这几个用 Pyecharts 做出来的交互图表，领导说叼爆了！

一、Pyecharts简介和安装

1、简介

Echarts 是一个由百度开源的数据可视化，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。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

• 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 JupyterLab

• 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

pyecharts版本v0.5.x 和 v1 间不兼容，v1 是一个全新的版本，语法也有很大不同。

2、安装

安装 pyecharts

pip install pyecharts -i http://pypi.douban.com/simple --trusted-host pypi.douban.com  

import pyecharts  
  
print(pyecharts.__version__)         # 查看pyecharts版本  

安装相关的地图扩展包

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg           # 全球国家地图  
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg   # 中国省级地图  
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg      # 中国市级地图  
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg    # 中国县区级地图  

二、绘制地理图表

1、世界地图—数据可视化

利用 Starbucks.csv 中的数据，首先计算每个国家(Country)对应的门店数量，然后使用世界地图表示星巴克门面店在全球的分布。

import pandas as pd  
from pyecharts.charts import Map  
from pyecharts import options as opts  
from pyecharts.globals import ThemeType, CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
# 用pandas读取csv文件里的数据  
df = pd.read_csv("Starbucks.csv")['Country']  
data = df.value_counts()  
datas = [(i, int(j)) for i, j in zip(data.index, data.values)]  
  
  
# 实例化一个Map对象  
map_ = Map(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))  
# 世界地图  
map_.add("门店数量", data_pair=datas, maptype="world")  
map_.set_series_opts(label_opts=opts.LabelOpts(is_show=False))   # 不显示label  
map_.set_global_opts(  
     title_opts=opts.TitleOpts(title="星巴克门店数量在全球分布", pos_left='40%', pos_top='10'),   # 调整title位置  
     legend_opts=opts.LegendOpts(is_show=False),  
     visualmap_opts=opts.VisualMapOpts(max_=13608, min_=1, is_piecewise=True,  
     pieces=[{
    
    "max": 9, "min": 1, "label": "1-9", "color": "#00FFFF"},        # 分段  添加图例注释和颜色  
          {
    
    "max": 99, "min": 10, "label": "10-99", "color": "#A52A2A"},  
          {
    
    "max": 499, "min": 100, "label": "100-499", "color": "#0000FF    "},  
          {
    
    "max": 999, "min": 500, "label": "500-999", "color": "#FF00FF"},  
          {
    
    "max": 2000, "min": 1000, "label": "1000-2000", "color": "#228B22"},  
          {
    
    "max": 3000, "min": 2000, "label": "2000-3000", "color": "#FF0000"},  
          {
    
    "max": 20000, "min": 10000, "label": ">=10000", "color": "#FFD700"}  
             ])  
     )  
  
# 渲染在网页上   有交互性  
map_.render('星巴克门店在全球的分布.html')  

运行效果如下：

2、国家地图—数据可视化

涟漪散点图

利用china.csv 中的数据，首先计算每个城市(City)对应的门店数量，然后使用 pyecharts包内 Geo 模块绘制星巴克门面店在中国分布的涟漪散点地图。

import pandas as pd  
from pyecharts.globals import ThemeType, CurrentConfig, GeoType  
from pyecharts import options as opts  
from pyecharts.charts import Geo  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
# pandas读取csv文件数据  
df = pd.read_csv("china.csv")['City']  
data = df.value_counts()  
  
datas = [(i, int(j)) for i, j in zip(data.index, data.values)]  
print(datas)  
  
geo = Geo(init_opts=opts.InitOpts(width='1000px', height='600px', theme=ThemeType.DARK))  
geo.add_schema(maptype='china', label_opts=opts.LabelOpts(is_show=True))   # 显示label  省名  
geo.add('门店数量', data_pair=datas, type_=GeoType.EFFECT_SCATTER, symbol_size=8)  
geo.set_series_opts(label_opts=opts.LabelOpts(is_show=False))  
geo.set_global_opts(title_opts=opts.TitleOpts(title='星巴克门店在中国的分布'),  
                    visualmap_opts=opts.VisualMapOpts(max_=550, is_piecewise=True,  
                    pieces=[{
    
