跳转至

第9章 数据可视化后起之秀——pyecharts

· 绘制常用图表 · 绘制组合图表 · 定制图表主题 · 整合Web框架

Notes:

 学习目标 掌握 图表类，配置项，渲染图表 2

1

了解 安装pyecharts 了解 熟悉 掌握

掌握 熟悉 定制图表主题，整合Web框架 4

掌握 常用图表、组合图表 3

Notes:

目录页

9.1 pyecharts概述 9.2 pyecharts基础知识 9.3 绘制常用图表 9.4 绘制组合图表 9.5 定制图表主题

目录页

9.6 整合Web框架 9.7 实例：虎扑社区分析 9.8 本章小结

目录页

9.1 pyecharts概述 9.2 pyecharts基础知识 9.3 绘制常用图表 9.4 绘制组合图表 9.5 定制图表主题

9.1 pyecharts概述 matplotlib作为Python中著名的基础绘图库，它拥有着极其丰富的可视化功能，但其仍存在诸多不足，比如图表无法与用户交互、 API过于复杂等。为此，Python中引入了可视化神器——pyecharts库，使用pyecharts可以快速地生成效果惊艳的Echarts 图表。

9.1 pyecharts概述 自2013年6月百度EFE数据可视化团队研发的Echarts 1.0发布到GitHub网站以来，一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入到Echarts的使用行列，并研发出方便Python开发者使用的数据可视化工具，自此便诞生了pyecharts库。

9.1 pyecharts概述 与matplotlib相比， pyecharts库具有以下优势： 简洁的API使开发者使用起来非常便捷，且支持链式调用。 程序可在主流的Jupyter Notebook或JupyterLab工具上运行。 程序可以轻松地集成至 Flask、Sanic、Django 等主流的Web框架中。 灵活的配置项可以轻松搭配出精美的图表。 详细的文档和示例可以帮助开发者快速地上手。 400多个地图文件、原生百度地图为地理数据可视化提供强有力的支撑。

9.1 pyecharts概述 在使用pyecharts进行开发之前，开发者需要先在本地计算机中安装pyecharts。pyecharts官方支持 v0.5.x和v1两个版本，两个版本之间互不兼容，其中v0.5.x是较早的版本，且已经停止维护；v1是一个全新的版本，它支持Python3.6以上的开发环境。截止到本书完稿时，pyecharts的最新版本为1.5.1。

9.1 pyecharts概述 打开Anaconda Prompt工具，在提示符的后面输入如下命令： 命令

conda install pyecharts 安装完成后，在命令提示符后面输入python，之后输入如下导入语句：

from pyecharts.charts import Bar 示例 执行以上语句后，若Anaconda Prompt窗口没有出现任何错误信息，说明pyecharts安装成功，否则说明安装失败。

多学一招：Echarts

https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1588673906452&di=785a35df03b10722f4c510225358a567&imgtype=0&src=http%3A%2F%2Fimg1.juimg.com%2F160107%2F330826-16010GZ00148.jpg Echarts（Enterprise Charts，商业产品图表库），是一个使用 JavaScript 编写的、开源的可视化图表库，它提供了一系列直观且生动的、可交互的、可高度个性化定制的图表，可以流畅地运行在 PC 和移动设备上，并且兼容当前绝大部分浏览器（IE8/9/10/11、Chrome、Firefox、Safari等）。

多学一招：Echarts

https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1588673906452&di=785a35df03b10722f4c510225358a567&imgtype=0&src=http%3A%2F%2Fimg1.juimg.com%2F160107%2F330826-16010GZ00148.jpg Echarts的底层基于ZRender（二维绘图引擎，支持Canvas、SVG、VML等多种渲染方法）创建了坐标系、图例、提示框等基础组件，并基于这些组件创建了丰富的图表，包括常见的折线图、柱形图、散点图、饼图等；用于地理数据可视化的统计地图、热力图等；用于关系数据可视化的树状图、旭日图；用于多维数据可视化的平行坐标；用于BI 的漏斗图、仪表盘，还有任意混搭展现的组合图表。

