【可视化】可视化工具：ECharts 简介

ECharts 是一个由百度开源的数据可视化工具，是基于 Javascript 的图表库，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。Python 是一门富有表达力的语言，很适合用于数据处理，Python 有基于 ECharts 的数据可视化库 pyecharts，pyecharts 支持 Jupyter Notebook 等主流 Notebook 环境。

ECharts 图表样例

Echarts 包括丰富的图表类型：包括折线图、柱状图、饼图、K线图、雷达图、路径图、主题河流图、地理坐标图、3D 地图、3D 地球、GL 关系图等，这些图表可以用 JavaScript 方便的集成到 H5 等网页作品中，pyecharts 针对 Python 提供了便捷的调用方式。更多的 ECharts 可视化实例请访问以下网站进行查看。

ECharts 案例： https://echarts.apache.org/examples/zh/index.html

常用图表介绍

柱状/条形图：通过柱形的高度/条形的宽度来表现数据的大小，用于有至少一个类目轴或时间轴的直角坐标系上。
折线图：折线图是用折线将各个数据点标志连接起来的图表，用于展现数据的变化趋势。可用于直角坐标系和极坐标系上。
关系图：用于展现节点以及节点之间的关系数据。
线图：用于带有起点和终点信息的线数据的绘制，主要用于地图上的航线，路线的可视化。
散点（气泡）图：直角坐标系上的散点图可以用来展现数据的 x，y 之间的关系，如果数据项有多个维度，其它维度的值可以通过不同大小的 symbol 展现成气泡图，也可以用颜色来表现。
雷达图：主要用于表现多变量的数据，例如球员的各个属性分析。
旭日图：由多层的环形图组成，在数据结构上，内圈是外圈的父节点。因此，它既能像饼图一样表现局部和整体的占比，又能像矩形树图一样表现层级关系。
其他常用的各类图表

Jupyter 调用 pyecharts

pyecharts 提供了各种生成上面 Demo 的代码示例，可以参考实现。

示例代码地址：https://github.com/pyecharts/pyecharts-gallery

先介绍一些可能会用到的基本函数：

add_xaxis() 、add_yaxis() 添加 x/y 轴数据，这是图表的数据输入；
set_global_opts() 全局配置方法，配置标题等信息；
render() 生成 render.html 的文件，可以传入路径参数，设置保存位置；
render_notebook() 在 Notebook 中渲染输出生成的图表；

从 V1 版本开始支持链式调用，链式调用方法如下所示：

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

bar = (
    Bar()
    .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
    .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
    .set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
)
bar.render()

from pyecharts.charts import Bar

from pyecharts import options as opts

bar = (

Bar()

.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])

.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])

.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])

.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))

)

bar.render()

不习惯链式调用的开发者依旧可以单独调用方法，调用方法如下：

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

bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
bar.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
bar.render() # 生成 render.html 的文件
# bar.render_notebook() # 在 Jupyter Notebook 中渲染