pyecharts在手，天下我有（常用图表篇上）

当python撞上echarts时，会产生怎样的火花？答案就是pyecharts！从上一篇《pyechart在手，天下我有（地图篇）》，已经看到它的魅力所在了，今天继续介绍其它图表的绘制，尤其是报告中常见的图表。

绘图步骤：

from pyecharts import Chart,configure             #导入所需绘图函数
configure(output_image=True)                      #可以将图表保存为svg/jpeg/png/pdf/gif    
chart = Chart('主标题','副标题')                   #Chart是我们绘图函数
attr = ['x1','x2','x3','x4']                      #attr是属性，也就是常见的X轴标签
v = [y1,y2,y3,y4]                                 #v是各个属性对应的值，也就是常见的Y值
chart.use_theme()                                 #设置图表主题                
chart.add('图标',attr,v)                          #add画图图层，添加我们所需的参数
chart.render(path = '***.jpeg')                   #图表输出,path是输出路径

render会默认将图表输出为html格式，可在浏览器打开。但是想要插入到ppt当中，清晰度会下降，因此需要将其转化为其他格式，如svg/jpeg/png/pdf/gif 等等。要实现格式的转换，需要安装：

Nodejs
$ npm install -g phantomjs-prebuilt
$ pip install pyecharts-snapshot

常用的参数（可以在add()中设置，实现各种需求）：

is stack：是否堆积
is convert：x,y轴是否交换
is_legend_show:是否显示图例
legend_orient：图列方向，有'horizontal'（默认水平显示），'vertical'（垂直）可选
legend_pos：图例位置，有'left', 'center'（默认）, 'right'可选
legend_text_size/color：图例名称字体大小/颜色
is_x/yaxis_show：是否显示x/y轴
x/yaxis_interval：x/y轴标签的显示间隔
x/yaxis_min/max：x/y轴刻度最小值/最大值
x/yaxis_label_textsize/textcolor：x/y轴标签字体大小/颜色
xaxis_rotate：x轴标签旋转角度
is_splitline_show：是否显示网格线
is_label_show：是否显示标签
label_pos：标签的位置，有'top'(默认), 'left', 'right', 'bottom', 'inside','outside'可选
label_text_color/size：标签字体颜色/大小
is_random：是否随机排列颜色列表
label_color：自定义标签颜色
mark_point/line：标记点/线，默认有'min', 'max', 'average'可选。可自定义标记点线，具体格式如：[{'coord': [x, y], 'name': '目标标记点'}]，记住格式是一个列表
mark_point/line_symbol：标记点/线图形，默认为'pin'（点），有'circle'（圆形）, 'rect'（正方形）, 'roundRect'（圆角正方形）, 'triangle'（三角形）, 'diamond'（菱形）, 'pin'（点）, 'arrow'（箭头）可选
mark_point/line_symbolsize：标记点/线图形大小
mark_point/line_textcolor：标记点/线字体颜色

实例演示1(条形图Bar)：

from pyecharts import Bar,configure
configure(output_image=True)
bar = Bar('各个城市的人口','虚构的',background_color = 'white',title_text_size = 25,subtitle_text_size = 15)
attr = ['惠州','东莞','广州','深圳','佛山','江门','珠海']
v1 = [23,45,68,58,32,28,36]
v2 = [12,22,34,29,16,14,18]
bar.add('举例数字1',attr,v1,is_label_show = True,mark_point = ['min','max'],
         mark_point_symbol = 'diamond',xaxis_rotate = 30,xaxis_label_textsize = 15,yaxis_label_textsize = 15)
bar.add('举例数字2',attr,v2,is_label_show = True,mark_point = ['min','max'],
         mark_point_symbol = 'triangle',xaxis_rotate = 30,xaxis_label_textsize = 15,yaxis_label_textsize = 15)
bar.render(path = 'D:\\示例1.jpeg')

is_stack 实现数据堆叠:

bar.add('举例数字1',attr,v1,is_stack = True)
bar.add('举例数字2',attr,v2,is_stack = True)
bar.render(path = 'D:\\堆积条形图.jpeg')

is_convert实现横向条形图:

bar.add('举例数字1',attr,v1,is_label_show = True,label_pos = 'inside',xaxis_label_textsize = 15,yaxis_label_textsize = 15)
bar.add('举例数字2',attr,v2,is_label_show = True,is_convert = True,label_pos = 'inside',xaxis_label_textsize = 15,yaxis_label_textsize = 15)
bar.render(path = 'D:\\横向条形图.jpeg')

在做横向条形图的时候出现了一个问题，本来纵轴文本标签应该是attr值，但是这里变成了数字，以前小文绘图的时候没有出现过这个问题，各位大神如果知道是怎么回事，请留言指导一下小文。

