【数据可视化】第五章—— 基于PyEcharts的数据可视化
文章目录
- 1. pyecharts数据可视化介绍
- 2．pyecharts安装与使用
- 3．全局配置项和系列配置项
- 3.1 全局配置项
- 3.1.1 基本元素配置项
- 3.1.2 坐标轴配置项
- 3.1.3 原生图形配置项
- 3.2 系列配置项
- 3.2.1 样式类配置项
- 3.2.2 标记类型配置项
- 3.2.3 其它类配置项
- 4．运行环境
- 4.1 生成HTML
- 4.2 Jupyter Notebook
- 4.3 Jupyter Lab
- 5．Pyecharts可视化绘图
- 5.1 柱状图
- 5.2 折线图
- 5.3 饼图
- 5.4 箱型图
- 5.5 涟漪散点图
- 5.6 K线图
- 5.7 雷达图
- 6. Bar的基本使用
- 7. Line的基本使用
- 8. 饼图的基本使用
- 9. 本章小结
1. pyecharts数据可视化介绍
pyecharts是一个用于生成 Echarts 图表的类库，是一款将Python与Echarts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。
官网 https://pyecharts.org/#/zh-cn/intro
Pyecharts是一个用于生成Echarts图表的库。代码相对简洁，可以生成Echarts风格的图表。
◾丰富的可视化类型: 提供了常规的折线图、柱状图、散点图、饼图、K线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、treemap、旭日图，多维数据可视化的平行坐标，还有用于 BI 的漏斗图，仪表盘，并且支持图与图之间的混搭。
◾多种数据格式无需转换直接使用: 内置的 dataset 属性（4.0+）支持直接传入包括二维表，key-value 等多种格式的数据源，此外还支持输入 TypedArray 格式的数据。
◾千万数据的前端展现: 通过增量渲染技术（4.0+），配合各种细致的优化，ECharts 能够展现千万级的数据量。
◾移动端优化: 针对移动端交互做了细致的优化，例如移动端小屏上适于用手指在坐标系中进行缩放、平移。 PC 端也可以用鼠标在图中进行缩放（用鼠标滚轮）、平移等。
◾多渲染方案，跨平台使用: 支持以 Canvas、SVG（4.0+）、VML 的形式渲染图表。
◾深度的交互式数据探索: 提供了图例、视觉映射、数据区域缩放、tooltip、数据刷选等开箱即用的交互组件，可以对数据进行多维度数据筛取、视图缩放、展示细节等交互操作。
◾多维数据的支持以及丰富的视觉编码手段: 对于传统的散点图等，传入的数据也可以是多个维度的。
◾动态数据: 数据的改变驱动图表展现的改变。
◾绚丽的特效: 针对线数据，点数据等地理数据的可视化提供了吸引眼球的特效。
◾通过 GL 实现更多更强大绚丽的三维可视化: 在 VR，大屏场景里实现三维的可视化效果。
◾无障碍访问（4.0+）: 支持自动根据图表配置项智能生成描述，使得盲人可以在朗读设备的帮助下了解图表内容，让图表可以被更多人群访问。
2．pyecharts安装与使用
在使用pyecharts之前，首先要安装它。在Windows命令行中使用以下命令来执行安装过程：
pip install pyecharts
执行后，可输入以下命令查看：
pip list
如用户需要用到地图图表，可自行安装对应的地图文件包。命令如下：
pip install echarts-countries-pypkg #安装全球国家地图
pip install echarts-china-provinces-pypkg#安装中国省级地图
pip install echarts-china-cities-pypkg#安装中国市级地图
在安装完地图库以后，即可进行地图的数据可视化显示。
3．全局配置项和系列配置项
图形的参数配置是数据可视化的基础，Pyecharts中的参数配置比较简单，可分为全局配置项和系列配置项
3.1 全局配置项
3.1.1 基本元素配置项
Pyecharts的基本元素配置项主要包括：InitOpts、ToolBoxFeatureOpts、ToolboxOpts、TitleOpts、DataZoomOpts、LegendOpts、VisualMapOpts、TooltipOpts等8个配置。
(1) InitOpts:
(2) ToolBoxFeatureOpts:
(3) ToolboxOpts:
(4) TitleOpts:
(5) DataZoomOpts :
(6) LegendOpts:
(7) VisualMapOpts:
(8) TooltipOpts:
3.1.2 坐标轴配置项
Pyecharts的坐标轴配置项主要包括：AxisOpts、AxisLineOpts、AxisTickOpts、AxisPointerOpts、SingleAxisOpts等5个配置。
(1) AxisOpts:
(2) AxisLineOpts:
(3) AxisTickOpts:
(4) AxisPointerOpts:
(5) SingleAxisOpts:
3.1.3 原生图形配置项
Pyecharts的原生图形配置项主要包括：GraphicGroup、GraphicItem、GraphicBasicStyleOpts、GraphicShapeOpts、GraphicImage、GraphicText、GraphicTextStyleOpts、GraphicRect等8个配置。
(1) GraphicGroup:
(2) GraphicItem:
(3) GraphicBasicStyleOpts:
(4) GraphicShapeOpts:
(5) GraphicImage：
(6) GraphicText:
(7) GraphicTextStyleOpts:
(8) GraphicRect:
3.2 系列配置项
3.2.1 样式类配置项
Pyecharts的样式类配置项主要包括：ItemStyleOpts、TextStyleOpts、LabelOpts、LineStyleOpts、SplitLineOpts等5个配置。
(1) ItemStyleOpts:
(2) TextStyleOpts:
(3) LabelOpts:
(4) LineStyleOpts:
(5) SplitLineOpts:
3.2.2 标记类型配置项
Pyecharts的标记类型配置项主要包括：MarkPointItem、MarkPointOpts、MarkLineItem、MarkLineOpts、MarkAreaItem、MarkAreaOpts等6个配置。
(1) MarkPointItem:
(2) MarkPointOpts:
(3) MarkLineItem :
(4) MarkLineOpts:
(5) MarkAreaItem:
(6) MarkAreaOpts:
3.2.3 其它类配置项
Pyecharts的其它类配置项主要包括：EffectOpts、AreaStyleOpts、SplitAreaOpts等3个配置。
(1) EffectOpts:
(2) AreaStyleOpts:
(3) SplitAreaOpts:
4．运行环境
4.1 生成HTML
Pyecharts可以通过render函数生成HTML文件，下面的代码将结果生成html文件。
……
bar.render(‘bar.html’)
4.2 Jupyter Notebook
Pyecharts可以在Jupyter Notebook环境中运行。
……
bar.render_notebook()
4.3 Jupyter Lab
Pyecharts可以在Jupyter Lab环境中运行。
……
#第一次渲染时候调用load_javascript文件
bar.load_javascript()
bar.render_notebook()