多学一招：Echarts 标题组件：包括主标题和副标题，位于图表的左上角。 图例组件：位于图表的顶部中心位置，用户通过单击可显示或隐藏图例项对应的图形。 提示框组件：用于显示鼠标悬浮在图形上方的提示内容。 数据区域缩放组件：用于供用户选择关注细节的数据信息、概览图形数据的整体或去除离群点的影响 。 视觉映射组件：标识某一数值范围内数值及颜色对应关系的控件，可细分为分段型视觉映射组件和连续型视觉映射组件。

123 Echarts生成的气泡图

多学一招：Echarts

除了这些公共组件，还有很多其他可供用户交互的组件，例如时间线等，大家可到pyecharts官网进行深入学习，此处不再赘述。

目录页

9.1 pyecharts概述

9.2 pyecharts基础知识 9.3 绘制常用图表 9.4 绘制组合图表 9.5 定制图表主题

9.2.1 快速绘制图表 示例

创建 Bar 类的对象 , 并指定画布的大小

bar = Bar(init_opts=opts.InitOpts( width='600px', height='300px' ))

添加 x 轴和 y 轴的数据

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

设置标题、y 轴标签

bar.set_global_opts(title_opts=opts.TitleOpts(title="柱形图示例"),yaxis_opts=opts.AxisOpts( name="销售额(万元)", name_location="center", name_gap=30)) bar.render_notebook()

9.2.1 快速绘制图表

与matplotlib相比，pyecharts通过更少的代码便绘制了带有标题、图例、注释文本的柱形图。

多学一招：链式调用

pyecharts在v1版本增加了链式调用的功能。 链式调用是指简化同一对象多次访问属性或调用方法的编码方式，以避免多次重复使用同一个对象变量，使代码变得简洁、易懂。 示例

bar = ( Bar(init_opts=opts.InitOpts(width='600px', height='300px')) .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]) .set_global_opts(title_opts=opts.TitleOpts(title="柱形图示例")) ) bar.render_notebook()

9.2.2 认识图表类

pyecharts库支持绘制30余种丰富的Echarts 图表，针对每种图表均提供了相应的类，并将这些图表类封装到pyecharts.charts模块中 。 常用图表类

9.2.2 认识图表类 前面介绍的图表类均继承自Base基类，它们都可以使用与类同名的构造方法创建相应的图表实例。例如，Bar类的构造方法的语法格式如下： 语法

Bar(init_opts=opts.InitOpts()) 以上方法的init_opts参数表示初始化配置项，该参数需要接收一个InitOpts类的对象，通过构建的InitOpts类对象为图表指定一些通用的属性，比如画布大小等。 示例

bar = Bar(init_opts=opts.InitOpts(width='600px', height='300px'))

9.2.3 认识配置项

pyecharts遵循“先配置后使用”的基本原则。pyecharts.options模块中包含众多关于定制图表组件及样式的配置项。按照配置内容的不同，配置项可以分为全局配置项和系列配置项。

9.2.3 认识配置项

全局配置项 全局配置项是一些针对图表通用属性的配置项，包括初始化属性、标题组件、图例组件、工具箱组件、视觉映射组件、提示框组件、数据区域缩放组件，其中每个配置项都对应一个类。 pyecharts的全局配置项

9.2.3 认识配置项 若pyecharts需要为图表设置全局配置项（InitOpts除外），则需要将全局配置项传入set_global_options()方法。set_global_options()方法的语法格式如下： 语法

set_global_opts(self, title_opts=opts.TitleOpts(), legend_opts=opts.LegendOpts(),…, axispointer_opts=None) title_opts：表示标题组件的配置项。 legend_opts：表示图例组件的配置项。 tooltip_opts：表示提示框组件的配置项。 toolbox_opts：表示工具箱组件的配置项。 brush_opts：表示区域选择组件的配置项。

