原理。在前面我们已经介绍了matplotlib、seaborn、plotly的绘图原理，今天给大家介绍的是，我认为交互效果最好的一个python绘图库pyecharts，学会了绝对不亏，seaborn绘图原理也是今天一起发布。
1.pyecharts简介
Echarts是一个由百度开源的数据可视化工具，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是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上了数据可视化时，pyecharts诞生了。
v0.5和v1两个大版本，v0.5和v1两个版本不兼容，v1是一个全新的版本，因此我们的学习尽量都是基于v1版本进行操作。
echarts官网：
pyecharts官网：
安装：
查看版本：
2.pyecharts绘图逻辑
1）pyecharts绘图逻辑说明
pyecharts是一个全新的可视化绘图工具，因此它的绘图逻辑完全不同于前面说到的matplotlib、seaborn、plotly。因此你想要学好这个可视化工具，最主要的就是要学会它的绘图逻辑，俗话说：“知己知彼，百战不殆”，你只有了解别人 ，才可以用起来顺手呀。pyecharts的绘图逻辑分为以下几步。
-
① 选择图表类型； -
② 声明图形类并添加数据； -
③ 选择全局变量； -
④ 显示及保存图表；
from pyecharts.charts import Scatter # 导入散点图
from pyecharts.charts import Line # 导入折线图
from pyecharts.charts import Pie # 导入饼图
from pyecharts.charts import Geo # 导入地图
类，这就是所谓的面向对象，我们在使用这个类的时候，需要实例化这个类(观察下面代码)。声明类之后，相当于初始化了一个画布，我们之后的绘图就是在这个画布上进行。接下来要做的就是添加数据，pyecharts中添加数据共有2种方式，一种是普通方式添加数据，一种是链式调用(观察下面代码)来添加数据，后面我会分章节一个个为大家介绍。
"下面绘制的是：正弦曲线的散点图"
# 1.选择图表类型：我们使用的是散点图，就直接从charts模块中导入Scatter这个图形。
from pyecharts.charts import Scatter
import numpy as np
x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)
(
# 注意：使用什么图形，就要实例化该图形的类；
# 2.我们绘制的是Scatter散点图，就需要实例化散点图类，直接Scatter() 即可；
Scatter()
# 实例化类后，接着就是添加数据，下面这种方式就是使用“链式调用”的方式绘图；
# 注意：散点图有X、Y轴，因此需要分别给X轴、Y轴添加数据；
# 3.我们先给X轴添加数据；
.add_xaxis(xaxis_data=x)
# 4.我们再给Y轴添加数据；
.add_yaxis(series_name="这个图是干嘛的",y_axis=y)
).render_notebook()
标题配置项、图例配置项、工具配置项、视觉映射配置项、提示框配置项、区域缩放配置项。你也许不知道这几个名词是什么意思，但是不用担心，你首先是学会了如何使用pyecharts绘图后，再慢慢学习这方面的内容。
-
默认情况下图例配置项和提示框配置项是显示的，其它四个配置项默认情况下是不显示的，需要我们自己设置；
.render("C:\\Users\\黄伟\\Desktop\\CSDN上传图像\\a.html")
# 如果不指定路径，就是直接保存在当前工作环境目录下；
# 如果指定了路径，就是保存到指定的目录下；
# 注意：最终都是以html格式展示，发给其他任何人都可以直接打开看的；
.render_notebook()
# 如果我们使用的是jupyter notebook，直接使用这行代码，可以直接显示图片；
3.选择图表类型
charts字模块下，我们利用如下代码就可以导入各自对应的图形，在上面的叙述中，我已经列举了部分图形的导入方式。
-
from pyecharts.charts import 函数名
注意：这里我们只列出了部分图形，包括我们后面绘制地图，也都是在pyecharts的子模块charts模块下，我们要记住这句导入相关图形库的代码。
4.数据添加
1）如何添加数据呢？
-
.add_xaxis(xaxis_data=x)为X轴添加数据； -
.add_yaxis(series_name='', y_axis=y)为Y轴添加数据；
-
.add(series_name='', data_pair=[(i,j)for i,j in zip(lab,num)])；
2）pyecharts绘图的两种方式
① 链式调用的方式绘图
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np
x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)
(Line(init_opts=opts.InitOpts(width="700px",height="300px"))
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="绘制线图",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="我是标题",subtitle="我是副标题",title_link="https://www.baidu.com/"),
tooltip_opts=opts.TooltipOpts(axis_pointer_type="cross"))
).render_notebook()
"""
关于全局配置项的代码部分，你可能不懂，现在不懂没什么关系！
"""
② 普通方式绘图
from pyecharts.charts import Pie
import pyecharts.options as opts
num = [110, 136, 108, 48, 111, 112, 103]
lab = ['哈士奇', '萨摩耶', '泰迪', '金毛', '牧羊犬', '吉娃娃', '柯基']
x = [(i, j)for i, j in zip(lab, num)]
print(x)
pie = Pie(init_opts=opts.InitOpts(width="700px",height="300px"))
pie.add(series_name='',data_pair=[(i, j)for i, j in zip(lab, num)])
pie.render_notebook()
3）关于series_name=""的说明
series_name参数的存在，它是一个字符串。你也看到了，我们可以传递一个空字符串，也可以传递指定字符串，最终的作用有点类似于图例的效果，但这里并不是设置图例。你不需要过多的注意这个参数，只需要牢记一点：这个参数必须有，必须写，哪怕你传递一个空字符串，也要写，因为不写这个参数，会报错。
5.设置全局配置项
pyecharts绘图，并且已经绘制出来了某个图形，此时这个图形并不一定好看。这就需要我们学会使用全局配置项，进行图形参数的调节与设置。
options这个子模块下，我们在设置全局配置项的时候，记得导入这个模块。这部分涉及到的参数太多太杂，当你觉得某个图形需要怎么改的时候，一般肯定是有对应的参数进行处理的，你要相信你能想到的，别人大神肯定是都想到了，这个时候你就需要学会使用官网，官网很重要！官网很重要！官网很重要！
-
import pyecharts.options as opts -
使用options配置项，在 pyecharts中，一切皆Options。 -
全局配置项可通过调用set_global_options()方法进行设置。
6.显示及保存图表
-
.render()默认将会在当前工作目录下生成一个 render.html 的文件，支持path参数，进行自定义文件保存位置，最终文件你可以可以发送给任何人，直接用浏览器打开，交互效果仍然存在。 -
Jupyter Notebook中直接调用 .render_notebook()随时随地渲染图表。
了解更多数据分析知识、与更多优秀的人一起进群交流请扫码