5．Pyecharts可视化绘图
Pyecharts可以方便的绘制一些基础视图，包括柱状图，折线图，箱型图，涟漪散点图，K线图以及双坐标轴图等
5.1 柱状图
柱状图是一种把连续数据画成数据条的表现形式，通过比较不同组的柱状长度，从而对比不同组的数据量大小。
描绘柱状图的要素有3个：组数、宽度、组限。绘制柱状图时，不同组之间是有空隙的。柱状用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用与较小的数据集分析。柱状图也可以多维表达。
(1) 参数配置：
(2) 基本函数形式：
c = (
Bar()
.set_global_opts(title_opts=opts.TitleOpts(title=“Bar-基本示例”, subtitle=“我是副标题”,title_link=“https://pyecharts.org/#/zh-cn/”))
.add_xaxis(Faker.choose())
.add_yaxis(“商家A”, Faker.values())
.add_yaxis(“商家B”, Faker.values())
)
(3) 例：商家A与B商品订单数量分析
为了分析商家A与B商品订单数量，绘制了两个商家商品订单量的柱状图。
bar = Bar()bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).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, 6, 45, 20, 35, 66]).set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)
5.2 折线图
折线图是用直线段将各个数据点连接起来而组成的图像，以折线方式显示数据的变化趋势。折线图可以显示随时间而变化的连续数据，因此非常适合显示相等时间间隔的数据趋势。在折线图中，类别数据沿水平轴均匀分布，数值数据沿垂直轴均匀分布。例如为了显示不同订单日期的销售额走势，可以创建不同订单日期的销售额折线图。
(1) 参数配置：
(2) 例：各门店销售业绩比较分析
为了比较企业门店销售业绩，绘制了各门店的销售额和利润额的折线图。
(3)基本函数形式：
line = Line()line.set_global_opts( title_opts = opts.TitleOpts(title = "门店销售额利润额的比较分析", subtitle = "2019年企业经营状况分析"), toolbox_opts = opts.ToolboxOpts(), legend_opts = opts.LegendOpts(is_show = True)
)line.add_xaxis(v1)
line.add_yaxis(“销售额”,v2,is_smooth = True) #is_smooth默认是False，即折线；is_selected默认是False,即不选中
line.add_yaxis("利润额",v3,is_smooth = True, is_selected = True)
5.3 饼图
基本函数形式：
c = (Pie().add("", [list(z) for z in zip(Faker.choose(), Faker.values())]).set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"]).set_global_opts(title_opts=opts.TitleOpts(title="饼图")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()
5.4 箱型图
箱型图是一种用作显示一组数据分散情况资料的统计图。在各种领域也经常被使用，常见于品质管理。
箱型图主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。
箱型图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数位于箱体中。
(1) 参数配置：
(2) 例：2019年销售额和利润额分析
为了分析2019年的销售额和利润额情况，绘制了不同的箱型图
(3) 基本函数形式：
boxplot = Boxplot()boxplot.set_global_opts( title_opts = opts.TitleOpts(title = "2019年销售额和利润额分析",subtitle = "2019年企业经营状况分析"), toolbox_opts = opts.ToolboxOpts(is_show = False), legend_opts = opts.LegendOpts(is_show = True)
)boxplot.add_xaxis(["2019年业绩"])
boxplot.add_yaxis("销售额",boxplot.prepare_data([v2]))
boxplot.add_yaxis("利润额",boxplot.prepare_data([v3]))
5.5 涟漪散点图
涟漪散点图是一类特殊的散点图，只是散点图中带有涟漪特效，利用特效可以突出显示某些想要的数据。
(1) 参数配置：
(2) 例：涟漪散点图各种图形
(3) 基本函数形式：
es = EffectScatter()es.set_global_opts( title_opts = opts.TitleOpts(title = "涟漪散点图分布",subtitle = "各种类型"), xaxis_opts = opts.AxisOpts(splitline_opts = opts.SplitLineOpts(is_show = True)), yaxis_opts = opts.AxisOpts(splitline_opts = opts.SplitLineOpts(is_show = True)), toolbox_opts = opts.ToolboxOpts(False), legend_opts = opts.LegendOpts(is_show = True)
)
es.add_xaxis(v1)
es.add_yaxis("",v2,symbol = SymbolType.ARROW)es.render_notebook()
5.6 K线图
K线图又称蜡烛图，股市及期货市场中的K线图的画法包含四个数据，即开盘价，最高价，最低价，收盘价，所有的K线都是围绕这四个指标展开，反映股票的情况。
如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可以画出周K线图，月K线图。
(1) 参数配置：
(2) 例：企业股票价格趋势分析
(3) 基本函数形式：
c = (Kline().set_global_opts(xaxis_opts=opts.AxisOpts(is_scale=True),yaxis_opts=opts.AxisOpts(is_scale=True,splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),datazoom_opts=[opts.DataZoomOpts(pos_bottom="-2%")],title_opts=opts.TitleOpts(title="Kline-ItemStyle"),).add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)]).add_yaxis("kline",data,itemstyle_opts=opts.ItemStyleOpts(color="#ec0000",color0="#00da3c",border_color="#8A0000",border_color0="#008F28",),)
)
