大数据数据可视化—Echarts图表应用

ECharts是一款由百度前端技术部开发的，基于Javascript的数据可视化图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。

使用 JavaScript 实现开源的可视化库，可以流畅的运行在 PC 和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

具有丰富的可视化类型，ECharts 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。

ECharts提供大量常用的数据可视化图表，底层基于ZRender(一个全新的轻量级canvas类库)，创建了坐标系，图例，提示，工具箱等基础组件，并在此上构建出折线图(区域图)、柱状图(条状图)、散点图(气泡图)、饼图(环形图)、K线图、地图、力导向布局图以及和弦图，同时支持任意维度的堆积和多图表混合展现。

多图联动

值域漫游

大规模散点图

子区域地图模式

代码示例

目标完成率

1. #数据分析指标完成情况from pyecharts import Gaugegauge=Gauge('目标完成 
2. 率')gauge.add('任务指标','完成率',80.2)#gauge.render('gauge.html')#图 
3. 表输出gauge.render()gauge 

水球图

1. #水球图from pyecharts import Liquidliquid=Liquid("水球图"   
2.            )liquid.add("水球",[0.8])#liquid.render('liquid.html')#图 
3. 表输出到路径下liquid.render()#图表直接输出liquid 

箱线图

1. #箱线图from pyecharts import Boxplotboxplot=Boxplot("箱线图")x_axis=['销售额']y_axis= 
2. [[169,126,248,263,265,273,248,241,326,334,479,347]]yaxis=boxplot.prep 
3. are_data(y_axis)boxplot.add("boxplot",x_axis,_yaxis)boxplot.render()# 
4. 直接导出或者导出到文件内boxplot.render(linebar.html)boxplot 

3D柱形图

1. #3D柱形图from pyecharts import Bar3Dimport jsonbar3d=Bar3D("3D柱形 
2. 图",width=1200,height=600)f=open("bar3ds.json")datas=json.load(f)x 
3. _axis=datas['x_axis']y_axis=datas['y_axis']data=datas['data']range 
4. _color=datas['range_color']#visualmap热力图 
5. bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]]                             
6. for d in data],is_visualmap=True,visual_range= 
7. [0,20],visual_range_color=range_color)#设置3D图的自动旋转 
8. bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]]                             
9. for d in data],is_visualmap=True,visual_range= 
10. [0,20],visual_range_color=range_color,         
11. grid3d_width=200,grid3d_depth=80,is_grid3d_rotate=True)#设置3D图的 
12. 自动旋转的速度bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]]                             
13. for d in data],is_visualmap=True,visual_range= 
14. [0,20],visual_range_color=range_color,         
15. grid3d_width=200,grid3d_depth=80,is_grid3d_rotate=True,grid3d_rota 
16. te_speed=180)#图表输出bar3d.render('3dbar.html') 
    从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。