9.2.3 认识配置项 若pyecharts需要为图表设置全局配置项（InitOpts除外），则需要将全局配置项传入set_global_options()方法。set_global_options()方法的语法格式如下： 语法

set_global_opts(self, title_opts=opts.TitleOpts(), legend_opts=opts.LegendOpts(),…, axispointer_opts=None) xaxis_opts，yaxis_opts：表示x、y轴的配置项。 visualmap_opts：表示视觉映射组件的配置项。 datazoom_opts：表示数据区域缩放组件的配置项。 graphic_opts：表示原生图形元素组件的配置项。 axispointer_opts：表示坐标轴指示器组件的配置项。

9.2.3 认识配置项 系列配置项

系列配置项是一些针对图表特定元素属性的配置项，包括图元样式、文本样式、标签、线条样式、标记样式、填充样式等，其中每个配置项都对应一个类。 pyecharts的系列配置项

9.2.3 认识配置项 前面介绍的系列配置项类都可以通过与之同名的构造方法创建实例。 创建一个标签配置项： 示例

label_opts = opts.LabelOpts(is_show=True, position='right', color='gray', font_size=14, rotate=10) 以上示例中，LabelOpts()方法的参数is_show设为True，表示显示标签；参数position设为'right'，表示标注于图形右方；参数color设为'gray'，表示标签文本的颜色为灰色；参数font_size设为14，说明标签文本的字体大小为14号；参数rotate设为10，说明标签逆时针旋转10度。

9.2.3 认识配置项 若pyecharts需要为图表设置系列配置项，则需要将系列配置项传入add()或add_xx()方法（直角坐标系图表一般使用add_yaxis()方法）中。 示例

bar.add_yaxis(“商家A”, [5, 20, 36, 10, 75, 90], label_opts=opts.LabelOpts(is_show=False))

多学一招：创建配置项 pyecharts可以通过构造方法或字典两种方式创建配置项，两者是等价的。

bar = Bar(dict(width="600px", height="300px"))

或者

bar = Bar({"width": "600px", "height": "300px"}) 示例

bar = Bar(init_opts=opts.InitOpts( width="600px", height="300px")) 示例

9.2.4 渲染图表 图表基类Base主要提供了两个渲染图表的方法：render()和render_notebook() 。

9.2.4 渲染图表 render()方法 render()方法用于将图表渲染到HTML文件，默认为位于程序根目录的render.html文件。

render(self, path="render.html", template_name="simple_chart.html", env=None, **kwargs) 语法 path：表示生成文件的路径，默认为“render.html”。 template_name：表示模板的路径。 render()方法会返回HTML文件的路径字符串。

9.2.4 渲染图表 render_notebook()方法 render_notebook()方法用于将图表渲染到Jupyter Notebook工具中，它无需接收任何参数。 示例

bar.render_notebook()

目录页

9.1 pyecharts概述 9.2 pyecharts基础知识

9.3 绘制常用图表 9.4 绘制组合图表 9.5 定制图表主题

9.3.1 绘制折线图 pyecharts绘制各种图表的过程大致相同，可以分为以下几步： （1）创建与图表对应类的对象。 （2）添加图表数据。 （3）添加图表系列配置项。 （4）添加图表全局配置项。 （5）渲染图表。

9.3.1 绘制折线图 pyecharts的Line类表示折线图，该类中提供了一个add_yaxis()方法，使用add_yaxis()方法可以为折线图添加数据和配置项。 语法

add_yaxis(self, series_name, y_axis, is_selected=True, is_connect_nones=False, xaxis_index=None, …itemstyle_opts= None) series_name：表示系列的名称，显示于提示框和图例中。 y_axis：表示系列数据。 color：表示系列的注释文本的颜色。 is_symbol_show：表示是否显示标记及注释文本，默认为True。