    "max": 50, "min": 0, "label": "0-50", "color": "#708090"},        # 分段  添加图例注释  和颜色  
                              {
    
    "max": 100, "min": 51, "label": "51-100", "color": "#00FFFF"},  
                              {
    
    "max": 200, "min": 101, "label": "101-200", "color": "#00008B"},  
                              {
    
    "max": 300, "min": 201, "label": "201-300", "color": "#8B008B"},  
                              {
    
    "max": 600, "min": 500, "label": "500-600", "color": "#FF0000"},  
                                 ])  
                    )  
  
geo.render("星巴克门店在中国的分布.html")  

运行效果如下：

动态轨迹图

from pyecharts import options as opts  
from pyecharts.charts import Geo  
from pyecharts.globals import ChartType, SymbolType, CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
# 链式调用  
c = (  
    Geo()  
    .add_schema(  
        maptype="china",  
        itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),  
        label_opts=opts.LabelOpts(is_show=True)  
    )  
    .add(  
        "",  
        [("广州", 55), ("北京", 66), ("杭州", 77), ("重庆", 88), ('成都', 100), ('海口', 80)],  
        type_=ChartType.EFFECT_SCATTER,  
        color="white",  
    )  
    .add(  
        "",  
        [("广州", "上海"), ("广州", "北京"), ("广州", "杭州"), ("广州", "重庆"),  
         ('成都', '海口'), ('海口', '北京'), ('海口', '重庆'), ('重庆', '上海')  
         ],  
        type_=ChartType.LINES,  
        effect_opts=opts.EffectOpts(  
            symbol=SymbolType.ARROW, symbol_size=6, color="blue"  
        ),  
        linestyle_opts=opts.LineStyleOpts(curve=0.2),  
    )  
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  
    .set_global_opts(title_opts=opts.TitleOpts(title="动态轨迹图"))  
    .render("geo_lines_background.html")  
)  

运行效果如下：

3、省市地图—数据可视化

热力图

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Geo  
from pyecharts.faker import Faker  
from pyecharts.globals import GeoType, CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
c = (  
    Geo()  
    .add_schema(maptype="广东", label_opts=opts.LabelOpts(is_show=True))  
    .add(  
        "热力图",  
        [list(z) for z in zip(Faker.guangdong_city, Faker.values())],  
        type_=GeoType.HEATMAP,  
    )  
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True))  
    .set_global_opts(  
        visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-广东地图")  
    )  
    .render("geo_guangdong.html")  
)  

运行效果如下：

在地图上批量添加地址、经纬度数据，地理数据可视化

代码如下：

import pandas as pd     # 导入数据分析模块  
from pyecharts.charts import Geo    # 导入地理信息处理模块  
from pyecharts import options as opts   # 配置  
from pyecharts.globals import GeoType, CurrentConfig, ThemeType  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
df = pd.read_excel("hotel.xlsx")  
  
# 获取 地点  经纬度信息  
geo_sight_coord = {
    
    df.iloc[i]['酒店地址']: [df.iloc[i]['经度'], df.iloc[i]['纬度']] for i in range(len(df))}  
data = [(df['酒店地址'][j], f"{int(df['最低价'][j])}元(最低价)") for j in range(len(df))]  
# print(data)  
# print(geo_sight_coord)  
  
g = Geo(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION, width="1000px", height="600px"))  
g.add_schema(maptype="北京")  
for k, v in list(geo_sight_coord.items()):  
    # 添加地址、经纬度数据  
    g.add_coordinate(k, v[0], v[1])  
  
# 涟漪散点图  
g.add("", data_pair=data, type_=GeoType.EFFECT_SCATTER, symbol_size=6)  
g.set_series_opts(label_opts=opts.LabelOpts(is_show=False))  
g.set_global_opts(title_opts=opts.TitleOpts(title="北京-酒店地址分布"))  
g.render("酒店地址分布.html")  

