【可视化】可视化工具：ECharts 简介

ECharts 是一个由百度开源的数据可视化工具，是基于 Javascript 的图表库，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。Python 是一门富有表达力的语言，很适合用于数据处理，Python 有 基于 ECharts 的数据可视化库 pyecharts， pyecharts 支持 Jupyter Notebook 等主流 Notebook 环境。

ECharts 图表样例

Echarts 包括丰富的图表类型：包括折线图、柱状图、饼图、K线图、雷达图、路径图、主题河流图、地理坐标图、3D 地图、3D 地球、GL 关系图等，这些图表可以用 JavaScript 方便的集成到 H5 等网页作品中，pyecharts 针对 Python 提供了便捷的调用方式。更多的 ECharts 可视化实例请访问以下网站进行查看。

ECharts 案例： https://echarts.apache.org/examples/zh/index.html

常用图表介绍

• 柱状/条形图： 通过 柱形的高度/条形的宽度 来表现数据的大小，用于有至少一个类目轴或时间轴的直角坐标系上。
• 折线图 ：折线图是用折线将各个数据点标志连接起来的图表，用于展现数据的变化趋势。可用于直角坐标系和极坐标系上。
• 关系图： 用于展现节点以及节点之间的关系数据。
• 线图： 用于带有起点和终点信息的线数据的绘制，主要用于地图上的航线，路线的可视化。
• 散点（气泡）图 ： 直角坐标系上的散点图可以用来展现数据的 x，y 之间的关系，如果数据项有多个维度，其它维度的值可以通过不同大小的 symbol 展现成气泡图，也可以用颜色来表现。
• 雷达图：主要用于表现多变量的数据，例如球员的各个属性分析。
• 旭日图：由多层的环形图组成，在数据结构上，内圈是外圈的父节点。因此，它既能像饼图一样表现局部和整体的占比，又能像矩形树图一样表现层级关系。
• 其他常用的各类图表

Jupyter 调用 pyecharts

pyecharts 提供了各种生成上面 Demo 的代码示例，可以参考实现。

示例代码地址： https://github.com/pyecharts/pyecharts-gallery

先介绍一些可能会用到的基本函数：

• add_xaxis() 、add_yaxis() 添加 x/y 轴数据，这是图表的数据输入；
• set_global_opts() 全局配置方法，配置标题等信息；
• render() 生成 render.html 的文件，可以传入路径参数 ，设置保存位置 ；
• render_notebook() 在 Notebook 中渲染输出生成的图表；

从 V1 版本开始支持链式调用，链式调用方法如下所示：

不习惯链式调用的开发者依旧可以单独调用方法，调用方法如下：

Jupyter Notebook 直接调用 render_notebook 随时随地渲染图表，直接生成到 Jupyter Notebook 中，上面代码生成图表如下所示。

其他图表可以参考给出的官方文档给出的样例代码进行修改即可。

参考资料

[1] ECharts 文档 https://echarts.apache.org/zh/tutorial.html

[2] pyecharts 文档 https://pyecharts.org/#/zh-cn/intro

[3] ECharts 样例  https://echarts.apache.org/examples/zh/index.html