1. 前言
在日常工作中，為了更直觀的發現資料中隱藏的規律，察覺到變數之間的互動關係，人們常常藉助視覺化幫助我們更好的給他人解釋現象，做到一圖勝千文的說明效果。
在Python中，常見的資料視覺化庫有:
matplotlib 是最常見的2維庫，可以算作視覺化的必備技能庫，由於matplotlib是比較底層的庫，api很多，程式碼學起來不太容易。
seaborn 是建構於matplotlib基礎上，能滿足絕大多數視覺化需求。更特殊的需求還是需要學習matplotlib。
上述兩個庫都是靜態的視覺化庫，大多數做過前端Web開發的同學都用到過Echarts.js庫，它是一款前端視覺化的JS庫、功能非常之強大。在使用之前，需要匯入js庫到專案中。對於平時用Python較多的同學而言，如果每次實現視覺化功能(特別是一些小需求)，都需要引用js庫顯然不太方便，於是就在想有沒有Python與Echarts結合的輪子。答案是肯定的，在Github中就有一個國人開發的一個Echarts與Python結合的輪子：Pyecharts，它不僅很好的相容了web專案，而且可以做到視覺化的動態效果。
2. Pyecharts介紹
Pyecharts 是一個用於生成 Echarts 圖表的類庫。常規的Echarts 是由百度開源的一個資料視覺化 JS 庫，主要用於資料視覺化。簡單來說，Pyecharts是一款將python與echarts結合的強大的資料視覺化工具。
使用 Pyecharts 可以生成獨立的網頁，也可以在 flask , Django 中整合使用。
專案介紹：
http://pyecharts.herokuapp.com/
專案原始碼：
https://github.com/pyecharts/pyecharts
從專案文件介紹可知， pyecharts目前分為兩個大的系列版本：0.5.x 和v1.x.x。
- V0.5.x
支援 Python2.7，3.4+
0.5.x 版本將不再進行維護，文件位於 05x-docs.pyecharts.org。
- V1
僅支援 Python3.6+
新版本系列將從 v1.0.0 開始，文件位於 pyecharts.org；示例位於 gallery.pyecharts.org
PS: v0.5.x 和 V1 間不相容，V1 是一個全新的版本。
3. Pyecharts支援30+種視覺化圖表
得益於Echarts 專案，目前Pyecharts支援 30+ 種常見圖表，如下所示：
- Bar（柱狀圖/條形圖）
- Bar3D（3D 柱狀圖）
- Boxplot（箱形圖）
- EffectScatter（散點圖）
- Funnel（漏斗圖）
- Gauge（儀表盤）
- Geo（地理座標系）
- Graph（關係圖）
- HeatMap（熱力圖）
- Kline（K線圖）
- Line（折線/面積圖）
- Line3D（3D 折線圖）
- Liquid（水球圖）
- Map（地圖）
- Parallel（平行座標系）
- Pie（餅圖）
- Polar（極座標系）
- Radar（雷達圖）
- Sankey（桑基圖）
- Scatter（散點圖）
- Scatter3D（3D 散點圖）
- ThemeRiver（主題河流圖）
- WordCloud（詞雲圖）
4. Pyecharts安裝
1、pip 安裝
# 安裝 v1 以上版本
$ pip install pyecharts -U
# 如果需要安裝 0.5.11 版本的開發者，可以使用
# pip install pyecharts==0.5.11
2、原始碼安裝
# v1 以上版本
$ git clone https://github.com/pyecharts/pyecharts.git
# 如果需要安裝 0.5.11 版本，請使用 git clone https://github.com/pyecharts/pyecharts.git -b v05x
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install
在使用pip安裝庫時，由於牆的原因，下載時可能會出現斷線和速度過慢的問題導致下載失敗，所以建議通過豆瓣源或清華映象來進行下載：
# 豆瓣源下載
pip install -i https://pypi.douban.com/simple pyecharts
# 清華映象源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
PS: 這裡要專門說明一下，自從 0.3.2 開始，為了縮減專案本身的體積以及維持 pyecharts 專案的輕量化執行，pyecharts 將不再自帶地圖 js 檔案。如使用者需要用到地圖圖表（Geo、Map），可自行安裝對應的地圖檔案包。
# 通過pip命令進行安裝
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
5. Pyecharts官方示例實戰
現在我們來開始正式使用pycharts，這裡我們先直接使用官方的資料，感受一下視覺化展示效果。
from pyecharts.charts import Bar
from pyecharts import options as opts
# V1 版本開始支援鏈式呼叫
bar = (
Bar()
.add_xaxis(["襯衫", "毛衣", "領帶", "褲子", "風衣", "高跟鞋", "襪子"])
.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="某商場銷售情況"))
)
bar.render_notebook()
在這裡順便安利一下jupyter，pyecharts在v0.1.9.2版本開始，在jupyter上可以直接呼叫例項（例如上方直接呼叫bar.render_notebook()）就可以將圖表直接展示出來，非常方便。
如果指令碼在非jupyter環境執行，圖表渲染方法需改為:
bar.render()
預設情況下，pycharts生成圖表為HTML格式，也支援生成png圖片格式，如下：
from snapshot_selenium import snapshot as driver
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