运行效果如下：

三、柱形图

代码如下：

from pyecharts.charts import Bar  
from pyecharts.faker import Faker  
from pyecharts.globals import ThemeType, CurrentConfig  
from pyecharts import options as opts  
  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
# 链式调用  
c = (  
    Bar(  
        init_opts=opts.InitOpts(           # 初始配置项  
            theme=ThemeType.MACARONS,  
            animation_opts=opts.AnimationOpts(  
                animation_delay=1000, animation_easing="cubicOut"   # 初始动画延迟和缓动效果  
            ))  
        )  
    .add_xaxis(xaxis_data=Faker.choose())      # x轴  
    .add_yaxis(series_name="商家A", yaxis_data=Faker.values())       # y轴  
    .add_yaxis(series_name="商家B", yaxis_data=Faker.values())       # y轴  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title='标题', subtitle='副标题',   # 标题配置和调整位置  
                                  title_textstyle_opts=opts.TextStyleOpts(  
                                  font_family='SimHei', font_size=25, font_weight='bold', color='red',  
                                  ), pos_left="90%", pos_top="10",  
                                  ),  
        xaxis_opts=opts.AxisOpts(name='x轴名称', axislabel_opts=opts.LabelOpts(rotate=45)),  # 设置x名称和Label rotate解决标签名字过长使用  
        yaxis_opts=opts.AxisOpts(name='y轴名称'),  
  
    )  
    .render("bar_001.html")  
)  

运行效果如下：

代码如下：

import pandas as pd  
import collections  
from pyecharts import options as opts  
from pyecharts.charts import Bar  
from pyecharts.globals import ThemeType, CurrentConfig  
import random  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
df = pd.read_excel("hotel.xlsx")  
area = list(df['酒店地址'])  
area_list = []  
for i in area:  
    _index = i.find("区")  
    # 字符串切片得到行政区名  
    i = i[:_index + 1]  
    area_list.append(i)  
  
area_count = collections.Counter(area_list)  
area_dic = dict(area_count)  
  
# 两个列表对应   行政区  对应的酒店数量  
area = [x for x in list(area_dic.keys())][0:10]  
nums = [y for y in list(area_dic.values())][:10]  
  
# 定制风格  
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))  
colors = ['red', '#0000CD', '#000000', '#008000', '#FF1493', '#FFD700', '#FF4500', '#00FA9A', '#191970', '#9932CC']  
random.shuffle(colors)  
# 配置y轴数据  Baritem  
y = []  
for i in range(10):  
    y.append(  
        opts.BarItem(  
            value=nums[i],  
            itemstyle_opts=opts.ItemStyleOpts(color=colors[i])   # 设置每根柱子的颜色  
        )  
    )  
bar.add_xaxis(xaxis_data=area)  
bar.add_yaxis("酒店数量", yaxis_data=y)  
bar.set_global_opts(xaxis_opts=opts.AxisOpts(  
                                    name='行政区',  
                                    axislabel_opts=opts.LabelOpts(rotate=45)  
                                    ),  
                    yaxis_opts=opts.AxisOpts(  
                                    name='酒店数量', min_=0, max_=330,     # y轴刻度的最小值 最大值  
                    ),  
                    title_opts=opts.TitleOpts(  
                        title="行政区-酒店数量",  
                        title_textstyle_opts=opts.TextStyleOpts(  
                            font_family="KaiTi", font_size=25, color="black"  
                        )  
                    ))  
# 标记最大值  最小值  平均值   标记平均线  
bar.set_series_opts(label_opts=opts.LabelOpts(is_show=False),  
                    markpoint_opts=opts.MarkPointOpts(  
                    data=[  
                        opts.MarkPointItem(type_="max", name="最大值"),  
                        opts.MarkPointItem(type_="min", name="最小值"),  
                        opts.MarkPointItem(type_="average", name="平均值")]),  
                    markline_opts=opts.MarkLineOpts(  
                    data=[  
                        opts.MarkLineItem(type_="average", name="平均值")]))  
bar.render("行政区酒店数量最多的Top10.html")  

运行效果如下：

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Bar  
from pyecharts.faker import Faker  
from pyecharts.globals import ThemeType, CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
c = (  
    Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))  
    .add_xaxis(xaxis_data=Faker.days_attrs)  
    .add_yaxis("商家A", yaxis_data=Faker.days_values)  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Bar-DataZoom（slider+inside）"),  
        datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],  
    )  
    .render("bar_datazoom_both.html")  
)  

