作者:小七 | 来源:互联网 | 2023-01-11 17:40
python+echarts可视化—pyechartspyecharts是一个用于生成Echarts图表的python库。Echarts(https:echarts.apache.
python+echarts可视化—pyecharts
pyecharts是一个用于生成Echarts 图表的python库。Echarts( https://echarts.apache.org/examples/zh/index.html )是一个数据可视化JS库,做出来的图非常好看。
pyecharts这个项目可以在python中也生成这种风格的图。
具体效果图可以参见该网站 https://pyecharts.herokuapp.com/ 。 下面试举几例: (点上去是可以互动的) 此外还有桑葚图、雷达图等图,code示例可以详见 https://gallery.pyecharts.org/#/Sankey/sankey_base 来学习。
python可视化神器——pyecharts库
无意中从今日头条中看到的一篇文章,可以生成简单的图表。据说一些大数据开发们也是经常用类似的图表库,毕竟有现成的,改造下就行,谁会去自己造轮子呢。
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。 安装很简单:pip install pyecharts 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 使用 Jupyter Notebook 来展示图表,只需要调用自身实例即可 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。 安装 phantomjs $ npm install -g phantomjs-prebuilt 安装 pyecharts-snapshot $ pip install pyecharts-snapshot 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: chart_name = Type() 初始化具体类型图表。 add() 添加数据及配置项。 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 直接使用python的pip安装 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。
大数据分析一般用什么工具分析
比较常用到的一些大数据分析工具1.专业的大数据分析工具2.各种Python数据可视化第三方库3.其它语言的数据可视化框架一、专业的大数据分析工具1、FineReportFineReport是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具,只需要简单的拖拽操作便可以设计复杂的中国式报表,搭建数据决策分析系统。2、FineBIFineBI是新一代自助大数据分析的商业智能产品,提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案,也是我比较推崇的可视化工具之一。
FineBI的使用感同Tableau类似,都主张可视化的探索性分析,有点像加强版的数据透视表。
上手简单,可视化库丰富。可以充当数据报表的门户,也可以充当各业务分析的平台。二、Python的数据可视化第三方库Python正慢慢地成为数据分析、数据挖掘领域的主流语言之一。在Python的生态里,很多开发者们提供了非常丰富的、用于各种场景的数据可视化第三方库。
这些第三方库可以让我们结合Python语言绘制出漂亮的图表。1、pyechartsEcharts(下面会提到)是一个开源免费的Javascript数据可视化库,它让我们可以轻松地绘制专业的商业数据图表。当Python遇上了Echarts,pyecharts便诞生了,它是由chenjiandongx等一群开发者维护的Echarts Python接口,让我们可以通过Python语言绘制出各种Echarts图表。
2、BokehBokeh是一款基于Python的交互式数据可视化工具,它提供了优雅简洁的方法来绘制各种各样的图形,可以高性能地可视化大型数据集以及流数据,帮助我们制作交互式图表、可视化仪表板等。三、其他数据可视化工具1、Echarts前面说过了,Echarts是一个开源免费的Javascript数据可视化库,它让我们可以轻松地绘制专业的商业数据图表。大家都知道去年春节以及近期央视大规划报道的百度大数据产品,如百度迁徙、百度司南、百度大数据预测等等,这些产品的数据可视化均是通过ECharts来实现的。
2、D3D3(Data Driven Documents)是支持SVG渲染的另一种Javascript库。但是D3能够提供大量线性图和条形图之外的复杂图表样式,例如Voronoi图、树形图、圆形集群和单词云等。