9.3.1 绘制折线图 pyecharts的Line类表示折线图，该类中提供了一个add_yaxis()方法，使用add_yaxis()方法可以为折线图添加数据和配置项。 语法

add_yaxis(self, series_name, y_axis, is_selected=True, is_connect_nones=False, xaxis_index=None, …itemstyle_opts= None) symbol：表示标记的图形，可以为'circle'（圆形）、'rect'（矩形）、'roundRect'（圆角矩形）、'triangle'（三角形）、'diamond'（菱形）、'pin'（大头针）、'arrow'（箭头）、'none'（无）。 symbol_size：表示标记的大小，可以接收单一数值，也可以接收诸如 [width, height]的数组。 stack：表示将轴上同一类目的数据堆叠放置。

9.3.2 绘制饼图或圆环图 pyecharts的Pie类表示饼图，该类中提供了一个add()方法，使用add()方法可以为饼图添加数据和配置项。 语法

add(self, series_name, data_pair, color=None, radius=None, center=None, rosetype=None, is_clockwise=True,…, itemstyle_opts=None) series_name：表示系列的名称，显示于提示框和图例中。 data_pair：表示系列数据帧。 radius：表示饼图的半径，可以接收一个包含两个元素的数组，其中数组的第一项为内半径，第二项为外半径。 center：表示饼图的中心坐标。 is_clockwise：表示饼图的扇区是否按顺时针排布。

9.3.3 绘制散点图

pyecharts的Scatter类表示散点图，EffectScatter类表示带有涟漪特效的散点图，这两个类中均提供了一个add_yaxis()方法，使用add_yaxis()方法可以为散点图添加数据和配置项。 语法

add_yaxis(self, series_name, y_axis, is_selected=True, xaxis_index=None, yaxis_index=None, color=None,…, itemstyle_opts=None) series_name：表示系列的名称，显示于提示框和图例中。 y_axis：表示系列数据。 is_selected：表示是否选中图例。 symbol：表示标记的图形。 symbol_size：表示标记的大小。

9.3.4 绘制3D柱形图

pyecharts的Bar3D类表示3D柱形图，该类中提供了一个add()方法，使用add()方法可以为3D柱形图添加数据和配置项。 语法

add(self, series_name, data, shading=None, itemstyle_opts=None, ,…,grid3d_opts=opts.Grid3DOpts()) series_name：表示系列的名称。 data：表示数据。 shading：表示阴影。 xaxis3d_opts：表示x轴的配置项。 yaxis3d_opts：表示y轴的配置项。 zaxis3d_opts：表示z轴的配置项。

9.3.5 绘制统计地图

pyecharts的Map类表示统计地图，该类中提供了一个add()方法，使用add()方法可以为统计地图添加数据和配置项。 语法

add(self, series_name, data_pair, maptype="china", is_selected=True, is_roam=True, center=None, …, emphasis_itemstyle_opts=None) series_name：表示系列的名称。 data_pair：表示数据项，可以为诸如(坐标点名称, 坐标点值)形式的值。 maptype：表示地图的类型。 zoom：表示当前视角的缩放比例，默认值为1。 is_map_symbol_show：表示是否显示标记图形。

9.3.6 绘制漏斗图

pyecharts的Funnel类表示漏斗图，该类中提供了一个add()方法，使用add()方法可以为漏斗图添加数据和配置项。 语法

add(self, series_name, data_pair, is_selected=True, color=None, sort_="descending", gap=0, , itemstyle_opts=None) series_name：表示系列的名称。 data_pair：表示系列数据项。 is_selected：表示是否选中图例。 sort_：表示数据排序，可以取值为'ascending'、'descending'或'none'。 gap：表示数据图形的间距，默认为0。