运行效果如下：

四、饼图

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Pie  
from pyecharts.faker import Faker  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
c = (  
    Pie()  
    .add(  
        "",  
        [list(z) for z in zip(Faker.choose(), Faker.values())],  
        # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标  
        # 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度  
        center=["35%", "50%"],  
    )  
    .set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])   # 设置颜色  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Pie-设置颜色-调整图例位置"),  
        legend_opts=opts.LegendOpts(type_="scroll", pos_left="70%", orient="vertical"),  # 调整图例位置  
    )  
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))  
    .render("pie_set_color.html")  
)  

运行效果如下：

代码如下：

import pyecharts.options as opts  
from pyecharts.charts import Pie  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
x_data = ["深度学习", "数据分析", "Web开发", "爬虫", "图像处理"]  
y_data = [688, 888, 560, 388, 480]  
data_pair = [list(z) for z in zip(x_data, y_data)]  
data_pair.sort(key=lambda x: x[1])  
  
c = (  
    # 宽  高  背景颜色  
    Pie(init_opts=opts.InitOpts(width="1200px", height="800px", bg_color="#2c343c"))  
    .add(  
        series_name="学习方向",    # 系列名称  
        data_pair=data_pair,      # 系列数据项，格式为 [(key1, value1), (key2, value2)]  
        rosetype="radius",        # radius：扇区圆心角展现数据的百分比，半径展现数据的大小  
        radius="55%",             # 饼图的半径  
        center=["50%", "50%"],    # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标  
        label_opts=opts.LabelOpts(is_show=False, position="center"),   #  标签配置项  
    )  
    .set_global_opts(  
        title_opts=opts.TitleOpts(  
            title="Customized Pie",  
            pos_left="center",  
            pos_top="20",  
            title_textstyle_opts=opts.TextStyleOpts(color="#fff"),  
        ),  
        legend_opts=opts.LegendOpts(is_show=False),  
    )  
    .set_series_opts(  
        tooltip_opts=opts.TooltipOpts(  
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"  # 'item': 数据项图形触发，主要在散点图，饼图等无类目轴的图表中使用  
         ),  
        label_opts=opts.LabelOpts(color="rgba(255, 255, 255, 0.3)"),  
    )  
    .render("customized_pie.html")  
)  

运行效果如下：

五、环图

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Pie  
from pyecharts.faker import Faker  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
c = (  
    Pie()  
    .add(  
        "",  
        [list(z) for z in zip(Faker.choose(), Faker.values())],  
        # 饼图的半径，数组的第一项是内半径，第二项是外半径  
        # 默认设置成百分比，相对于容器高宽中较小的一项的一半  
        radius=["40%", "60%"],  
    )  
    .set_colors(["blue", "green", "    #800000", "red", "#000000", "orange", "purple"])  
    .set_global_opts(  
        title_opts=opts.TitleOpts(title="Pie-Radius"),  
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),  
    )  
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))  
    .render("pie_radius.html")  
)  

运行效果如下：

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Pie  
from pyecharts.faker import Faker  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
c = (  
    Pie()  
    .add(  
        "",  
        [list(z) for z in zip(Faker.choose(), Faker.values())],  
        radius=["40%", "60%"],  
        label_opts=opts.LabelOpts(  
            position="outside",  
            formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",  
            background_color="#eee",  
            border_color="#aaa",  
            border_width=1,  
            border_radius=4,  
            rich={
    
      
                "a": {
    
    "color": "#999", "lineHeight": 22, "align": "center"},  
                "abg": {
    
      
                    "backgroundColor": "#e3e3e3",  
                    "width": "100%",  
                    "align": "right",  
                    "height": 22,  
                    "borderRadius": [4, 4, 0, 0],  
                },  
                "hr": {
    
      
                    "borderColor": "#aaa",  
                    "width": "100%",  
                    "borderWidth": 0.5,  
                    "height": 0,  
                },  
                "b": {
    
