import random from pyecharts import options as opts from pyecharts.charts import Boxplot import numpy as np # 离线资源,有网络下可以不管 from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/" # 长度为1的str list x_label = ['随机数'] data = np.random.randint(1000, size=100) # 这里data应为2维数组,长度和x_label相同的 list list data = [data.tolist()] boxplot = Boxplot() boxplot.add_xaxis(x) # 调用自带的函数,计算箱型图需要的数据 y_value = boxplot.prepare_data(y_value) boxplot.add_yaxis('', y_value) boxplot.set_global_opts(title_opts=opts.TitleOpts(title='box plot demo')) boxplot.render() Bar

Bar比较简单,适合入门,设定一个x轴,一个y轴,就可以render了

# -*- coding: utf-8 -*- from pyecharts.charts import Bar from pyecharts import options as opts import numpy as np # 离线资源,有网络下可以不管 from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/" # 随机数组,0~255的数字,10000个 x = np.random.randint(255, size=1000) # 统计直方图 sum = np.zeros(256, dtype=np.int32) for cur_x in x: sum[cur_x] += 1 # 绘图 bar = Bar() # x轴 0~255 x_label = [str(label) for label in list(range(256))] bar.add_xaxis(x_label) # y轴 频数, 这里的list一定要是标准int,不能为 np.int,所有 y_axis=list(sum)的话是不可以的 bar.add_yaxis(series_name='频数', y_axis=sum.tolist()) # 设置标题 bar.set_global_opts(title_opts=opts.TitleOpts(title='直方图统计')) # 生成网页,会在当前目录下生成一个render.html bar.render() HeatMap

热力图
这篇已经叙述的很好了,以下为引用
注,引文中的代码是用链式写的,官方是这么推荐的。

import random from pyecharts import options as opts from pyecharts.charts import HeatMap from pyecharts.faker import Faker # 离线资源,有网络下可以不管 from pyecharts.globals import CurrentConfig CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/" value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)] heatmap = ( HeatMap() .add_xaxis(Faker.clock) .add_yaxis( "", Faker.week, value, label_opts=opts.LabelOpts(is_show=True, position="inside"), ) .set_global_opts( title_opts=opts.TitleOpts(title="基础热力图"), visualmap_opts=opts.VisualMapOpts(), ) ) heatmap.render()

以上就是python可视化数据分析pyecharts初步尝试的详细内容,更多关于python可视化数据分析pyecharts的资料请关注易知道(ezd.cc)其它相关文章!

推荐阅读