9.3.7 绘制桑基图

pyecharts的Saneky类表示桑基图，该类中提供了一个add()方法，使用add()方法可以为桑基图添加数据和配置项。 语法

add(self, series_name, nodes, links, is_selected=True, node_width=20, node_gap=8, …, tooltip_opts=None) series_name：表示系列的名称。 nodes：表示分支的序列。 links：表示链接的序列。 node_width：表示分支的宽度。 node_gap：表示分支的间隔。

目录页

9.1 pyecharts概述 9.2 pyecharts基础知识 9.3 绘制常用图表

9.4 绘制组合图表 9.5 定制图表主题

9.4 绘制组合图表

除了前面介绍的单图表，pyecharts也支持绘制组合图表，即同一画布显示的多个图表。多个图表按照不同的组合方式，可以分为并行多图、顺序多图、选项卡多图和时间轮播多图。

9.4.1 并行多图

pyecharts.charts的Grid类表示并行排列的组合图表，它可以采用左右布局或上下布局的方式显示多个图表。Grid类中包含一个add()方法，使用add()方法可以为组合图表添加图表或配置项。 语法

add(self, chart, grid_opts, grid_index=0, is_control_axis_index=False) chart：表示图表。 grid_opts：表示直角坐标系配置项。 grid_index：表示直角坐标系网格索引，默认为0。 is_control_axis_index：表示是否由自己控制坐标轴索引，默认为False。

9.4.2 顺序多图

pyecharts.charts的Page类表示顺序显示的组合图表，它可以在同一网页中按顺序渲染多个图表。Page 类的构造方法的语法格式如下所示： 语法

Page(page_title="Awesome-pyecharts", js_host= "", interval=1, layout=PageLayoutOpts()) page_title：表示HTML网页的标题。 js_host：表示远程的主机地址，默认为"https://assets.pyecharts.org/assets/"。 interval：表示每个图例之间的间隔，默认为1。 layout：表示布局配置项。

9.4.2 顺序多图

Grid类提供了一个add()方法，使用add()方法可以为组合图表添加多个图表实例。 语法

add(*charts) charts: 任意图表实例

9.4.3 选项卡多图

pyecharts.charts的Tab类表示以选项卡形式显示的组合图表，它可以点击不同的选项卡来切换显示多个图表。Tab类的构造方法的语法格式如下所示： 语法

Tab(page_title="Awesome-pyecharts", js_host="") 以上方法的参数与Page()方法的参数相同，此处不再赘述。

9.4.3 选项卡多图

Tab类提供了一个add()方法，使用add()方法可以为组合图表添加图表。add()方法的语法格式如下所示： 语法

add(self, chart, tab_name) 以上方法的参数chart表示任意图表，tab_name表示选项卡标签的名称。

9.4.4 时间线轮播多图

pyecharts.charts的Timeline类表示时间线轮播的组合图表，它可以通过点击时间线的时间节点来切换显示多个图表。Timeline类中提供两个重要的方法add_schema()和add() 。

9.4.4 时间线轮播多图

add_schema()方法 add_schema()方法用于为图表添加指定样式的时间线。 语法

add_schema(self, axis_type="category", orient="horizontal", symbol=None, symbol_size=None, …, itemstyle_opts=None) axis_type：表示坐标轴的类型，可以取值为'value'（数值轴）、'category'（类目轴）、'time'（时间轴）、'log'（对数轴）。 orient：表示时间线的类型，可以取值为'horizontal'（水平）和'vertical'（垂直）。 play_interval：表示播放的速度，单位为ms。

9.4.4 时间线轮播多图

add_schema()方法 add_schema()方法用于为图表添加指定样式的时间线。 语法

add_schema(self, axis_type="category", orient="horizontal", symbol=None, symbol_size=None, …, itemstyle_opts=None) is_auto_play：表示是否自动播放，默认为False。 is_loop_play：表示是否循环播放，默认为True。 is_rewind_play：表示是否反向播放，默认为False。 is_timeline_show：表示是否显示时间线组件。 width：表示时间线区域的宽度。 height：表示时间线区域的高度。

