pyecharts是什么？

pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒，pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。使用pyecharts可以生成独立的网页，也可以在flask、django中集成使用。

如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。所有图表均可正常显示，与浏览器一致的交互体验，简直不要太强大。

参考自pyecharts官方文档:http://pyecharts.org

首先开始来绘制你的第一个图表

• add() 主要方法，用于添加图表的数据和设置各种配置项
• render() 默认将会在根目录下生成一个 render.html 的文件，文件用浏览器打开。

使用主题

自 0.5.2+ 起，pyecharts 支持更换主体色系

使用 pyecharts-snapshot 插件

如果想直接将图片保存为 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用该插件请确保你的系统上已经安装了 Nodejs 环境。

1. 安装 phantomjs $ npm install -g phantomjs-prebuilt
2. 安装 pyecharts-snapshot $ pip install pyecharts-snapshot
3. 调用 render 方法 bar.render(path=’snapshot.png’) 文件结尾可以为 svg/jpeg/png/pdf/gif。请注意，svg 文件需要你在初始化 bar 的时候设置 renderer=’svg’。

图形绘制过程

基本上所有的图表类型都是这样绘制的：

1. chart_name = Type() 初始化具体类型图表。
2. add() 添加数据及配置项。
3. render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。

add() 数据一般为两个列表（长度一致）。如果你的数据是字典或者是带元组的字典。可利用 cast() 方法转换。

多次显示图表

从 v0.4.0+ 开始，pyecharts 重构了渲染的内部逻辑，改善效率。推荐使用以下方式显示多个图表。如果使是 Numpy 或者 Pandas，可以参考这个示例

当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的

Note： 从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加 pythonic 的做法。直接调用本身实例就可以了。

比如这样

还有这样

如果使用的是自定义类，直接调用自定义类示例即可

图表配置

• 图形初始化
• 通用配置项
• xyAxis：平面直角坐标系中的 x、y 轴。(Line、Bar、Scatter、EffectScatter、Kline)
• dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)
• legend：图例组件。图例组件展现了不同系列的标记(symbol)，颜色和名字。可以通过点击图例控制哪些系列不显示。
• label：图形上的文本标签，可用于说明图形的一些数据信息，比如值，名称等。
• lineStyle：带线图形的线的风格选项(Line、Polar、Radar、Graph、Parallel)
• grid3D：3D笛卡尔坐标系组配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D)
• axis3D：3D 笛卡尔坐标系 X，Y，Z 轴配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D)
• visualMap：是视觉映射组件，用于进行『视觉编码』，也就是将数据映射到视觉元素（视觉通道）
• markLine&markPoint：图形标记组件，用于标记指定的特殊数据，有标记线和标记点两种。（Bar、Line、Kline）
• tooltip：提示框组件，用于移动或点击鼠标时弹出数据内容
• toolbox：右侧实用工具箱

图表详细

• Bar（柱状图/条形图）
• Bar3D（3D 柱状图）
• Boxplot（箱形图）
• EffectScatter（带有涟漪特效动画的散点图）
• Funnel（漏斗图）
• Gauge（仪表盘）
• Geo（地理坐标系）
• GeoLines（地理坐标系线图）
• Graph（关系图）
• HeatMap（热力图）
• Kline/Candlestick（K线图）
• Line（折线/面积图）
• Line3D（3D 折线图）
• Liquid（水球图）
• Map（地图）
• Parallel（平行坐标系）
• Pie（饼图）
• Polar（极坐标系）
• Radar（雷达图）
• Sankey（桑基图）
• Scatter（散点图）
• Scatter3D（3D 散点图）
• ThemeRiver（主题河流图）
• TreeMap（矩形树图）
• WordCloud（词云图）
• 用户自定义
• Grid 类：并行显示多张图
• Overlap 类：结合不同类型图表叠加画在同张图上
• Page 类：同一网页按顺序展示多图
• Timeline 类：提供时间线轮播多张图
• 统一风格

注：pyecharts v0.3.2以后，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。

地图文件被分成了三个 Python 包，分别为：

全球国家地图:

echarts-countries-pypkg

中国省级地图:

echarts-china-provinces-pypkg

中国市级地图:

echarts-china-cities-pypkg

但是这里大家一定要注意，安装完地图包以后一定要重启jupyter notebook，不然是无法显示地图的。

显示如下：

总得来说，这是一个非常强大的可视化库，既可以集成在flask、Django开发中，也可以在做数据分析的时候单独使用，实在是居家旅行的必备神器啊

小伙伴们如果发现了更好玩的库，欢迎留言。。。