第八节 pyecharts模块
一、pyecharts库
库的名称：pyecharts
作用：python中数据可视化工具，可以将数据处理成漂亮的图表。
导入模块：
from pyecharts.charts import Bar
from pyecharts.charts import line
from pyecharts.charts import Pie
二、柱状图功能总结
1. Bar()
作用：柱状图初始化
格式：bar = Bar()
2. add_xaxis()
作用：增加x轴数据
格式：bar.add_xaxis(["青山","明月","春风"])
表示x轴有三个类型，分别是青山、明月、绿水。
3. add_yaxis()
作用：增加y轴数据
格式：bar.add_yaxis("出现次数",[11,12,10])
表示y轴表示出现次数，分别是青山11次、明月12次、绿水10次。
4. render()
作用：表示生成文件
格式：bar.render("唐诗中的意境.html")
表示生成 唐诗中的意境.html 文件，可以直接用浏览器打开
from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(["青山","明月","春风"])
bar.add_yaxis("出现次数",[11,12,10])
bar.render("唐诗中的意境.html")
5. reversal_axis()
作用：翻转x轴和y轴
格式：bar.reversal_axis()
翻转之后x轴的内容竖直显示，y轴的内容横行显示
6. label_opts=opts.LabelOpts(position="right")
作用：设置标签值在柱状图的右侧显示
格式：bar.add_yaxis("出现次数",count,label_opts=opts.LabelOpts(position="right"))
import pandas as pd
from pyecharts.charts import Bar
from pyecharts import options as opts
df = pd.read_excel("热门景点.xlsx")
data = df.sort_values(by="销售量",ascending="False")
name = list(data.head(10)["景点名称"])
count = list(data.head(10)["销售量"])
bar = Bar()
bar.add_xaxis(name)
bar.add_yaxis("出现次数",count,label_opts=opts.LabelOpts(position="right"))
bar.reversal_axis()
bar.render("唐诗中的意境.html")
7.set_global_opts()
作用：设置x轴标签倾斜度
格式：bar.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)))
参数为-15表示顺时针旋转15度
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar
from xes.tool import *
xopen() #打开文件夹
df = pd.read_excel("热门景点.xlsx")
data = df.sort_values(by="门票销售量", ascending=False)
name = list(data.head(10)["景点名称"])
count = list(data.head(10)["门票销售量"])
# 绘制柱狀图
bar = Bar()
bar.add_xaxis(name)
bar.add_yaxis("门票销售量", count)
bar.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15))
)
bar.render("全国景点门票销量TOP10.html")
三、折线图功能总结
1. Line()
作用：线性图初始化
格式：c = Line()
2. add_xaxis()
作用：增加x轴数据
格式：
c.add_xaxis(list(df["年份"]))
表示x轴表示年份。
3. add_yaxis()
作用：增加y轴数据
绘制多个折线图的方法就是添加多个y轴数据
格式：bar.add_yaxis("名称",数据)
第一个参数表示折现表示的类别名称，第二个参数表示传入的数据
c.add_yaxis("各行平均工资", list(df["各行平均工资"]))
c.add_yaxis("制造业", list(df["制造业"]))
c.add_yaxis("计算机和软件业", list(df["计算机和软件业"]))
c.add_yaxis("金融", list(df["金融"]))
c.add_yaxis("房地产业", list(df["房地产业"]))
c.add_yaxis("教育", list(df["教育"]))
4. render()
作用：表示生成文件
格式：c.render("各行业平均工资分析.html")
表示生成 各行业平均工资分析.html 文件，可以直接用浏览器打开
import pandas as pd
from pyecharts.charts import Line
df = pd.read_excel("各行业平均工资.xlsx")
print(df.columns)
c = Line()
c.add_xaxis(list(df["年份"]))
c.add_yaxis("各行平均工资", list(df["各行平均工资"]))
c.add_yaxis("制造业", list(df["制造业"]))
c.add_yaxis("计算机和软件业", list(df["计算机和软件业"]))
c.add_yaxis("金融", list(df["金融"]))
c.add_yaxis("房地产业", list(df["房地产业"]))
c.add_yaxis("教育", list(df["教育"]))
c.render("各行业平均工资分析.html")
运行结果：
5. 数据的比较分析法
纵向比较：上升还是下降
横向比较：哪个整体更高、哪个增速更快、哪个更接近均值
import pandas as pd
from pyecharts.charts import Line
# 分析就业人数
df = pd.read_excel("各行就业人数.xlsx")
print(df.columns)
c = Line()
c.add_xaxis(list(df["年份"]))
c.add_yaxis("总人数", list(df["总人数"]))
c.add_yaxis("制造业", list(df["制造业"]))
c.add_yaxis("计算机和软件业", list(df["计算机和软件业"]))
c.add_yaxis("金融", list(df["金融"]))
c.add_yaxis("房地产业", list(df["房地产业"]))
c.add_yaxis("教育", list(df["教育"]))
c.render("各行业就业人数分析.html")
运行结果：
四、饼图功能总结
1. Pie()
作用：创建饼图对象
格式：c = Pie()
2. add()
作用：增加数据
格式：c.add(系列名称,data，radius=[内圆半径,外圆半径])
系列名称参数为字符串格式，鼠标滑过饼图，显示系列名称。
data参数是一个元组，表示系列数据，是分组统计的结果。
radius参数用百分数表示，radius=["20%","80%"]就是一个内圆半径是百分之二十，外圆半径是百分之八十的饼图。
3. render()
作用：表示生成饼图
格式：c.render("学生打分结果.html")
表示生成 学生打分结果.html 文件，可以直接用浏览器打开
from pyecharts.charts import Pie
import pandas as pd
from xes.tool import *
xopen()
# --------数据分析---------------------------------------
df = pd.read_excel("动漫评分.xlsx")
print(df.columns)
print(df["学生打分"].max()) # 最高成绩
print(df["学生打分"].min()) # 最低成绩
scoreLab = pd.cut(df["学生打分"], bins = [0, 20, 40, 60, 80, 100],
labels=["超级不喜欢", "不喜欢", "一般般", "喜欢", "超喜欢"])
print(scoreLab)
result = df["学生打分"].groupby(by=scoreLab).count()
print(result)
# --------数据可视化---------------------------------------
data = [("超级不喜欢", 19), ("不喜欢", 29), ("一般般", 44), ("喜欢", 33), ("超喜欢", 129)]
c = Pie()
c.add("分数分布", data, radius=["40%", "80%"])
c.set_colors(["blue", "green", "yellow", "red", "pink"])
c.render("学生打分结果.html")