    "fontSize": 16, "lineHeight": 33},  
                "per": {
    
      
                    "color": "#eee",  
                    "backgroundColor": "#334455",  
                    "padding": [2, 4],  
                    "borderRadius": 2,  
                },  
            },  
        ),  
    )  
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例"))  
    .render("pie_rich_label.html")  
)  

运行效果如下：

六、玫瑰图

代码如下：

from pyecharts import options as opts  
from pyecharts.charts import Pie  
from pyecharts.faker import Faker  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
labels = ['可乐', '雪碧', '橙汁', '奶茶', '冰啤酒', '柠檬水']  
values = [6, 12, 28, 52, 72, 96]  
v = Faker.choose()  
c = (  
    Pie()  
    .add(  
        "",  
        [list(z) for z in zip(v, Faker.values())],  
        radius=["40%", "75%"],  
        center=["22%", "50%"],  
        rosetype="radius",  
        label_opts=opts.LabelOpts(is_show=False),  
    )  
    .add(  
        "",  
        [list(z) for z in zip(labels, values)],  
        radius=["40%", "75%"],  
        center=["70%", "50%"],  
        rosetype="area",  
    )  
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"),  
                     legend_opts=opts.LegendOpts(is_show=False)  
                     )  
    .render("pie_rosetype.html")  
)  

from pyecharts import options as opts  
from pyecharts.charts import Pie  
from pyecharts.globals import CurrentConfig  
import pandas as pd  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
provinces = ['北京','上海','黑龙江','吉林','辽宁','内蒙古','新疆','西藏','青海','四川','云南','陕西','重庆',  
             '贵州','广西','海南','澳门','湖南','江西','福建','安徽','浙江','江苏','宁夏','山西','河北','天津']  
num = [1,1,1,17,9,22,23,42,35,7,20,21,16,24,16,21,37,12,13,14,13,7,22,8,16,13,13]  
color_series = ['#FAE927','#E9E416','#C9DA36','#9ECB3C','#6DBC49',  
                '#37B44E','#3DBA78','#14ADCF','#209AC9','#1E91CA',  
                '#2C6BA0','#2B55A1','#2D3D8E','#44388E','#6A368B'  
                '#7D3990','#A63F98','#C31C88','#D52178','#D5225B',  
                '#D02C2A','#D44C2D','#F57A34','#FA8F2F','#D99D21',  
                '#CF7B25','#CF7B25','#CF7B25']  
  
# 创建DataFrame  
df = pd.DataFrame({
    
    'provinces': provinces, 'num': num})  
# 降序排序  
df.sort_values(by='num', ascending=False, inplace=True)  
  
# 提取数据  
v = df['provinces'].values.tolist()  
d = df['num'].values.tolist()  
# 绘制饼图  
pie1 = Pie(init_opts=opts.InitOpts(width='1250px', height='750px'))  
# 设置颜色  
pie1.set_colors(color_series)  
  
pie1.add("", [list(z) for z in zip(v, d)],  
        radius=["30%", "100%"],  
        center=["50%", "50%"],  
        rosetype="area"  
        )  
# 设置全局配置项  
pie1.set_global_opts(title_opts=opts.TitleOpts(title='多省区市\n确诊病例连续多日',subtitle='零新增',  
                                               title_textstyle_opts=opts.TextStyleOpts(font_size=25,color= '#0085c3'),  
                                               subtitle_textstyle_opts= opts.TextStyleOpts(font_size=50,color= '#003399'),  
                                               pos_right= 'center',pos_left= 'center',pos_top='42%',pos_bottom='center'  
                                              ),  
                     legend_opts=opts.LegendOpts(is_show=False),  
                     toolbox_opts=opts.ToolboxOpts())  
# 设置系列配置项  
pie1.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12,  
                                               formatter="{b}:{c}天", font_style="italic",  
                                               font_weight="bold", font_family="SimHei"  
                                               ),  
                     )  
# 渲染在html页面上  
pie1.render('南丁格尔玫瑰图示例.html')  

