圖樣圖森破--Pyecharts是個啥
工欲善其事，必先利其器。作為數據分析師，最基礎的工作肯定就是數據查詢和可視化了。今天，我們就來說一說分析師吃飯的家伙之一——可視化工具。
目前市面上的可視化工具和BI系統花樣繁多，開源的付費的不一而足。諸如Tableau、FineBI、PowerBI之類，甚至于基礎的excel或wps都能夠滿足基本的圖表展示和數據庫連接的需求，但是有些時候圖表類型又過于呆板，缺乏交互和定制，而且一些BI軟件部分功能是要收費的，對于個人用戶或是創業初期、預算有限的團隊來說不甚友好。
今天就為大家介紹一下由百度出品的開源交互式圖表——ECharts，劃重點，開源哦，可以免費商用!我們看一下ECharts團隊的官方介紹：ECharts 提供了常規的折線圖、柱狀圖、散點圖、餅圖、K線圖，用于統計的盒形圖，用于地理數據可視化的地圖、熱力圖、線圖，用于關系數據可視化的關系圖、treemap、旭日圖，多維數據可視化的平行坐標，還有用于 BI 的漏斗圖，儀表盤，并且支持圖與圖之間的混搭。除了已經內置的包含了豐富功能的圖表，ECharts 還提供了自定義系列，只需要傳入一個renderItem函數，就可以從數據映射到任何你想要的圖形，更棒的是這些都還能和已有的交互組件結合使用而不需要操心其它事情。你可以在下載界面下載包含所有圖表的構建文件，如果只是需要其中一兩個圖表，又嫌包含所有圖表的構建文件太大，也可以在在線構建中選擇需要的圖表類型后自定義構建。
那么，echarts能做什么呢?
首先，echarts的圖表類型之豐富，絕不亞于市面上常見的付費軟件，以至于不少BI系統都是基于echarts搭建。于分析師而言，日常使用最多的折線圖、條形圖、散點圖、餅圖等，自然不在話下，同時，還有豐富的擴展項，如南丁格爾玫瑰圖：
此外，還可支持多種地圖、K線圖、箱型圖、樹圖、旭日圖、關系圖等，配合web頁面布局和配色，可以制作交互式+動態+炫酷大屏
看上去這么炫，是不是很難上手?
雖然如上所述，ECharts擁有開源、高度定制的優點，但是美中不足的是，ECharts的使用需要有一定的前端開發基礎，只是這一點就讓很多人望而卻步了，對于分析師而言，我們的工作并不會涉及到前端開發，為了使用某個圖表學習前端框架和JS語言的成本可能太高了。但不幸中的萬幸，有大神為我們開發了一套基于ECharts的開源框架——pyecharts，該框架使用python語言編寫，函數式傳參、簡單快捷。在大數據和機器學習概念日益火爆的今天，python已經成為了很多分析師的必備技能，在這一buff加成之下，要學會使用ECharts簡直是易如反掌。
怎么玩轉Pyecharts?
pyecharts目前有兩個大的版本，0.5和1.x，兩者所支持的圖表類型大同小異，所有方法也都支持鏈式調用(形如fun1().fun2().fun3()的寫法即為鏈式調用)，但結構和用法都相去甚遠，對python版本要求也略有不同。初入門者如果使用的python版本在3.6以上，最好還是使用1.x的pyecharts，因為0.5版本目前已不再更新，而1.x版本相比0.5也更加簡單易讀，圖表類和配置項結構分明、調用靈活。
?
?
動手試試吧
首先我們使用pip命令安裝pyecharts，并指定版本：pip install pyecharts==1.9.3安裝完成之后我們就可以導入了，pyecharts中圖表和配置項分別位于charts和options兩個模塊下，也就是說我們可以在charts中選擇所需要的各種圖表類型(折線圖、散點圖、柱狀圖、餅圖等等)，而options則是對圖表的配置，包括顏色、大小、線形、標簽等等。下面我們來看一下pyecharts究竟是如何生成圖表文件的。以簡單的折線圖為例，示例數據如下：
?
?
廢話不多說，上代碼：
import pandas as pd
from pyecharts import charts
from pyecharts import options
# pandas讀入excel數據
data = pd.read_excel('test.xlsx')
# 普通調用
# 創建折線圖
line = charts.Line(
init_opts=options.InitOpts(
width='1200px',
height='600px',
chart_id='my_line_test'))
# 全局配置項
line.set_global_opts(
title_opts=options.TitleOpts( # 圖表標題配置
title='hello,pyecharts!',
pos_right='center'),
legend_opts=options.LegendOpts( # 圖例配置項
is_show=True,
pos_right='50%',
pos_top='95%'),
toolbox_opts=options.ToolboxOpts( #工具箱配置項
is_show=True,
pos_left='right',
pos_top='center',
orient='vertical'))
# 添加x軸數據項
line.add_xaxis(xaxis_data=list(data['date']))
# 添加y軸數據項
line.add_yaxis(series_name='android', y_axis=data['Android-uv'], color='red')
line.add_yaxis(series_name='ios', y_axis=data['iOS-uv'], color='blue')
# 設置數據系列格式
line.set_series_opts(
label_opts=options.LabelOpts(
is_show=True,
position='top',
color='green',
font_size=8))
# render生成html文件
line.render('test.html')
# 鏈式調用
(charts.Line(
init_opts=options.InitOpts(
width='1200px',
height='600px',
chart_id='my_line_test')).set_global_opts(
title_opts=options.TitleOpts(
title='hello,pyecharts!',
pos_right='center'),
legend_opts=options.LegendOpts(
is_show=True,
pos_right='50%',
pos_top='95%'),
toolbox_opts=options.ToolboxOpts(
is_show=True,
pos_left='right',
pos_top='center',
orient='vertical')).add_xaxis(
xaxis_data=list(
data['date'])).add_yaxis(
series_name='android',
y_axis=data['Android-uv'],
color='red').add_yaxis(
series_name='ios',
y_axis=data['iOS-uv'],
color='blue').set_series_opts(
label_opts=options.LabelOpts(
is_show=True,
position='top',
color='green',
font_size=8)).render('test2.html'))
?
?
根據上述代碼，我們可以把使用pyecharts生成交互圖表的步驟歸納如下：
1.數據預處理
2.創建圖表對象
3.添加數據項和配置項
4.render生成html文件
我們可以看到在圖形的右側有一豎排的工具欄，這是代碼中配置的toolbox，工具箱里可以對圖形進行一系列操作，還可以將圖表保存為靜態圖片，在增強交互的同時也大大提高了圖形縮放、圖表間互相轉換的便捷性。
以上只是對pyecharts的簡單介紹和示范，后續我們會對pyecharts的各主要圖表和功能做詳細介紹。
?
?