5.7 雷达图
基本函数形式：
c = (Radar().add_schema(schema=[……]).add("预算分配", v1,linestyle_opts=opts.LineStyleOpts(color="#CD0000")).add("实际开销", v2,linestyle_opts=opts.LineStyleOpts(color="#5CACEE")).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Radar-单例模式"),)
)
6. Bar的基本使用
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Fakerc = (Bar().set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="我是副标题",title_link="https://pyecharts.org/#/zh-cn/")).add_xaxis(Faker.choose()).add_yaxis("商家A", Faker.values()).add_yaxis("商家B", Faker.values())
)
c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Fakerx = [0,1,2,3,4,5]
y = [1,2,3,2,4,3]c = Bar()
c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts",title_link="https://pyecharts.org/#/zh-cn/"))
c.add_xaxis(x)
c.add_yaxis("示例", y) #'label',数值
# c.add_yaxis("商家B", Faker.values()) c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Fakerx = ['战狼2','速度与激情8','功夫瑜伽','西游伏妖篇','变形金刚5：最后的骑士','摔跤吧！爸爸','加勒比海盗5：死无对证','金刚：骷髅岛','极限特工：终极回归','生化危机6：终章','乘风破浪','神偷奶爸3','智取威虎山','大闹天竺','金刚狼3：殊死一战','蜘蛛侠：英雄归来','悟空传','银河护卫队2','情圣','新木乃伊']y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]c = Bar()
c.set_global_opts(title_opts=opts.TitleOpts(title="电影票房", subtitle="pyecharts"))
c.add_xaxis(x)
c.add_yaxis("示例", y) #'label',数值
# c.add_yaxis("商家B", Faker.values())
c.reversal_axis()c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeTypea = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14, gap = '0%') #'label',数值
c.add_yaxis("15日票房", b_15, gap = '0%')
c.add_yaxis("16日票房", b_16, gap = '0%') # c.add_yaxis("商家B", Faker.values()) c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeTypea = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14, gap = '0%', stack = '1') #'label',数值
c.add_yaxis("15日票房", b_15, gap = '0%', stack = '1')
c.add_yaxis("16日票房", b_16, gap = '0%')
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False))# c.add_yaxis("商家B", Faker.values()) c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeTypea = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]c = Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14, gap = '0%') #'label',数值
c.add_yaxis("15日票房", b_15, gap = '0%')
c.add_yaxis("16日票房", b_16, gap = '0%')
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="max", name="最大值"),
# opts.MarkPointItem(type_="min", name="最小值"),
# opts.MarkPointItem(type_="average", name="平均值"),]))# c.add_yaxis("商家B", Faker.values()) c.render_notebook()
7. Line的基本使用
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
from pyecharts.globals import ThemeTypea = ['猩球崛起3：终极之战','敦刻尔克','蜘蛛侠：英雄归来','战狼2']b_14 = [2358,399,2358,362]
b_15 = [12357,156,2045,168]
b_16 = [15746,312,4497,319]c = Line(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))c.set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例", subtitle="pyecharts"))
c.add_xaxis(a)
c.add_yaxis("14日票房", b_14) #'label',数值
c.add_yaxis("15日票房", b_15)
c.add_yaxis("16日票房", b_16)
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="max", name="最大值"),
# opts.MarkPointItem(type_="min", name="最小值"),
# opts.MarkPointItem(type_="average", name="平均值"),]))# c.add_yaxis("商家B", Faker.values()) c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Fakerc = Line()
c.add_xaxis(Faker.choose())
c.add_yaxis("商家A", Faker.values())
c.add_yaxis("商家B", Faker.values())
c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Fakerx = range(0,10,2)
y = [2,1,3,5,4]c = Line()
c.add_xaxis(x)
