Echarts 是一个由百度开源的数据可视化工具,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 就不用多说了。当 Python 遇到了 Echarts,就变成了 PyEcharts。 PyEcharts和Matplotlib功能相似,但有很大的区别,其最大的优势在于其交互性,pyecharts可以生成html格式, 随着鼠标移动而动态的展示信息,这一点是Matplotlib做不到的,炫酷。 本篇讨论分类型变量的三种基础可视化方法的pyecharts实现。
分类变量可视化——直方图
# 数据预处理
import pandas as pd
data = pd.read_excel(r'.\pythonwd\blogortest\occupationcensus.xlsx')
data.head(10)
Out:
id 就业方向
0 0.0 读研
1 1.0 银行
2 2.0 证券
3 3.0 私企
4 4.0 未就业
5 5.0 证券
6 6.0 证券
7 7.0 证券
8 8.0 证券
9 9.0 未就业
count = data['就业方向'].value_counts() # pd.Series
job = list(count.index)
job_count = count.values.tolist()
print(job)
['私企', '读研', '银行', '证券', '事业单位', '自由职业', '出国', '未就业']
print(job_count)
[40, 29, 22, 20, 11, 10, 8, 7]
# 调用 Bar
from pyecharts.charts import Bar
##链式调用
bar = (
Bar()
.add_xaxis(job)
.add_yaxis('经济学院就业情况', job_count)
)
bar.render('bar.html')
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201009211811302.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzcwNTk1Mw==,size_16,color_FFFFFF,t_70#pic_center)
分类变量可视化——饼图
from pyecharts.charts import Pie
pie = (
Pie()
.add("", [list(i) for i in zip(job,job_count)])
#.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
#.set_global_opts(title_opts=opts.TitleOpts(title="Pie-设置颜色"))
# .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
.render("pie.html")
)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201009211829193.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzcwNTk1Mw==,size_16,color_FFFFFF,t_70#pic_center)
分类变量可视化——漏斗图
# 漏斗图
from pyecharts import options as opts
from pyecharts.charts import Funnel
funel = (
Funnel()
.add("", [list(i) for i in zip(job,job_count)])
.set_global_opts(
title_opts=opts.TitleOpts(title="经济学院就业情况漏斗图"))
.render("funnel.html")
)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201012104533435.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzcwNTk1Mw==,size_16,color_FFFFFF,t_70#pic_center)
可以看到,使用pyecharts可视化非常简单明了,是必须掌握的工具。(这里只是基础的用法,后续再学习图的优化)。
|