Python数据可视化-第9章-很全的pycharts教程

一个很全的pyecharts参考https://www.heywhale.com/mw/project/642e7c0a907c87f13bc7419b

IT从业者张某某

1080人浏览 · 2025-04-21 12:11:00

IT从业者张某某 · 2025-04-21 12:11:00 发布

环境

开发工具

VSCode

库的版本

numpy==1.26.4
matplotlib==3.10.1
ipympl==0.9.7
pyecharts==2.0.8

教材

本书为《Python数据可视化》一书的配套内容，本章为第9章使用pycharts绘制图表
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。

在这里插入图片描述

参考

https://www.heywhale.com/mw/project/642e7c0a907c87f13bc7419b

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

https://echarts.apache.org/zh/index.html

第8章-使用matplotlib绘制高级图表

9.1 pyecharts概述

官网链接
https://pyecharts.org/#/zh-cn/intro

安装

pip install pyecharts==2.0.8

然后进入python环境

from pyecharts.charts import Bar
import pyecharts
print(pyecharts.__version__)

Echarts简介

官网链接
https://echarts.apache.org/zh/index.html

9.2 pyecharts基础知识

9.2.1 快速绘制图表

下面以柱形图为例，带领大家感受一下使用pyecharts库绘制图表的基本过程。

from pyecharts.charts import Bar
from pyecharts import options as opts
# 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()

链式调用实现

from pyecharts.charts import Bar
from pyecharts import options as opts
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"),
                   yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
)
bar.render_notebook()

9.2.2 认识图表类

前面介绍的图表类均继承自Base基类，我们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：

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。

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

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：

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。
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。

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：

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。

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。

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。

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() 。

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)

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。

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。

bar.render_notebook()

9.3 绘制常用图表

通过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。

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：表示系列对应的注释文本的颜色。
is_symbol_show：表示是否显示标记及注释文本，默认为True。
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。

import pyecharts.options as opts
from pyecharts.charts import Line
line_demo = (
    Line()
    # 添加x轴、y轴的数据、系列名称
    .add_xaxis(['可乐', '雪碧', '啤酒', '橙汁', '奶茶'])
    .add_yaxis('商家A', [102, 132, 105, 52, 90], symbol='diamond', symbol_size=15)
    .add_yaxis('商家B', [86, 108, 128, 66, 136], symbol='triangle', symbol_size=15)
    # 设置标题、y 轴标签
    .set_global_opts(title_opts=opts.TitleOpts(title="折线图示例"), 
                   yaxis_opts=opts.AxisOpts(name="销售额(万元)",name_location="center", name_gap=30))
)
line_demo.render_notebook()

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。

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，可以接收形如[(key1, value1), (key2, value2)…]的数据。
radius：表示饼图的半径，可以接收一个包含两个元素的数组或列表，其中第一项为内半径，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。

在这里插入图片描述

import pyecharts.options as opts
from pyecharts.charts import Pie
pie_demo = (
    Pie()
    .add("", [('小米', 150), ('三星', 20), ('华为', 120), ('苹果', 120), ('魅族', 117), ('vivo', 145), ('OPPO', 128)])
    .set_global_opts(title_opts=opts.TitleOpts(title="饼图示例"))
)
pie_demo.render_notebook()

在这里插入图片描述

import pyecharts.options as opts
from pyecharts.charts import Pie
pie_demo = (
    Pie()
    # 添加数据
    .add("", [('小米', 150), ('三星', 20), ('华为', 120), ('苹果', 120), ('魅族', 117), ('vivo', 145), 
              ('OPPO', 128)], center=["50%", "50%"], radius=[100, 160])
    # 设置标题
    .set_global_opts(title_opts=opts.TitleOpts(title="圆环图示例"))
)
pie_demo.render_notebook()

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。

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，该参数的取值可以为’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。

在这里插入图片描述

import pyecharts.options as opts
from pyecharts.charts import Scatter
scatter_demo = (
    Scatter()
    .add_xaxis(['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
    .add_yaxis("", [30, 108, 73, 116, 73, 143, 106])
    # 设置标题、x 轴网格、y 轴网格和标签
    .set_global_opts(title_opts=opts.TitleOpts(title="散点图示例"), 
                   xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
                   yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True), name="用户活跃量(人)",
                                            name_location="center", name_gap=30)
    )
)
scatter_demo.render_notebook()

在这里插入图片描述

import pyecharts.options as opts
from pyecharts.charts import EffectScatter
effect_scatter = (
    EffectScatter()
    .add_xaxis(['周一', '周二', '周三', '周四', '周五', '周六', '周日'])
    .add_yaxis("", [30, 108, 73, 116, 73, 143, 106], symbol='pin')
    # 设置标题、x 轴网格、y 轴网格和标签
    .set_global_opts(title_opts=opts.TitleOpts(title="涟漪特效散点图示例"), 
                     xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),
                     yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True), 
                                              name=" 用户活跃量(人)",name_location="center", name_gap=30)
    )
)
effect_scatter.render_notebook()