实例演示2(散点图EffectScatter)：

pyecharts里面的散点图是默认带有涟漪特效动画的

from pyecharts import EffectScatter,configure
es = EffectScatter('散点图举例',background_color = 'white',title_text_size = 25)
v1 = [12,22,34,29,16,14,18]
v2 = [23,45,68,58,32,28,36]
es.add('', v1, v2,symbol = 'pin',effect_scale = 5.5,xaxis_min = 10)
es.render(path = 'D:\\带有涟漪特效动画的散点图.jpeg')

有的朋友说，我觉得这个涟漪的效果不好看，我就想做个普普通通的散点图行不行呢？当然可以，pyecharts可以满足你所有愿望。因为EffectScatter函数的effect_scale参数默认为2.5，所以想要作不带有涟漪特效动画的散点图，只要将effect_scale设为0就可以了。

es.add('', v1, v2,effect_scale = 0,xaxis_min = 10)
es.render(path = 'D:\\不带有涟漪特效动画的散点图.jpeg')

实例演示3(折线图Line)：

from pyecharts import Line,configure
configure(output_image=True)
line =Line('折线图',background_color = 'white',title_text_size = 25)
attr = ['惠州','东莞','广州','深圳','佛山','江门','珠海']
v1 = [23,45,68,58,32,28,36]
v2 = [12,22,34,29,16,14,18]
line.add('举例数字1',attr,v1,mark_line=['average'],is_label_show = True)
line.add('举例数字2',attr,v2,is_label_show = True,is_smooth=True)
line.render(path = 'D:\\折线图.jpeg')

is_smooth:是否平滑处理，可以看到举例数字2在设了is_smooth = True之后，线条变为平滑曲线。

is_fill实现面积图:

line.add('举例数字1',attr,v1,is_fill = True,area_opacity=0.4)
line.add('举例数字2',attr,v2,is_fill = True,is_smooth=True,area_opacity=0.4)
line.render(path = 'D:\\面积图.jpeg')

area_opacity：填充面积的透明度；area_color：填充面积的颜色；symbol = None:去掉线上的点。

实例演示4(饼图Pie)：

from pyecharts import Pie,configure
configure(output_image=True)
pie =Pie('饼图',background_color = 'white',title_text_size = 25)
attr = ['惠州','东莞','广州','深圳','佛山','江门','珠海']
v1 = [12,22,34,29,16,14,18]
pie.add('',attr,v1,is_label_show = True)
pie.render(path = 'D:\\饼图.jpeg')

设置radius参数实现圆环图:

radius = [x,y]，x是内半径，y是外半径

pie =Pie('圆环图',background_color = 'white',title_pos = 'center')
pie.add('',attr,v1,is_label_show = True,radius=[30, 75],is_legend_show = False)
pie.render(path = 'D:\\圆环图.jpeg')

设置rosetype参数实现南丁格尔图（玫瑰图）：

rosetype有'radius'和'area'两种模式，其中：

radius通过半径显示数据的大小，扇区圆心角展现数据的百分比；

area通过半径显示数据的大小，各扇区圆心角相等。

另外还可以通过设置center参数调整圆心位置（center = [x,y]，x为横坐标，y为纵坐标）

configure(output_image=True)
pie =Pie('玫瑰图',background_color = 'white')
attr = ['惠州','东莞','广州','深圳','佛山','江门','珠海']
v1 = [12,22,34,29,16,14,18]
pie.add('radius',attr,v1,center = [25,50],radius=[30, 75],rosetype='radius')
pie.add('area',attr,v1,center = [75,50],radius=[30, 75],rosetype='area')
pie.render(path = 'D:\\玫瑰图.jpeg')

上图左边是radius模式的玫瑰图，右边是area模式的玫瑰图，两者都是通过色块的大小表示数据的大小，另外radius模式的玫瑰图还通过扇区圆心角表示数据的百分比，所以我们看到radius模式的玫瑰图各个色块的内圆弧长各有不同，而area模式的玫瑰图各个色块的内圆弧长都是相等的。

另外，我们发现可以通过调节不同的内外圆的半径，实现‘饼中饼’。

configure(output_image=True)
pie =Pie('圆环中的玫瑰图',background_color = 'white')
attr = ['惠州','东莞','广州','深圳','佛山','江门','珠海']
v1 = [12,22,34,29,16,14,18]
pie.add( '',attr,v1,radius=[65, 75],center=[50, 50])
pie.add('',attr,v1,radius=[0, 60],center=[50, 50],rosetype='area')
pie.render(path = 'D:\\圆环中的玫瑰图.jpeg')

更多内容请移步至A Python Echarts Plotting Library

以上所有内容均属原创，未经授权严禁转载！