标签：glob OLE case 代码 alt 处理 导入 prepare ros
首先开始来绘制你的第一个图表
from pyecharts import Bar bar = Bar("我的第一个图表", "这里是副标题") bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90]) # bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用 bar.render() # 生成本地 HTML 文件
add()print_echarts_options()render()Note： 可以按右边的下载按钮将图片下载到本地，如果想要提供更多实用工具按钮，请在 add() 中设置 is_more_utils 为 True
自 0.5.2+ 起，pyecharts 支持更换主体色系。下面是跟换为 ‘dark‘ 的例子：
from pyecharts import Bar bar = Bar("我的第一个图表", "这里是副标题") bar.use_theme(‘dark‘) bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90]) bar.render()
pyecharts 支持另外 5 个主体色系，请移步到主题色系获取更多配置信息。
echarts 自带 dark 主题，pyecharts 也就自带了 dark。 echarts-themes-pypkg 主题插件提供了如下主题
pip install echarts-themes-pypkg
更换单个图形主题
bar.use_theme("vintage")
更换运行环境内所有图表主题
from pyecharts import configure # 将这行代码置于首部 configure(global_theme=‘dark‘) bar = Bar() # 其他代码
图表类提供了若干了构建和渲染的方法，在使用的过程中，建议按照以下的顺序分别调用：
参考：http://pyecharts.org/#/zh-cn/data_import?id=networkx-%E5%BA%93
介绍了一些常用的数据处理模块和库。这些并不是 pyecharts 核心的部分。
#add 数据直接支持 numpy.array 对象，例如： from pyecharts import Bar import numpy as np clothes = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"] v1 = np.array([5, 20, 36, 10, 75, 90]) bar = Bar("衣服销量") bar.add("商家A", clothes, v1, is_stack=True) bar.render()
#在 pyecharts.base.Base.add(name, x_axis, y_axis) 函数中，数据参数通常要求数据是两个长度相等的列表。 from pyecharts import Line t_data = [(21, ‘2017-12-01‘), (19, ‘2017-12-02‘), (20, ‘2017-12-03‘)] hs, ds = zip(*t_data) line = Line(‘High Temperature‘) line.add(‘High‘, ds, hs) line.render()
数据格式化处理函数，能够将源数据转化为符合 pyecharts 的数据。 具体转化格式如下： 1、元组列表 [(A1, B1), (A2, B2), (A3, B3), (A4, B4)] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] 2、字典列表 [{A1: B1}, {A2: B2}, {A3: B3}, {A4: B4}] --> k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] 3、字典 {A1: B1, A2: B2, A3: B3, A4: B4} -- > k_lst[ A[i1, i2...] ], v_lst[ B[i1, i2...] ] o_data = [(‘A‘, ‘34‘), (‘B‘, ‘45‘), (‘C‘, ‘12‘)] x, y = Base.cast(o_data) print(x) # [‘A‘, ‘B‘, ‘C‘] print(y) # [‘34‘, ‘45‘, ‘12‘]
borax 要求 Python3.5 以上，可以使用以下命令安装这个库。
$ pip install borax该模块使用 fetch 函数，签名如下：
fetch(iterable, key, *keys, default=EMPTY, defaults=None, getter=None)各参数的意义如下：
应当注意的是，在使用时， default 、 defaults 和 getter 参数必须使用关键字方式传递，详情参考 PEP 3102。
选取多个属性
from borax.fetch import fetch objects = [ {‘id‘: 282, ‘name‘: ‘Alice‘, ‘age‘: 30}, {‘id‘: 217, ‘name‘: ‘Bob‘, ‘age‘: 56}, {‘id‘: 328, ‘name‘: ‘Charlie‘, ‘age‘: 56}, ] names, ages = fetch(objects, ‘name‘, ‘age‘) print(names) print(ages) #输出 #[‘Alice‘, ‘Bob‘, ‘Charlie‘] #[30, 56, 56]
对于复杂的关系图，可以使用 networkx 库构建节点和连线，并传递给 add 函数。如下面的例子。
# coding=utf8 from __future__ import unicode_literals import networkx as nx from networkx.readwrite import json_graph from pyecharts import Graph g = nx.Graph() categories = [‘网关‘, ‘节点‘] g.add_node(‘FF12C904‘, name=‘Gateway 1‘, symbolSize=40, category=0) g.add_node(‘FF12CA02‘, name=‘Node 11‘, category=1) g.add_node(‘FF12C326‘, name=‘Node 12‘, category=1) g.add_node(‘FF45C023‘, name=‘Node 111‘, category=1) g.add_node(‘FF230933‘, name=‘Node 1111‘, category=1) g.add_edge(‘FF12C904‘, ‘FF12CA02‘) g.add_edge(‘FF12C904‘, ‘FF12C326‘) g.add_edge(‘FF12CA02‘, ‘FF45C023‘) g.add_edge(‘FF45C023‘, ‘FF230933‘) g_data = json_graph.node_link_data(g) eg = Graph(‘设备最新拓扑图‘) eg.add(‘Devices‘, nodes=g_data[‘nodes‘], links=g_data[‘links‘], categories=categories) # eg.show_config() eg.render()
如果使用的是 Numpy 或者 Pandas，可以参考这个示例
Note： 使用 Pandas&Numpy 时，整数类型请确保为 int，而不是 numpy.int32
当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的
Note： 从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加 pythonic 的做法。直接调用本身实例就可以了。
比如这样
还有这样
如果使用的是自定义类，直接调用自定义类示例即可
更多 Jupyter notebook 的例子请参考 notebook-use-cases。可下载后运行看看。
如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。所有图表均可正常显示，与浏览器一致的交互体验，这下展示报告连 PPT 都省了！！
【数据可视化-pyecharts】pyecharts快速入门
标签：glob OLE case 代码 alt 处理 导入 prepare ros
原文地址：https://www.cnblogs.com/XJT2018/p/10286785.html