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。

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3D柱形图用到的数据。
shading：表示三维图形的着色效果。
xaxis3d_opts：表示x坐标轴的配置项，接收一个Axis3DOpts类的对象。
yaxis3d_opts：表示y坐标轴的配置项，接收一个Axis3DOpts类的对象。
zaxis3d_opts：表示z坐标轴的配置项，接收一个Axis3DOpts类的对象。

在这里插入图片描述

import random
from pyecharts import options as opts
from pyecharts.charts import Bar3D
data = [(i, j, random.randint(0, 20)) for i in range(7) for j in range(5)]
bar_3d = (
    Bar3D()
    .add("", [[d[1], d[0], d[2]] for d in data], 
         xaxis3d_opts=opts.Axis3DOpts(['A组', 'B组', 'C组','D组', 'E组'], type_="category", name=""),
         yaxis3d_opts=opts.Axis3DOpts(['周一', '周二', '周三', '周四', '周五', '周六', '周日'], type_="category", name=""),
         zaxis3d_opts=opts.Axis3DOpts(type_="value", name="销售额(万元)")
    )
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(max_=30), title_opts=opts.TitleOpts(title="3D柱形图示例")
    )
)
bar_3d.render_notebook()

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。

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，取值可以为诸如(坐标点名称, 坐标点值)、[坐标点名称, 坐标点值]。
maptype：表示地图的类型，默认值为“china”，其他类型可以参考pyecharts.datasets.map_filenames.json文件。
is_roam：表示是否开启鼠标缩放和平移漫游，默认值为True。
center：表示当前视角的中心点。
zoom：表示当前视角的缩放比例，默认值为1。
name_map：表示自定义地区的名称映射。
is_map_symbol_show：表示是否显示标记图形。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Map
data_map = [['朔城区', 100], ['平鲁区', 88], ['山阴县', 99], ['应县', 68], ['右玉县', 35], ['怀仁县', 28]]
# 创建 Map 对象
map_demo = (
    Map()
    .add("商家A", data_map, "朔州")
    .set_global_opts(title_opts=opts.TitleOpts(title="朔州地图示例"), visualmap_opts=opts.VisualMapOpts())
)
map_demo.render_notebook()

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。

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，数据项的格式为[(key1, value1), (key2, value2) , ……] 。
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。
tooltip_opts：表示提示框组件配置项，该参数接收TooltipOpts类的对象。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Funnel
data_fun = [['访问商品', 100], ['加购物车', 50], ['生成订单', 30], ['支付订单', 20], ['完成交易', 15]]
# 创建 Funnel 对象
funnel_demo = (
    Funnel()
    .add("", data_fun, sort_='descending', tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%"))
    .set_global_opts(title_opts=opts.TitleOpts(title="漏斗图示例"))
)
funnel_demo.render_notebook()

9.3.7 绘制桑基图

pyecharts的Sankey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。

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：表示节点的序列，格式是[{“name”:节点的名称1}, {“name”:节点的名称2}, …]。
links：表示边的序列，格式是[{“source”:来源节点, "target ":目标节点, “value”:流量}, …]。
node_width：表示桑基图中每个矩形节点的宽度。
node_gap：桑基图中每一列任意两个矩形节点之间的间隔。
label_opts：表示标签配置项，它的值是LabelOpts类的对象
linestyle_opt：表示线条样式配置项，它的值是LineStyleOpts类的对象。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Sankey
nodes = [
    {"name":"消费者"},
    {"name":"老客户"},
    {"name":"新客户"},
    {"name":"运动鞋"},
    {"name":"衬衫"},
    {"name":"连衣裙"},
    {"name":"高跟鞋"}
]
links = [
    {"source":"消费者", "target":"老客户", "value": 30},
    {"source":"消费者", "target":"新客户", "value": 20},
    {"source":"老客户", "target":"运动鞋", "value": 10},
    {"source":"老客户", "target":"衬衫", "value": 20},
    {"source":"新客户", "target":"连衣裙", "value": 10},
    {"source":"新客户", "target":"高跟鞋", "value": 10}
]
sankey_demo = (
    Sankey()
    .add("", nodes=nodes, links=links,linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color="source"),
         label_opts=opts.LabelOpts(position="right"))
    .set_global_opts(title_opts=opts.TitleOpts(title="桑基图示例"))
)
sankey_demo.render_notebook()