运行效果如下：

七、词云图

词云就是通过形成关键词云层或关键词渲染，过滤掉大量的文本信息，对网络文本中出现频率较高的关键词的视觉上的突出。

import jieba  
import collections  
import re  
from pyecharts.charts import WordCloud  
from pyecharts.globals import SymbolType  
from pyecharts import options as opts  
from pyecharts.globals import ThemeType, CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
with open('barrages.txt') as f:  
    data = f.read()  
  
# 文本预处理  去除一些无用的字符   只提取出中文出来  
new_data = re.findall('[\u4e00-\u9fa5]+', data, re.S)  # 只要字符串中的中文  
new_data = " ".join(new_data)  
  
# 文本分词--精确模式  
seg_list_exact = jieba.cut(new_data, cut_all=False)  
  
result_list = []  
with open('stop_words.txt', encoding='utf-8') as f:  
    con = f.readlines()  
    stop_words = set()  
    for i in con:  
        i = i.replace("\n", "")   # 去掉读取每一行数据的\n  
        stop_words.add(i)  
  
for word in seg_list_exact:  
    # 设置停用词并去除单个词  
    if word not in stop_words and len(word) > 1:  
        result_list.append(word)  
print(result_list)  
  
# 筛选后统计  
word_counts = collections.Counter(result_list)  
# 获取前100最高频的词  
word_counts_top100 = word_counts.most_common(100)  
# 打印出来看看统计的词频  
print(word_counts_top100)  
  
# 链式调用  
c = (  
    WordCloud(  
        init_opts=opts.InitOpts(width='1350px', height='750px', theme=ThemeType.MACARONS)  
    )  
    .add(  
        series_name="词频",               # 系列名称  
        data_pair=word_counts_top100,   # 系列数据项 [(word1, count1), (word2, count2)]  
        word_size_range=[15, 108],      # 单词字体大小范围  
        textstyle_opts=opts.TextStyleOpts(     # 词云图文字的配置  
            font_family='KaiTi',  
        ),  
        shape=SymbolType.DIAMOND,  # 词云图轮廓，有 'circle', 'cardioid', 'diamond', 'triangle-forward', 'triangle', 'pentagon', 'star' 可选  
        pos_left='100',  # 距离左侧的距离  
        pos_top='50',    # 距离顶部的距离  
    )  
    .set_global_opts(  
        title_opts=opts.TitleOpts(           # 标题配置项  
            title='弹幕词云图',  
            title_textstyle_opts=opts.TextStyleOpts(  
                font_family='SimHei',  
                font_size=25,  
                color='black'  
            ),  
            pos_left='500',  
            pos_top='10',  
        ),  
        tooltip_opts=opts.TooltipOpts(       # 提示框配置项  
            is_show=True,  
            background_color='red',  
            border_color='yellow',  
        ),  
        toolbox_opts=opts.ToolboxOpts(       # 工具箱配置项  
            is_show=True,  
            orient='vertical',  
        )  
    )  
    .render('弹幕词云图.html')  
)  

运行效果如下：

八、仪表盘

from pyecharts.charts import Gauge  
from pyecharts.globals import CurrentConfig  
from pyecharts import options as opts  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
c = (  
    Gauge()  
    .add(  
        series_name='业务指标',            # 系列名称，用于 tooltip 的显示，legend 的图例筛选。  
        data_pair=[['完成率', 88.8]],      # 系列数据项，格式为 [(key1, value1), (key2, value2)]  
        radius='70%',                      # 仪表盘半径，可以是相对于容器高宽中较小的一项的一半的百分比，也可以是绝对的数值。  
        axisline_opts=opts.AxisLineOpts(  
            linestyle_opts=opts.LineStyleOpts(  # 坐标轴轴线配置项  
                color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")],  
                width=30,  
            )  
        ),  
        title_label_opts=opts.LabelOpts(          # 轮盘内标题文本项标签配置项  
            font_size=25, color='blue', font_family='KaiTi'  
        )  
    )  
    .set_global_opts(  
        title_opts=opts.TitleOpts(          # 标题配置项  
            title='仪表盘',  
            title_textstyle_opts=opts.TextStyleOpts(  
                font_size=25, font_family='SimHei',  
                color='black', font_weight='bold',  
            ),  
        pos_left="410", pos_top="8",  
        ),  
        legend_opts=opts.LegendOpts(        # 图例配置项  
            is_show=False  
        ),  
        tooltip_opts=opts.TooltipOpts(         # 提示框配置项  
            is_show=True,  
            formatter="{a} <br/>{b} : {c}%",  
        )  
    )  
    .render('gauge.html')  
)  