def bar_chart() -> Bar:
c = (
Bar()
.add_xaxis(["襯衫", "毛衣", "領帶", "褲子", "風衣", "高跟鞋", "襪子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-測試渲染圖片"))
)
return c
# 需要安裝 snapshot-selenium 或者 snapshot-phantomjs
make_snapshot(driver, bar_chart().render(), "bar.png")
6. Pyecharts幾種高頻使用的視覺化圖表
在上面官方示例中的柱狀圖表我們已經能感受到pycharts視覺化功能的強大，最後再介始幾種日常工作中常用的視覺化圖表及對應示例。
6.1 Pie餅狀圖
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
pie = (
Pie()
.add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-設定顏色"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
pie.render_notebook()
6.2 儀表盤
from pyecharts import options as opts
from pyecharts.charts import Gauge
g = (
Gauge()
.add("", [("完成率", 66.6)])
.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"))
)
g.render_notebook()
6.3 折線圖
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values(), is_smooth=True)
.add_yaxis("商家B", Faker.values(), is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="Line-smooth"))
)
c.render_notebook()
6.4 K線圖
from pyecharts import options as opts
from pyecharts.charts import Kline
data = [
[2320.26, 2320.26, 2287.3, 2362.94],
[2300, 2291.3, 2288.26, 2308.38],
[2295.35, 2346.5, 2295.35, 2345.92],
[2347.22, 2358.98, 2337.35, 2363.8],
[2360.75, 2382.48, 2347.89, 2383.76],
[2383.43, 2385.42, 2371.23, 2391.82],
[2377.41, 2419.02, 2369.57, 2421.15],
[2425.92, 2428.15, 2417.58, 2440.38],
[2411, 2433.13, 2403.3, 2437.42],
[2432.68, 2334.48, 2427.7, 2441.73],
[2430.69, 2418.53, 2394.22, 2433.89],
[2416.62, 2432.4, 2414.4, 2443.03],
[2441.91, 2421.56, 2418.43, 2444.8],
[2420.26, 2382.91, 2373.53, 2427.07],
[2383.49, 2397.18, 2370.61, 2397.94],
[2378.82, 2325.95, 2309.17, 2378.82],
[2322.94, 2314.16, 2308.76, 2330.88],
[2320.62, 2325.82, 2315.01, 2338.78],
[2313.74, 2293.34, 2289.89, 2340.71],
[2297.77, 2313.22, 2292.03, 2324.63],
[2322.32, 2365.59, 2308.92, 2366.16],
[2364.54, 2359.51, 2330.86, 2369.65],
[2332.08, 2273.4, 2259.25, 2333.54],
[2274.81, 2326.31, 2270.1, 2328.14],
[2333.61, 2347.18, 2321.6, 2351.44],
[2340.44, 2324.29, 2304.27, 2352.02],
[2326.42, 2318.61, 2314.59, 2333.67],
[2314.68, 2310.59, 2296.58, 2320.96],
[2309.16, 2286.6, 2264.83, 2333.29],
[2282.17, 2263.97, 2253.25, 2286.33],
[2255.77, 2270.28, 2253.31, 2276.22],
]
k = (
Kline()
.add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)])
.add_yaxis("k線圖", data)
.set_global_opts(
yaxis_opts=opts.AxisOpts(is_scale=True),
xaxis_opts=opts.AxisOpts(is_scale=True),
title_opts=opts.TitleOpts(title="K線圖-基本示例"),
)
)
k.render_notebook()
6.5 地圖Map
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
map = (
Map()
.add("中國地圖", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
.set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"))