9.4 绘制组合图表

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。

add(self, chart, grid_opts, grid_index=0, is_control_axis_index=False)

chart：表示图表。
grid_opts：表示直角坐标系网格配置项，它的值是GridOpts类的对象。
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。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Grid
x_data = ['小米', '三星', '华为', '苹果', '魅族', 'vivo', 'OPPO']
y_a = [107, 36, 102, 91, 51, 113, 45]
y_b = [104, 60, 33, 138, 105, 111, 91]
bar = (
    Bar()
    .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="组合图表-柱形图"), 
                     yaxis_opts=opts.AxisOpts(name="销售额(万元)",name_location="center", name_gap=30))
)
line = (
    Line()
    .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="组合图表-折线图 ", pos_top="48%"),legend_opts=opts.LegendOpts(pos_top="48%"),
        yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30)
    )
)
# 创建组合图表, 并以上下布局的方式显示柱形图和折线图
grid = (
    Grid()
    .add(bar, grid_opts=opts.GridOpts(pos_bottom="60%"))
    .add(line, grid_opts=opts.GridOpts(pos_top="60%"))
)
grid.render_notebook()

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：

Page(page_title="Awesome-pyecharts", js_host= "", 
interval=1, layout=PageLayoutOpts())

page_title：表示HTML网页的标题，默认值为Awesome-pyecharts。
js_host：表示远程的主机地址，默认值为"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，它的值是PageLayoutOpts类的对象。

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。

add(*charts)

charts: 任意图表实例。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Page
x_data = ['小米', '三星', '华为', '苹果', '魅族', 'vivo', 'OPPO']
y_a = [107, 36, 102, 91, 51, 113, 45]
y_b = [104, 60, 33, 138, 105, 111, 91]
bar = (
    Bar()
    .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="组合图表-柱形图"),
                     yaxis_opts=opts.AxisOpts(name="销售额(万元)",name_location="center", name_gap=30))
)
line = (
    Line()
    .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="组合图表-折线图 "),
                     yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
)
# 创建组合图表, 并在同一网页上按顺序显示柱形图和折线图
page = Page()
page.add(bar, line)
page.render_notebook()

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，我们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：

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。

Tab类提供了一个add()方法，使用add()方法可以添加图表及选项卡名称。add()方法的语法格式如下所示：

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。

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Tab
x_data = ['小米', '三星', '华为', '苹果', '魅族', 'vivo', 'OPPO']
y_a = [107, 36, 102, 91, 51, 113, 45]
y_b = [104, 60, 33, 138, 105, 111, 91]
bar = (
    Bar()
    .add_xaxis(x_data)
    .add_yaxis("商家A", y_a)
    .add_yaxis("商家B", y_b)
    .set_global_opts(yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
)
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("商家A", y_a)
    .add_yaxis("商家B", y_b)
    .set_global_opts(yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
)
# 创建组合图表, 并以单击选项卡的方式显示柱形图或折线图
tab = Tab()
tab.add(bar, "柱形图")
tab.add(line, "折线图")
tab.render_notebook()

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，它可以通过单击时间线的时间点来切换显示的图表。Timeline类中提供两个重要的方法add_schema()和add() 。

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

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。
is_auto_play：表示是否自动播放，默认值为False。
is_loop_play：表示是否循环播放，默认值为True。
is_rewind_play：表示是否反向播放，默认值为False。
is_timeline_show：表示是否显示时间线组件，默认值为True 。
width：表示时间线区域的宽度。
height：表示时间线区域的高度。

add ()方法
add ()方法用于添加图表和时间点。

add(self, chart, time_point)

chart：表示图表。
time_point：表示时间点。

在这里插入图片描述

# 导入 pyecharts官方的测试数据
from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie, Timeline
# 随机获取一组测试数据
x = Faker.choose()
tl = Timeline()
for i in range(2015, 2020):
    bar = (
        Bar()
        .add_xaxis(x)
        # Faker.values() 生成一个包含7 个随机整数的列表
        .add_yaxis(" 商家 A", Faker.values())
        .add_yaxis(" 商家 B", Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts("时间线轮播柱形图示例"), 
                         yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
    )
    tl.add(bar, "{}年".format(i))
tl.render_notebook()

多学一招：pyecharts.faker包

9.5 定制图表主题

在这里插入图片描述

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 = Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA))

在这里插入图片描述

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
x_data = ['小米', '三星', '华为', '苹果', '魅族', 'vivo', 'OPPO']
y_a = [107, 36, 102, 91, 51, 113, 45]
y_b = [104, 60, 33, 138, 105, 111, 91] 
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-ROMA主题"), 
                     yaxis_opts=opts.AxisOpts(name="销售额(万元)", name_location="center", name_gap=30))
)
bar.render_notebook()

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。
在这里插入图片描述

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。

新建完项目之后，继续在命令行工具中输入如下命令创建一个应用程序：

python manage.py startapp demo

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]

由于创建的demo应用中不包含urls.py文件，需要手动创建urls.py文件。在demo目录下新建urls.py文件，在该文件中添加路由，具体代码如下：

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

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'))
]

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：
在这里插入图片描述

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：

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())

4. 运行项目

在命令行工具中输入如下运行程序的命令：

python manage.py runserver

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。

腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

腾讯云开发者社区

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git