!文章内容如有错误或排版问题，请提交反馈，非常感谢！
pyecharts简介
Echarts是百度开源的一个数据可视化JS库。可以流畅的运行在PC和移动设备上，底层依赖轻量级的矢量图形库ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。ECharts提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap、旭日图，多维数据可视化的平行坐标，还有用于BI的漏斗图，仪表盘，并且支持图与图之间的混搭。
pyecharts是一个用于生成Echarts图表的类库。主要特性：
- 简洁的API设计，使用如丝滑般流畅，支持链式调用
- 囊括了30+种常见图表，应有尽有
- 支持主流Notebook环境，Jupyter Notebook和Jupyter Lab
- 可轻松集成至Flask，Sanic，Django等主流Web框架
- 高度灵活的配置项，可轻松搭配出精美的图表
- 详细的文档和示例，帮助开发者更快的上手项目
- 多达400+地图文件，并且支持原生百度地图，为地理数据可视化提供强有力的支持
相比matplotlib的优点：
- 类型多，依托echart库。
- 可交互，依托echart库。
- 容易嵌入web页面。支持前后端分离模式和不分离模式。
Pyecharts支持的图形：
- Bar（柱状图/条形图）
- Bar3D（3D柱状图）
- 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）
- Graph（关系图）
- HeatMap（热力图）
- Kline（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）
- Scatter（散点图）
- Scatter3D（3D散点图）
- WordCloud（词云图）
使用pyecharts进行地图可视化
pyecharts v0.3.2以后，pyecharts不再自带地图js文件。在使用前，除了安装 pip install pyecharts 外，需要安装：
pip install echarts-countries-pypkg pip install echarts-china-provinces-pypkg pip install echarts-china-cities-pypkg pip install echarts-china-counties-pypkg pip install echarts-china-misc-pypkg
- 全球国家地图：echarts-countries-pypkg(1.9MB):世界地图和213个国家，包括中国地图-
- 中国省级地图：echarts-china-provinces-pypkg(730KB)：23个省，5个自治区
- 中国市级地图：echarts-china-cities-pypkg(3.8MB)：370个中国城市
- 中国县区级地图：echarts-china-counties-pypkg(4.1MB)：2882个中国县区
- 中国区域地图：echarts-china-misc-pypkg(148KB)：11个中国区域地图，比如华南、华北。
具体使用时会发现网上的很多教程都都不错，原因是pyecharts分为v0.5.X和v1两个版本，两个版本彼此不兼容。v1版本写法，支持链式调用，但导包方式发生了变化。示例代码：
from pyecharts.charts import Map, Geo
from pyecharts import options as opts
locate = ['北京','天津','河北','山西','内蒙古','辽宁','吉林','黑龙江','上海','江苏','浙江','安徽','福建','江西','山东','河南','湖北','湖南','广东','广西','海南','重庆','四川','贵州','云南','陕西','甘肃','青海','宁夏','新疆','西藏']
app_price = [10.84,8.65,18.06,8.90,5.04,29.20,8.98,17.80,27.81,24.24,12.72,11.10,6.30,7.00,22.45,16.92,11.00,14.99,18.85,5.85,1.40,7.32,14.61,4.62,6.05,8.07,6.73,15.54,13.00,39.07,25.61,21.3]
price_list = [[locate[i], app_price[i]] for i in range(len(locate))]
map_1 = Map()
map_1.set_global_opts(
title_opts = opts.TitleOpts(title = "2019年全国各省苹果价格表"),
visualmap_opts = opts.VisualMapOpts(max_ = 50) #最大数据范围
)
map_1.add("2019年全国各省苹果价格", price_list, maptype = "china")
map_1.render("apple.html")
JupyterLab渲染问题
1、在引入pyecharts.charts等模块前声明Notebook类型
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
from pyecharts.charts import Map, Geo
from pyecharts import options as opts
#将数据处理成列表
locate=['北京','天津','河北','山西','内蒙古','辽宁','吉林','黑龙江','上海','江苏','浙江','安徽','福建','江西','山东','河南','湖北','湖南','广东','广西','海南','重庆','四川','贵州','云南','陕西','甘肃','青海','宁夏','新疆','西藏']
app_price=[10.84,8.65,18.06,8.90,5.04,29.20,8.98,17.80,27.81,24.24,12.72,11.10,6.30,7.00,22.45,16.92,11.00,14.99,18.85,5.85,1.40,7.32,14.61,4.62,6.05,8.07,6.73,15.54,13.00,39.07,25.61,21.3]
price_list=[[locate[i],app_price[i]] for i in range(len(locate))]
map_1=Map()
map_1.set_global_opts(
title_opts=opts.TitleOpts(title="2019年全国各省苹果价格表"),
visualmap_opts=opts.VisualMapOpts(max_=50) #最大数据范围
)
map_1.add("2019年全国各省苹果价格", price_list, maptype="china")
#map_1.render("apple.html")
2、调用load_javascript()会预先加载基本JavaScript文件到Notebook中
map_1.load_javascript()
3、调用render_notebook()进行输出。备注：load_javascript()和render_notebook()方法需要在不同的cell中调用
map_1.render_notebook()
更多用法还是看官方文档吧。
参考链接：