9.4.4 时间线轮播多图

add ()方法 add ()方法用于添加图表和时间点。 语法

add(self, chart, time_point) chart：表示图表。 time_point：表示时间点。

多学一招：pyecharts.faker包

pyecharts.faker是一个pyecharts官方提供的测试数据包，它包含一个_Faker类的对象Faker，通过Faker对象访问属性来获取一些测试数据。

Faker对象的常用属性及其对应的测试数据

多学一招：pyecharts.faker包

https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1588673906452&di=785a35df03b10722f4c510225358a567&imgtype=0&src=http%3A%2F%2Fimg1.juimg.com%2F160107%2F330826-16010GZ00148.jpg 除此之外，Faker对象还包含两个比较常用的方法：choose()和values()，其中choose()是一个实例方法，用于从前面表格的前7组测试数据中随机获取一组测试数据；values()是一个静态方法，用于生成一个包含7个随机整数n（20<=n<=150）的列表。

目录页

9.1 pyecharts概述 9.2 pyecharts基础知识 9.3 绘制常用图表 9.4 绘制组合图表

9.5 定制图表主题

9.5 定制图表主题 pyecharts 内置了十多种不同风格的图表主题，包括LIGHT、DARK、CHALK等，并将这些图表主题封装为全局变量ThemeType引用类的属性中。

ThemeType引用类的属性及说明

9.5 定制图表主题 前表中列举的属性可以传入InitOpts()方法的theme参数，之后在初始化图表类时将InitOpts类对象传给init_opts参数，如此便修改了图表默认的主题风格。

bar = ( # 创建Bar类对象，将图表主题替换为ThemeType.ROMA Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA)) .add_xaxis(x_data) .add_yaxis("商家A", y_a) .add_yaxis("商家B", y_b) .set_global_opts(title_opts=opts.TitleOpts(title="柱形图")) ) 示例

目录页

9.6 整合Web框架 9.7 实例：虎扑社区分析 9.8 本章小结

9.6 整合Web框架 pyecharts可以轻松地整合Web框架，包括主流的 Django 和 Flask框架等，实现在Web项目中绘制图表的功能。不同的框架和使用场景需要有不同的整合方法。

C:\Users\admin\Desktop\02.jpg

9.6 整合Web框架 新建Django项目 打开命令行工具，在命令提示符的后面输入如下命令：

django-admin startproject pyecharts_django_demo 以上命令执行后会在根目录中创建一个名称为pyecharts_django_ demo的Django项目。

9.6 整合Web框架 新建Django项目 创建完项目之后，继续在命令行中输入如下命令创建一个应用程序：

python manage.py startapp demo

9.6 整合Web框架 新建Django项目 打开pyecharts_django_demo/settings.py文件，在该文件中注册应用程序demo，注册完的代码如下所示：

pyecharts_django_demo/settings.py

INSTALLED_APPS = [ 'django.contrib.admin', 'django.contrib.auth', 'django.contrib.contenttypes', 'django.contrib.sessions', 'django.contrib.messages', 'django.contrib.staticfiles', 'demo' # 注册的应用程序]

9.6 整合Web框架 新建Django项目 由于创建的demo应用中欧不包含urls.py文件，需要手动创建urls.py文件。编辑demo/urls.py文件，代码如下：

from django.conf.urls import url from . import views urlpatterns = [ url(r'^$', views.index, name='index'), ]

9.6 整合Web框架 新建Django项目 在pyecharts_django_demo/urls.py文件中增加'demo.urls'，代码如下：

pyecharts_django_demo/urls.py from django.conf.urls import include, url from django.contrib import admin urlpatterns = [ url(r'^admin/', admin.site.urls), url(r'demo/', include('demo.urls')) ]

