小白学 Python 数据剖析（20）：pyecharts 概述

人生苦短，我用 Python

前文传送门：

小白学 Python 数据剖析（1）：数据剖析基础

小白学 Python 数据剖析（2）：Pandas （一）概述

小白学 Python 数据剖析（3）：Pandas （二）数据结构 Series

小白学 Python 数据剖析（4）：Pandas （三）数据结构 DataFrame

小白学 Python 数据剖析（5）：Pandas （四）基础操作（1）查看数据

小白学 Python 数据剖析（6）：Pandas （五）基础操作（2）数据选择

小白学 Python 数据剖析（7）：Pandas （六）数据导入

小白学 Python 数据剖析（8）：Pandas （七）数据预处理

小白学 Python 数据剖析（9）：Pandas （八）数据预处理（2）

小白学 Python 数据剖析（10）：Pandas （九）数据运算

小白学 Python 数据剖析（11）：Pandas （十）数据分组

小白学 Python 数据剖析（12）：Pandas （十一）数据透视表（pivot_table）

小白学 Python 数据剖析（13）：Pandas （十二）数据表拼接

小白学 Python 数据剖析（14）：Pandas （十三）数据导出

小白学 Python 数据剖析（15）：数据可视化概述

小白学 Python 数据剖析（16）：Matplotlib（一）坐标系

小白学 Python 数据剖析（17）：Matplotlib（二）基础操作

小白学 Python 数据剖析（18）：Matplotlib（三）常用图表（上）

小白学 Python 数据剖析（19）：Matplotlib（四）常用图表（下）

弁言

在最先说 pyecharts 之前，先说一个小我私家的拙见，我一直以为学习、领会或者使用某个类库的时刻最好是通过官方的文档，有些时刻某些库的文档是由外文编写的，阅读未便的时刻通过浏览器自带的翻译大致也能看懂。而 pyecharts 是由国人做的，有中文文档，下面先贴几个官方的链接：

官方文档：https://pyecharts.org/#/zh-cn/intro

GitHub：https://github.com/pyecharts/pyecharts

百度 Echarts 示例：https://www.echartsjs.com/examples/zh/

简介就直接摘抄官方文档了，以下内容来自官方文档：

什么是Hibernate

Echarts 是一个由百度开源的数据可视化，凭借着优越的交互性，精巧的图表设计，获得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。当数据剖析遇上数据可视化时，pyecharts 诞生了。

简练的 API 设计，使用如丝滑般流通，支持链式挪用
席卷了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度天真的设置项，可轻松搭配出优美的图表
详细的文档和示例，辅助开发者更快的上手项目
多达 400+ 舆图文件以及原生的百度舆图，为地理数据可视化提供强有力的支持

安装

安装照样照着官方文档来，首先是使用 pip 举行安装：

pip install pyecharts

这里有一点需要注重，现在的 pyecharts v1.x 的版本仅支持 python3.6 以上的版本。

若是不想通过 pip 安装，还可以使用源码举行安装：

git clone https://github.com/pyecharts/pyecharts.git
cd pyecharts
pip install -r requirements.txt
python setup.py install
# 或者执行 python install.py

官方还为我们提供了一个查看当前 pyecharts 版本的方式：

import pyecharts

print(pyecharts.__version__)

我这边运行获得的效果是：

1.7.0

现在（2020年3月20日）官方最新的版本为 v1.7.1 ，查看地址为：https://github.com/pyecharts/pyecharts/releases ，可以看到最新版本是 8 天前公布的。

由于我这里的 pyecharts 是上周装的，在这之间正好公布了新的版本，若是想要更新版本，可以使用以下 pip 下令举行更新：

pip install --upgrade pyecharts

我这里更新完以后再次运行上面的查看版本的方式，已经酿成最新的 v1.7.1 版本了。

快速最先

pyecharts 库装好了，接下来赶快搞一个最简朴的示例先试试看：

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("产物销量", [58000,60200,63000,71000,84000,90500,107000])

bar.render()

挪用 render() 方式的时刻会在内陆天生一个 HTML 文件，默认会在当前目录天生 render.html 文件，同时也可以传入路径的参数，如 bar.render("mycharts.html") ，拿着这个 HTML 文件直接扔到浏览器中运行就能看到我们适才建立的柱状图了。

pyecharts 的方式都支持链式挪用，就是上面这一段我们可以换成链式挪用的写法，如下：

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
    .add_yaxis("产物销量", [58000,60200,63000,71000,84000,90500,107000])
)

bar.render()

链式挪用的除了写法和前面的差别，作用完全相同，列位同砚选择自己习惯的写法就行。

在使用 pyecharts 的时刻，大量的设置是使用 options 完成的，下面看一个使用 options 举行主题目和副题目设置的小示例：

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = (
    Bar()
    .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
    .add_yaxis("产物销量", [58000,60200,63000,71000,84000,90500,107000])
    .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产物销量图", subtitle="这里是副题目"))
)
bar.render('render_1.html')

# 挪用方式写法，与上面的链式挪用无任何区别
bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("产物销量", [58000,60200,63000,71000,84000,90500,107000])
bar.set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产物销量图", subtitle="这里是副题目"))
bar.render('render_1.html')

若是想要将效果保留成图片，需要使用 snapshot-selenium 将效果渲染成图片，若是没有安装的话需要先安装，安装下令如下：

pip install snapshot_selenium

这里有一点需要注重，若是想要正常的使用 snapshot_selenium ，需要内陆有和当前 Chrome 正常配套的 ChromeDriver ，若是没有，需要先安装。

若是是我的老读者的话，前面在先容爬虫的时刻有先容过 ChromeDriver 怎么安装，详细可以参考「小白学 Python 爬虫（2）：前置准备（一）基本类库的安装」

接着看一个示例：

from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

bar = (
    Bar()
        .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
        .add_yaxis("产物销量", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产物销量图", subtitle="这里是副题目"))
)
make_snapshot(snapshot, bar.render(), "bar_1.png")

这时，在同目录下天生了一个名称为 bar_1.png 的图片，就不贴出来了，和上面的图片是一样的，只是这张 png 图片是透明底的。

同时，pyecharts 还提供了 10+ 种内置主题，若是有需要也可以自己定制自己喜欢的主题，示例如下：

from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
        .add_yaxis("产物A", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .add_yaxis("产物B", [78000,80200,93000,101000,64000,70500,87000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 产物销量图", subtitle="这里是副题目"))
)

bar.render('render_2.html')

效果如下：