运行效果如下：

九、水球图

from pyecharts import options as opts  
from pyecharts.charts import Grid, Liquid  
from pyecharts.commons.utils import JsCode  
from pyecharts.globals import CurrentConfig, ThemeType  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
lq_1 = (  
    Liquid()  
    .add(  
        series_name='电量',        # 系列名称，用于 tooltip 的显示，legend 的图例筛选。  
        data=[0.25],               # 系列数据，格式为 [value1, value2, ....]  
        center=['60%', '50%'],  
        # 水球外形，有' circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow' 可选。  
        # 默认 'circle'   也可以为自定义的 SVG 路径  
        shape='circle',  
        color=['yellow'],          # 波浪颜色   Optional[Sequence[str]] = None,  
        is_animation=True,         # 是否显示波浪动画  
        is_outline_show=False,     # 是否显示边框  
    )  
    .set_global_opts(title_opts=opts.TitleOpts(title='多个Liquid显示'))  
)  
  
lq_2 = (  
    Liquid()  
    .add(  
        series_name='数据精度',  
        data=[0.8866],  
        center=['25%', '50%'],  
        label_opts=opts.LabelOpts(  
            font_size=50,  
            formatter=JsCode(  
                """function (param) {
    
      
                        return (Math.floor(param.value * 10000) / 100) + '%';  
                    }"""  
            ),  
            position='inside'  
        )  
  
    )  
)  
  
grid = Grid(init_opts=opts.InitOpts(theme=ThemeType.DARK)).add(lq_1, grid_opts=opts.GridOpts()).add(lq_2, grid_opts=opts.GridOpts())  
grid.render("multiple_liquid.html")  

运行效果如下：

数据获取

数据来源：http://www.tianqihoubao.com/aqi/chengdu-201901.html

爬取2019年全年成都空气质量数据

import pandas as pd  
  
dates = pd.date_range('20190101', '20191201', freq='MS').strftime('%Y%m')   # 构造出日期序列  便于之后构造url  
for i in range(len(dates)):  
    df = pd.read_html(f'http://www.tianqihoubao.com/aqi/chengdu-{dates[i]}.html', encoding='gbk', header=0)[0]  
    if i == 0:  
        df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False)     # 追加写入  
        i += 1  
    else:  
        df.to_csv('2019年成都空气质量数据.csv', mode='a+', index=False, header=False)  

查看爬取的数据

十、折线图

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

绘制2019年成都AQI指数走势图

import pandas as pd  
import pyecharts.options as opts  
from pyecharts.charts import Line  
from pyecharts.globals import CurrentConfig  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
df = pd.read_csv('2019年成都空气质量数据.csv')  
  
date = [x for x in range(len(df['日期']))]  
value = [int(i) for i in df['AQI指数']]  
  
# 绘制折线图  
line = Line()  
line.add_xaxis(xaxis_data=date)  
line.add_yaxis(  
    "AQI指数",       # 系列数据项  
    value,           # y轴数据  
    areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='#00FFFF'),  # 设置图形透明度  填充颜色  
    label_opts=opts.LabelOpts(is_show=False),   # 标签配置项  
    markpoint_opts=opts.MarkPointOpts(          # 标记点配置项  
        data=[  
                opts.MarkPointItem(type_="max", name="最大值"),  
                opts.MarkPointItem(type_="min", name="最小值"),  
                opts.MarkPointItem(type_="average", name="平均值")  
        ]  
    ),  
    markline_opts=opts.MarkLineOpts(            # 标记线配置项  
        data=[opts.MarkLineItem(type_="average", name="平均值")])  
)  
line.set_global_opts(  
    title_opts=opts.TitleOpts(title='2019成都AQI指数走势图(按日统计)')  
)  
line.render('2019成都AQI指数走势图(按日统计).html')  