c.add_yaxis("商家A", y, is_smooth = True,symbol="circle",symbol_size=15,linestyle_opts=opts.LineStyleOpts(color="green", width=3, type_="dashed"),label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=2, border_color="orange", color="purple"),)
# c.add_yaxis("商家B", Faker.values())
c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"),
# opts.MarkPointItem(type_="average", name="平均值"),]))c.render_notebook()
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Fakerx = range(0,10,2)
y = [2,1,3,5,4]c = Line()
c.add_xaxis(x)
c.add_yaxis("商家A", y, is_smooth = True,symbol="circle",symbol_size=15,linestyle_opts=opts.LineStyleOpts(color="green", width=3, type_="dashed"),label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(border_width=2, border_color="orange", color="purple"),areastyle_opts=opts.AreaStyleOpts(opacity=0.3))
# c.add_yaxis("商家B", Faker.values())
c.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
c.set_series_opts(label_opts=opts.LabelOpts(is_show=False),markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"),
# opts.MarkPointItem(type_="average", name="平均值"),]))c.render_notebook()
8. 饼图的基本使用
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType #定制主题c = Pie()
c.add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
c.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
c.set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))c.render_notebook()
import matplotlib.pyplot as plt
import numpy as np
import matplotlibmatplotlib.rcParams['font.family'] = ['Kaiti'] #设置字体
plt.figure(figsize = (5,5),dpi = 100)sizes = [45,30,15,10] #设置每部分大小
labels = ['计算机系','机械系','管理系','社科系']
explode = [0.1,0,0,0] #设置每部分凹凸
colors = ['c','g','b','m']plt.pie(sizes,labels = labels,explode = explode,colors = colors,labeldistance = 1,autopct = '%.1f%%',counterclock = False,startangle = 90,shadow = True)plt.title('饼图',fontsize = 20);#设置标题
plt.show()
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType #定制主题sizes = [45,30,15,10] #设置每部分大小
labels = ['计算机系','机械系','管理系','社科系']c = Pie()
c.add("", [list(z) for z in zip(labels, sizes)])
c.set_colors(["blue", "green", "yellow", "red"])
c.set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))c.render_notebook()
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType #定制主题sizes = [45,30,15,10] #设置每部分大小
labels = ['计算机系','机械系','管理系','社科系']c = Pie(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
c.add("", [list(z) for z in zip(labels, sizes)],radius=["40%", "75%"])
# c.set_colors(["blue", "green", "yellow", "red"])
c.set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))c.render_notebook()
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType #定制主题sizes = [45,30,15,10] #设置每部分大小
labels = ['计算机系','机械系','管理系','社科系']c = Pie(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
c.add("", [list(z) for z in zip(labels, sizes)],radius=["25%", "60%"],center=["25%", "50%"],rosetype="radius")c.add("", [list(z) for z in zip(labels, Faker.values())],radius=["25%", "75%"],center=["75%", "50%"],rosetype="radius")
# c.set_colors(["blue", "green", "yellow", "red"])
c.set_global_opts(title_opts=opts.TitleOpts(title="饼图"))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))c.render_notebook()
9. 本章小结
（1）ECharts是一个使用 JavaScript 实现的开源可视化库，可以流畅的运行在 PC 和移动设备上，并能够兼容当前绝大部分浏览器。在功能上，ECharts可以提供直观，交互丰富，可高度个性化定制的数据可视化图表。
（2）pyecharts 是一个用于生成 Echarts 图表的类库，是一款将Python与ECharts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。