本文转载自微信公众号「Python中文社区」，作者wedo实验君。转载本文请联系Python中文社区公众号。

1. Pyecharts简介

pyecharts是基于百度开源图表组件echarts的python封装。支持所有常用的图表组件，和matlibplot系的图表库不同的是：pyecharts支持动态交互展示，这一点在查看复杂数据图表时特别的有用。

pipinstallpyecharts

2.pyecharts简单使用

pyecharts支持常用的基本图形展示，条形图、折线图、饼图、散点图、热力图、漏斗图、雷达图、箱型图、地图等，还能支持仪表盘，树形图的展示。

frompyecharts.chartsimportBar,Line
frompyechartsimportoptionsasopts
frompyecharts.globalsimportThemeType
line=(
Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,width='1000px',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])
.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"),
datazoom_opts=opts.DataZoomOpts(is_show=True))
.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
)
line.render('test.html')
line.render_notebook()

从上面简单事例可知，pyecharts的使用包括:

• 图标类型(Line)本身的初始化配置，如主题，大小
• 加载数据：如加载x轴数据，加载y轴数据(可以多个)
• 设置全局配置，如标题，区域缩放datazoom，工具箱等
• 设置系列配置项，如标签，线条，刻度文本展示等
• 图标显示：render保存成html文件，如果是jupyter notebook则直接通过render_notebook展示在notebook中

3.常用配置使用

在pyecharts中，关于图表外观显示等操作都是在相应的option里配置，包括坐标轴，图例，数据标签，网格线，图表样式/颜色，不同系列等等。

• InitOpts：各个图表类型初始配置
• set_global_opts：全局外观配置
• set_series_opts：系列配置

为了方便大家和自己，下面给出一个常用的组合，通常可视化足够用了，快收藏。

• InitOpts：主题，长宽，动画效果
• DataZoomOpts：区域收缩，这个对于数据特别多，如一天的时间序列数据，特别有用，可以拖动查看全局和局部的数据(可以设置是否显式显式还是可拖动type_="inside")
• 标题配置TitleOpts：说明这个图表说明的是什么，必备的吧
• 图例配置LegendOpts：说明图表中的不同数据项(这个图例是可以点击的，可以单独查看某个图例的数据，很有用)
• 提示框配置TooltipOpts：显示图例具体某个点的数据
• x轴和y轴坐标轴标题说明AxisOpts
• 坐标刻度调整：特别适用于刻度说明比较多，可以显示角度变换等
• markpoint/markline: 对图表的特别标记，用于重点说明部分和标注区分线

frompyecharts.chartsimportBar,Line
frompyechartsimportoptionsasopts
frompyecharts.globalsimportThemeType
bar=(
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT,
width='1000px',
height='300px',
animation_opts=opts.AnimationOpts(animation_delay=1000,animation_easing="elasticOut")
)
)
.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"),
toolbox_opts=opts.ToolboxOpts(is_show=False),
#datazoom_opts=opts.DataZoomOpts(is_show=True)
datazoom_opts=[opts.DataZoomOpts(),opts.DataZoomOpts(type_="inside")],
legend_opts=opts.LegendOpts(type_="scroll",pos_left="50%",orient="vertical"),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15),name="我是X轴"),
yaxis_opts=opts.AxisOpts(name="我是Y轴",axislabel_opts=opts.LabelOpts(formatter="{value}/月")),
tooltip_opts=opts.TooltipOpts(trigger="axis",axis_pointer_type="cross"),
)
.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"),
]
),
)
)
#line.render('test.html')
bar.render_notebook()

4.常用组合图表使用

常用组合图表有：

• 不同图表类型组合如柱状图和折线图组合在一张图中(双y轴)，主要的看同一视角不同指标的差异和关联;pyecharts中是通过overlap实现

frompyechartsimportoptionsasopts
frompyecharts.chartsimportBar,Line
frompyecharts.fakerimportFaker
v1=[2.0,4.9,7.0,23.2,25.6,76.7,135.6,162.2,32.6,20.0,6.4,3.3]
v2=[2.6,5.9,9.0,26.4,28.7,70.7,175.6,182.2,48.7,18.8,6.0,2.3]
v3=[2.0,2.2,3.3,4.5,6.3,10.2,20.3,23.4,23.0,16.5,12.0,6.2]
bar=(
Bar(init_opts=opts.InitOpts(width="680px",height="300px"))
.add_xaxis(Faker.months)
.add_yaxis("蒸发量",v1)
.add_yaxis("降水量",v2)
.extend_axis(
yaxis=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(formatter="{value}°C"),interval=5
)
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="Overlap-bar+line"),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value}ml")),
tooltip_opts=opts.TooltipOpts(trigger="axis",axis_pointer_type="cross"),
)
)
line=Line().add_xaxis(Faker.months).add_yaxis("平均温度",v3,yaxis_index=1)
bar.overlap(line)
bar.render_notebook()