9.6 整合Web框架 2. 复制pyecharts模板 在demo目录下新建templates 文件夹，此时demo的目录如下所示： 示例

init.py pycache admin.py apps.py migrations models.py templates tests.py urls.py views.py 将位于pyecharts.render.templates目录下的pyecharts 模板中的macro和simple_chart.html文件复制到新建的templates 文件夹中。

9.6 整合Web框架 3. 渲染图表 打开demo/views.py文件，在该文件中增加绘制图表的代码： 示例

def index(request): c = ( 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]) .add_yaxis("商家B", [15, 25, 16, 55, 48, 8]) .set_global_opts(title_opts=opts.TitleOpts(title=“柱形图示例", subtitle="我是副标题"), yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center",name_gap=30)) ) return HttpResponse(c.render_embed())

9.6 整合Web框架 4. 运行项目 在命令行中输入如下运行程序的命令： 命令

python manage.py runserver

9.6 整合Web框架 4. 运行项目 在浏览器中打开http://127.0.0.1:8000/demo 即可访问服务，此时的页面如下图所示。

目录页

9.6 整合Web框架

9.7 实例：虎扑社区分析 9.8 本章小结

9.7 实例：虎扑社区分析 虎扑是一个有趣的社区，每天有众多JRs（虎扑网友间的称呼，译为家人们）在虎扑社区上分享自己对篮球、足球、游戏电竞、运动装备、影视、汽车、数码、情感等人和事的见解。某网站对虎扑社区的用户及其行为进行了数据采集，将虎扑近3个月的1000多个贴子作为抽样数据，下面对虎扑各板块发帖数、社区和NBA板块的24小时发帖量、朔州市用户地域分布进行画图分析。

9.7 实例：虎扑社区分析

1. 虎扑各板块发帖数 虎扑社区主要包含NBA、CBA、足球、步行街、电竞等多个板块，其中统计的各板块的用户发帖量如右表所示。

9.7 实例：虎扑社区分析

1. 虎扑各板块发帖数 根据前面表格的数据，使用pyecharts的Pie类创建一个圆环图，使用圆环图来展示各板块的发帖数。

9.7 实例：虎扑社区分析 2. 虎扑社区和NBA板块的24小时发帖量 虎扑社区中NBA板块的发帖数量一直都居高不下， NBA成为大多数用户谈论的话题。某网站某天每隔2小时统计了虎扑社区及NBA板块的发帖量，整理后如右表所示。

9.7 实例：虎扑社区分析 2. 虎扑社区和NBA板块的24小时发帖量 根据前面表格的数据，使用pyecharts的Line类创建一个折线图，通过折线图来反映虎扑社区和NBA板块24小时的发帖量 。

9.7 实例：虎扑社区分析 3. 虎扑社区朔州市用户地域分布 虎扑社区的用户群体日益壮大，且遍布全国各地。某网站对社区内朔州市各地区用户量进行粗略统计，统计结果（模拟数据）如右表所示。

9.7 实例：虎扑社区分析 3. 虎扑社区朔州市用户地域分布

根据前面表格的数据，使用pyecharts的Map类创建一个统计地图，通过统计地图来反映虎扑社区用户在朔州市各地区的分布情况。

9.7 实例：虎扑社区分析 下面使用pyecharts的Page类创建一个组合图表，将前面创建的圆环图、折线图、统计地图按顺序依次展示到同一网页中。

page = Page() page.add(pie_hupu, line_hupu, map_hupu) page.render_notebook() 示例

目录页

9.6 整合Web框架 9.7 实例：虎扑社区分析

9.8 本章小结

9.8 本章小结

本章主要介绍了后来兴起的优秀的数据可视化工具pyecharts，包括pyecharts概述、pyecharts基础知识、绘制常用的图表、绘制组合图表、定制图表主题、整合Web框架，并围绕着这些知识点开发了一个实例——虎扑社区分析。通过学习本章的内容，希望读者可以体会pyecharts的神奇之处，学会使用pyecharts绘制简单的Echarts图表。