运行效果如下：

import pandas as pd  
import pyecharts.options as opts  
from pyecharts.charts import Line  
from pyecharts.globals import CurrentConfig, ThemeType  
import math  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']]  
data = df['日期'].str.split('-', expand=True)[1]  
df['月份'] = data  
  
# 按月份分组 聚合 统计每月AQI指数平均值  
counts = df.groupby('月份').agg({
    
    'AQI指数': 'mean'})  
  
date = [f'{x}月' for x in range(1, 13)]  
value = [math.ceil(i) for i in counts['AQI指数']]  
  
line = Line(init_opts=opts.InitOpts(theme=ThemeType.DARK))  
line.set_colors(['red'])  
line.add_xaxis(xaxis_data=date)  
line.add_yaxis(  
    "AQI指数均值",    # 系列数据项   用于图例筛选  
    value,            # y轴数据  
    label_opts=opts.LabelOpts(is_show=False),  
    markpoint_opts=opts.MarkPointOpts(    # 标记点配置项  
        data=[  
                opts.MarkPointItem(type_="max", name="最大值"),  
                opts.MarkPointItem(type_="min", name="最小值"),  
                opts.MarkPointItem(type_="average", name="平均值")  
        ]  
    ),  
    markline_opts=opts.MarkLineOpts(         # 标记线配置项  
        data=[opts.MarkLineItem(type_="average", name="平均值")])  
)  
line.set_global_opts(      # 全局配置项  
    title_opts=opts.TitleOpts(  
        title='2019成都AQI全年走势图(按月统计)',  
        pos_left='32%', pos_top='3%',  
        title_textstyle_opts=opts.TextStyleOpts(  
            font_family='SimHei', font_size=20, color='#F0FFF0'  
        )  
    ),  
    xaxis_opts=opts.AxisOpts(name='月份'),          # x轴标签  
    yaxis_opts=opts.AxisOpts(name='AQI指数均值')    # y轴标签  
)  
line.render('2019成都AQI指数走势图(按月统计).html')  

运行效果如下：

十一、箱形图

箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

import pandas as pd  
from pyecharts import options as opts  
from pyecharts.charts import Boxplot  
from pyecharts.globals import CurrentConfig, ThemeType  
  
CurrentConfig.ONLINE_HOST = 'D:/python/pyecharts-assets-master/assets/'  
  
df = pd.read_csv('2019年成都空气质量数据.csv')[['日期', 'AQI指数']]  
df.sort_values(by='AQI指数', inplace=True)     # 按AQI指数大小排序 升序  
data = df['日期'].str.split('-', expand=True)[1]  
df['月份'] = data  
item1, item2, item3, item4 = [], [], [], []  
  
# 分为4个季度  
for i, j in zip(df['月份'], df['AQI指数']):  
    if i in ['01', '02', '03']:  
        item1.append(j)  
    elif i in ['04', '05', '06']:  
        item2.append(j)  
    elif i in ['07', '08', '09']:  
        item3.append(j)  
    elif i in ['10', '11', '12']:  
        item4.append(j)  
  
x_data = [f'第{i}季度' for i in range(1, 5)]  
y_data = [item1, item2, item3, item4]  
boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))  
boxplot.set_colors(['red'])  
boxplot.add_xaxis(xaxis_data=x_data)  
boxplot.add_yaxis(series_name='', y_axis=boxplot.prepare_data(y_data))  
boxplot.set_global_opts(  
    title_opts=opts.TitleOpts(  
        title='2019年成都季度AQI指数箱型图',  
        pos_left='300', pos_top='5',  
        title_textstyle_opts=opts.TextStyleOpts(  
            font_family='KaiTi', font_size=20, color='black'  
        )  
    ),  
    xaxis_opts=opts.AxisOpts(name='季度'),  
    yaxis_opts=opts.AxisOpts(name='AQI指数')  
)  
boxplot.render('2019年成都季度AQI指数箱型图.html')  

运行效果如下：

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

若有侵权，请联系删除