从实现上，

• .extend_axis增加一个纵坐标
• 增加的折线图设置轴坐标时设置yaxis_index索引和前面的纵坐标对应
• 然后两张叠加overlap bar.overlap(line)

• 多图标以网格(GRID)方式组合，主要是对比;pyecharts中是通过grid组件实现

frompyechartsimportoptionsasopts
frompyecharts.chartsimportBar,Grid,Line
frompyecharts.fakerimportFaker
bar=(
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A",Faker.values())
.add_yaxis("商家B",Faker.values())
.set_global_opts(title_opts=opts.TitleOpts(title="Grid-Bar"))
)
line=(
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A",Faker.values())
.add_yaxis("商家B",Faker.values())
.set_global_opts(
title_opts=opts.TitleOpts(title="Grid-Line",pos_top="48%"),
legend_opts=opts.LegendOpts(pos_top="48%"),
)
)
grid=(
Grid(init_opts=opts.InitOpts(width="680px",height="500px"))
.add(bar,grid_opts=opts.GridOpts(pos_bottom="60%"))
.add(line,grid_opts=opts.GridOpts(pos_top="60%"))
)
grid.render_notebook()

从实现看

• 主要通过Grid把各种图形放入其中
• 各个图表的位置通过GridOpts来设置，上下左右的位置
• 需要注意的是:grid中图表的title和图例需要根据所处位置来指定相对的位置(这个有点麻烦，多调调)

5.地图使用

地图可用在展示数据在地理位置上的分布情况，也是很常见的可视化的展示组件。pyecharts中是通过Map类来实现的。具体细节需要注意：

• map支持不同的maptype，如中国地图china(省级) china-cities(市级)，世界地图world，还有中国各省市地图以及世界各国国家地图，参看github pyecharts/datasets/map_filename.json
• map的数据格式是(地理位置， value)， 如[['广东', 76],['北京', 58]]
• 可以通过visualmap_opts查看着重点

frompyechartsimportoptionsasopts
frompyecharts.chartsimportMap
frompyecharts.fakerimportFaker
c1=(
Map()
.add("商家A",[list(z)forzinzip(Faker.guangdong_city,Faker.values())],"广东")
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-广东地图"),visualmap_opts=opts.VisualMapOpts()
)
)
c2=(
Map()
.add("商家A",[list(z)forzinzip(Faker.provinces,Faker.values())],"china")
.set_global_opts(
title_opts=opts.TitleOpts(title="Map-VisualMap（连续型）"),
visualmap_opts=opts.VisualMapOpts(max_=200),
)
)
#c1.render_notebook()
c2.render_notebook()

6.特色图表使用

在学习pyecharts时，看到一些比较有意思的(动态展示)组件，如随着时间动态展示图表数据的变化。这里做下介绍

• Timeline：时间线轮播多图 先声明一个Timeline, 按照展示的时间顺序，将图表add到Timeline上; 可以通过播放按钮循环按照时间顺序展示图表。

frompyechartsimportoptionsasopts
frompyecharts.chartsimportPie,Timeline
frompyecharts.fakerimportFaker
attr=Faker.choose()
tl=Timeline()
foriinrange(2015,2020):
pie=(
Pie()
.add(
"商家A",
[list(z)forzinzip(attr,Faker.values())],
rosetype="radius",
radius=["30%","55%"],
)
.set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i)))
)
tl.add(pie,"{}年".format(i))
tl.render_notebook()

• 仪表盘

frompyechartsimportoptionsasopts
frompyecharts.chartsimportGauge
c=(
Gauge()
.add("",[("完成率",30.6)],radius="70%",
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(
color=[(0.3,"#67e0e3"),(0.7,"#37a2da"),(1,"#fd666d")],width=30)
),
title_label_opts=opts.LabelOpts(
font_size=20,color="blue",font_family="MicrosoftYaHei"
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"),legend_opts=opts.LegendOpts(is_show=False),)
)
c.render_notebook()

7.其他图表一览

从上面的实例看，已经展示地图，条形图，折线图，饼图，仪表盘。这里展示下pyecharts提供的更多的图表，

• 雷达图 Radar

• 树形图 Tree

• 热力图 heatMap

• 日历图 Calendar

• 散点图 Scatter

• 3D图 Bar3D

• 箱型图 Boxplot

8.总结

本文介绍的基于echarts的python动态图表展示组件pyecharts，除了提供众多常用的图表外，最重要的是支持动态操作数据。总结如下：

• pyecharts所有的图像属性设置都通过opts来设置，有图表初始属性/全局属性/系列属性
• 本文提供常用的配置，足够用了，拿走不谢，见常用配置使用
• pyecharts 支持多图表组合，如折线图和条形图 overlap， 多个图表grid展示
• pyecharts好用的map，可以展示中国省市，世界各国地图，请按照[位置，value]准备数据
• Timeline可以让你的图表按照时间轮播
• 更多图表参见参考资料

9.参考资料

https://pyecharts.org/#/zh-cn/quickstart