人生苦短，我用 Python

前文傳送門：

小白學 Python 資料分析（1）：資料分析基礎

小白學 Python 資料分析（2）：Pandas （一）概述

小白學 Python 資料分析（3）：Pandas （二）資料結構 Series

小白學 Python 資料分析（4）：Pandas （三）資料結構 DataFrame

小白學 Python 資料分析（5）：Pandas （四）基礎操作（1）檢視資料

小白學 Python 資料分析（6）：Pandas （五）基礎操作（2）資料選擇

小白學 Python 資料分析（7）：Pandas （六）資料匯入

小白學 Python 資料分析（8）：Pandas （七）資料預處理

小白學 Python 資料分析（9）：Pandas （八）資料預處理（2）

小白學 Python 資料分析（10）：Pandas （九）資料運算

小白學 Python 資料分析（11）：Pandas （十）資料分組

小白學 Python 資料分析（12）：Pandas （十一）資料透視表（pivot_table）

小白學 Python 資料分析（13）：Pandas （十二）資料表拼接

小白學 Python 資料分析（14）：Pandas （十三）資料匯出

小白學 Python 資料分析（15）：資料視覺化概述

小白學 Python 資料分析（16）：Matplotlib（一）座標系

小白學 Python 資料分析（17）：Matplotlib（二）基礎操作

小白學 Python 資料分析（18）：Matplotlib（三）常用圖表（上）

小白學 Python 資料分析（19）：Matplotlib（四）常用圖表（下）

引言

在開始說 pyecharts 之前，先說一個個人的拙見，我一直認為學習、瞭解或者使用某個類庫的時候最好是通過官方的文件，有些時候某些庫的文件是由外文編寫的，閱讀不便的時候通過瀏覽器自帶的翻譯大致也能看懂。而 pyecharts 是由國人做的，有中文文件，下面先貼幾個官方的連結：

官方文件：https://pyecharts.org/#/zh-cn/intro

GitHub：https://github.com/pyecharts/pyecharts

百度 Echarts 示例：https://www.echartsjs.com/examples/zh/

簡介就直接摘抄官方文件了，以下內容來自官方文件：

Echarts 是一個由百度開源的資料視覺化，憑藉著良好的互動性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於資料處理。當資料分析遇上資料視覺化時，pyecharts 誕生了。

• 簡潔的 API 設計，使用如絲滑般流暢，支援鏈式呼叫
• 囊括了 30+ 種常見圖表，應有盡有
• 支援主流 Notebook 環境，Jupyter Notebook 和 JupyterLab
• 可輕鬆整合至 Flask，Django 等主流 Web 框架
• 高度靈活的配置項，可輕鬆搭配出精美的圖表
• 詳細的文件和示例，幫助開發者更快的上手專案
• 多達 400+ 地圖檔案以及原生的百度地圖，為地理資料視覺化提供強有力的支援

安裝

安裝還是照著官方文件來，首先是使用 pip 進行安裝：

pip install pyecharts

這裡有一點需要注意，目前的 pyecharts v1.x 的版本僅支援 python3.6 以上的版本。

如果不想通過 pip 安裝，還可以使用原始碼進行安裝：

git clone https://github.com/pyecharts/pyecharts.git
cd pyecharts
pip install -r requirements.txt
python setup.py install
# 或者執行 python install.py

官方還為我們提供了一個檢視當前 pyecharts 版本的方法：

import pyecharts

print(pyecharts.__version__)

我這邊執行得到的結果是：

1.7.0

目前（2020年3月20日）官方最新的版本為 v1.7.1 ，檢視地址為：https://github.com/pyecharts/pyecharts/releases ，可以看到最新版本是 8 天前釋出的。

因為我這裡的 pyecharts 是上週裝的，在這之間正好釋出了新的版本，如果想要更新版本，可以使用以下 pip 命令進行更新：

pip install --upgrade pyecharts

我這裡更新完以後再次執行上面的檢視版本的方法，已經變成最新的 v1.7.1 版本了。

快速開始

pyecharts 庫裝好了，接下來趕緊搞一個最簡單的示例先試試看：

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("產品銷量", [58000,60200,63000,71000,84000,90500,107000])

bar.render()

呼叫 render() 方法的時候會在本地生成一個 HTML 檔案，預設會在當前目錄生成 render.html 檔案，同時也可以傳入路徑的引數，如 bar.render("mycharts.html") ，拿著這個 HTML 檔案直接扔到瀏覽器中執行就能看到我們剛才建立的柱狀圖了。

pyecharts 的方法都支援鏈式呼叫，就是上面這一段我們可以換成鏈式呼叫的寫法，如下：

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
    .add_yaxis("產品銷量", [58000,60200,63000,71000,84000,90500,107000])
)

bar.render()

鏈式呼叫的除了寫法和前面的不同，作用完全相同，各位同學選擇自己習慣的寫法就行。

在使用 pyecharts 的時候，大量的配置是使用 options 完成的，下面看一個使用 options 進行主標題和副標題配置的小示例：

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = (
    Bar()
    .add_xaxis([2011,2012,2013,2014,2015,2016,2017])
    .add_yaxis("產品銷量", [58000,60200,63000,71000,84000,90500,107000])
    .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 產品銷量圖", subtitle="這裡是副標題"))
)
bar.render('render_1.html')

# 呼叫方法寫法，與上面的鏈式呼叫無任何區別
bar = Bar()
bar.add_xaxis([2011,2012,2013,2014,2015,2016,2017])
bar.add_yaxis("產品銷量", [58000,60200,63000,71000,84000,90500,107000])
bar.set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 產品銷量圖", subtitle="這裡是副標題"))
bar.render('render_1.html')

如果想要將結果儲存成圖片，需要使用 snapshot-selenium 將結果渲染成圖片，如果沒有安裝的話需要先安裝，安裝命令如下：

pip install snapshot_selenium

這裡有一點需要注意，如果想要正常的使用 snapshot_selenium ，需要本地有和當前 Chrome 正常配套的 ChromeDriver ，如果沒有，需要先安裝。

如果是我的老讀者的話，前面在介紹爬蟲的時候有介紹過 ChromeDriver 怎麼安裝，具體可以參考「小白學 Python 爬蟲（2）：前置準備（一）基本類庫的安裝」

接著看一個示例：

from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

bar = (
    Bar()
        .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
        .add_yaxis("產品銷量", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 產品銷量圖", subtitle="這裡是副標題"))
)
make_snapshot(snapshot, bar.render(), "bar_1.png")

這時，在同目錄下生成了一個名稱為 bar_1.png 的圖片，就不貼出來了，和上面的圖片是一樣的，只是這張 png 圖片是透明底的。

同時，pyecharts 還提供了 10+ 種內建主題，如果有需要也可以自己定製自己喜歡的主題，示例如下：

from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
        .add_xaxis([2011, 2012, 2013, 2014, 2015, 2016, 2017])
        .add_yaxis("產品A", [58000, 60200, 63000, 71000, 84000, 90500, 107000])
        .add_yaxis("產品B", [78000,80200,93000,101000,64000,70500,87000])
        .set_global_opts(title_opts=opts.TitleOpts(title="11 ~ 17年 xxx 公司 xx 產品銷量圖", subtitle="這裡是副標題"))
)

bar.render('render_2.html')

結果如下：

程式碼倉庫

老規矩，所有的示例程式碼都會上傳至程式碼管理倉庫 Github 和 Gitee 上，方便大家取用。

示例程式碼-Github

示例程式碼-Gitee

參考

https://pyecharts.org/#/zh-cn/quickst