在Python中，常见的数据可视化库:

matplotlib 是最常见的2维库，可以算作可视化的必备技能库，由于matplotlib是比较底层的库，api很多，代码学起来不太容易。

seaborn 是建构于matplotlib基础上，能满足绝大多数可视化需求。更特殊的需求还是需要学习matplotlib。

上述两个库都是静态的可视化库，大多数做过前端Web开发的同学都用到过Echarts.js库，它是一款前端可视化的JS库、功能非常之强大。在使用之前，需要导入js库到项目中。对于平时用Python较多的同学而言，如果每次实现可视化功能(特别是一些小需求)，都需要引用js库显然不太方便，于是就在想有没有Python与Echarts结合的轮子。

答案是肯定的，在Github中就有一个国人开发的一个Echarts与Python结合的轮子：Pyecharts，它不仅很好的兼容了web项目，而且可以做到可视化的动态效果。

 

 

概况 :

Echarts 是个由百度开源的数据可视化，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 是门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时pyecharts 诞生了。

 

 

特性 :

简洁的API设计，使用如丝滑般流畅，支持链式调用

囊括了30+种常见图表，应有尽有

支持主流Notebook 环境，Jupyter Notebook 和JupyterLab

可轻松集成至Flask, Django等主流Web框架

高度灵活的配置项，可轻松搭配出精美的图表

详细的文档和示例，帮助开发者更快的上手项目

多达400+地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

 

 

需要导入相应库:

import json
import os

from pyecharts import options as opts
from pyecharts.charts import Page , Sankey

 

 

方法的调用举例 :

#例如 sankey_base().render_notebook() #//三等级图

复制代码
from pyecharts.charts import Bar
bar=(
    Bar ()
    . add_xaxis(["衬衫", "羊毛衫",“雪纺衫",""裤子","高跟鞋",“袜子"])
    . add_yaxis("商家A",[5, 20, 36, 10, 75, 90])  #还可以   .add_yaxis('商家B',[1,2,3,4])等
)
bar. render_ notebook ()

 

动态效果 :

 

词云 :

from pyecharts import options as opts
from pyecharts.charts import Page, WordCloud
from pyecharts.globals import SymbolType

words = [
("San S Club",10000),
("Macys",6181),
("Amy Schumer",4386),
("Juassic World",4055),
("Charter Communications",2467),
("Chick Fil A",2244),
("Planet Fitness",1868),
("Pitch Perfect", 1484),
("Express",1112),
("Home",865),
("Johmny Depp",847),
("Lena Dunham",582),
("Levis Hamilton",555),
("KKAN",550),
("Mary Ellen Mark",462),
("Farrah Abraham",366),
("Rita Ora",360),
("Serena Williams",282),
("NCAA baseball tournament",273),
("Point Break",265),
]
def wordcloud_base():
    c = (
        WordCloud()
        .add("",words,word_size_range=[20,100],shape=SymbolType.RECT)
        .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud基本示例"))
)
    return c
wordcloud_base().render_notebook()

 

效果 :

睿江云官网链接：www.eflycloud.com