)
map.render_notebook()
6.6 詞雲圖
import pyecharts.options as opts
from pyecharts.charts import WordCloud
data = [
("生活資源", "999"),
("供熱管理", "888"),
("供氣質量", "777"),
("生活用水管理", "688"),
("一次供水問題", "588"),
("交通運輸", "516"),
("城市交通", "515"),
("環境保護", "483"),
("房地產管理", "462"),
("城鄉建設", "449"),
("社會保障與福利", "429"),
("社會保障", "407"),
("文體與教育管理", "406"),
("公共安全", "406"),
("公交運輸管理", "386"),
("計程車運營管理", "385"),
("供熱管理", "375"),
("市容環衛", "355"),
("自然資源管理", "355"),
("粉塵汙染", "335"),
("噪聲汙染", "324"),
("土地資源管理", "304"),
("物業服務與管理", "304"),
("醫療衛生", "284"),
("粉煤灰汙染", "284"),
("佔道", "284"),
("供熱發展", "254"),
("農村土地規劃管理", "254"),
("生活噪音", "253"),
("供熱單位影響", "253"),
("城市供電", "223"),
("房屋質量與安全", "223"),
("大氣汙染", "223"),
("房屋安全", "223"),
("文化活動", "223"),
("拆遷管理", "223"),
("公共設施", "223"),
("供氣質量", "223"),
("供電管理", "223"),
("燃氣管理", "152"),
("教育管理", "152"),
("醫療糾紛", "152"),
("執法監督", "152"),
("裝置安全", "152"),
("政務建設", "152"),
("縣區、開發區", "152"),
("巨集觀經濟", "152"),
("教育管理", "112"),
("社會保障", "112"),
("生活用水管理", "112"),
("物業服務與管理", "112"),
("分類列表", "112"),
("農業生產", "112"),
("二次供水問題", "112"),
("城市公共設施", "92"),
("拆遷政策諮詢", "92"),
("物業服務", "92"),
("物業管理", "92"),
("社會保障保險管理", "92"),
("低保管理", "92"),
("文娛市場管理", "72"),
("城市交通秩序管理", "72"),
("執法爭議", "72"),
("商業煙塵汙染", "72"),
("佔道堆放", "71"),
("地上設施", "71"),
("水質", "71"),
("無水", "71"),
("供熱單位影響", "71"),
("人行道管理", "71"),
("主網原因", "71"),
("集中供熱", "71"),
("客運管理", "71"),
("國有公交（大巴）管理", "71"),
("工業粉塵汙染", "71"),
("治安案件", "71"),
("壓力容器安全", "71"),
("身份證管理", "71"),
("群眾健身", "41"),
("工業排放汙染", "41"),
("破壞森林資源", "41"),
("市場收費", "41"),
("生產資金", "41"),
("生產噪聲", "41"),
("農村低保", "41"),
("勞動爭議", "41"),
("勞動合同爭議", "41"),
("勞動報酬與福利", "41"),
("醫療事故", "21"),
("停供", "21"),
("基礎教育", "21"),
("職業教育", "21"),
("物業資質管理", "21"),
("拆遷補償", "21"),
("設施維護", "21"),
("市場外溢", "11"),
("佔道經營", "11"),
("樹木管理", "11"),
("農村基礎設施", "11"),
("無水", "11"),
("供氣質量", "11"),
("停氣", "11"),
("燃氣管理", "11"),
("市容環衛", "11"),
("新聞傳媒", "11"),
("人才招聘", "11"),
("市場環境", "11"),
("行政事業收費", "11"),
("食品安全與衛生", "11"),
("城市交通", "11"),
("房地產開發", "11"),
("房屋配套問題", "11"),
("物業服務", "11"),
("物業管理", "11"),
("佔道", "11"),
("園林綠化", "11"),
("戶籍管理及身份證", "11"),
("公交運輸管理", "11"),
("公路（水路）交通", "11"),
("房屋與圖紙不符", "11"),
("有線電視", "11"),
("社會治安", "11"),
("林業資源", "11"),
("其他行政事業收費", "11"),
("經營性收費", "11"),
("食品安全與衛生", "11"),
("體育活動", "11"),
("有線電視安裝及除錯維護", "11"),
("低保管理", "11"),
("勞動爭議", "11"),
("社會福利及事務", "11"),
("一次供水問題", "11"),
]
c=(
WordCloud()
.add(series_name="熱點分析", data_pair=data, word_size_range=[6, 66])
.set_global_opts(
title_opts=opts.TitleOpts(
title="熱點分析", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
),
tooltip_opts=opts.TooltipOpts(is_show=True),
)
)
c.render_notebook()
上述示例僅供參考，讀者們結合日常工作應用，學會舉一反三才是關健，更多Pychart示例介紹可見：程式碼示例