目錄
主題介紹
圖表引數
主題詳解
柱狀圖模板系列
海量資料柱狀圖影片展示
收入支出柱狀圖（適用于記賬）
我們在日常的生活中，有收入也有支出，這個模板就是把收入和支出直觀的展示在讀者面前，
三維資料疊加
柱狀圖與折線圖多維展示（同屏展示）
單列多維資料展示
3D柱狀圖
每文一語
主題介紹
pyecharts里面有很多的主題可以供我們選擇，我們可以根據自己的需要完成主題的配置，這樣就告別了軟體的限制，可以隨意的發揮自己的藝術細胞了，
圖表引數
'''
def add_yaxis(
# 系列名稱，用于 tooltip 的顯示，legend 的圖例篩選，
series_name: str,
# 系列資料
y_axis: Sequence[Numeric, opts.BarItem, dict],
# 是否選中圖例
is_selected: bool = True,
# 使用的 x 軸的 index，在單個圖表實體中存在多個 x 軸的時候有用，
xaxis_index: Optional[Numeric] = None,
# 使用的 y 軸的 index，在單個圖表實體中存在多個 y 軸的時候有用，
yaxis_index: Optional[Numeric] = None,
# 是否啟用圖例 hover 時的聯動高亮
is_legend_hover_link: bool = True,
# 系列 label 顏色
color: Optional[str] = None,
# 是否顯示柱條的背景色，通過 backgroundStyle 配置背景樣式，
is_show_background: bool = False,
# 每一個柱條的背景樣式，需要將 showBackground 設定為 true 時才有效，
background_style: types.Union[types.BarBackground, dict, None] = None,
# 資料堆疊，同個類目軸上系列配置相同的 stack 值可以堆疊放置，
stack: Optional[str] = None,
# 柱條的寬度，不設時自適應，
# 可以是絕對值例如 40 或者百分數例如 '60%'，百分數基于自動計算出的每一類目的寬度，
# 在同一坐標系上，此屬性會被多個 'bar' 系列共享，此屬性應設定于此坐標系中最后一個 'bar' 系列上才會生效，并且是對此坐標系中所有 'bar' 系列生效，
bar_width: types.Union[types.Numeric, str] = None,
# 柱條的最大寬度，比 barWidth 優先級高，
bar_max_width: types.Union[types.Numeric, str] = None,
# 柱條的最小寬度，在直角坐標系中，默認值是 1，否則默認值是 null，比 barWidth 優先級高，
bar_min_width: types.Union[types.Numeric, str] = None,
# 柱條最小高度，可用于防止某資料項的值過小而影響互動，
bar_min_height: types.Numeric = 0,
# 同一系列的柱間距離，默認為類目間距的 20%，可設固定值
category_gap: Union[Numeric, str] = "20%",
# 不同系列的柱間距離，為百分比（如 '30%'，表示柱子寬度的 30%），
# 如果想要兩個系列的柱子重疊，可以設定 gap 為 '-100%'，這在用柱子做背景的時候有用，
gap: Optional[str] = "30%",
# 是否開啟大資料量優化，在資料圖形特別多而出現卡頓時候可以開啟，
# 開啟后配合 largeThreshold 在資料量大于指定閾值的時候對繪制進行優化，
# 缺點：優化后不能自定義設定單個資料項的樣式，
is_large: bool = False,
# 開啟繪制優化的閾值，
large_threshold: types.Numeric = 400,
# 使用 dimensions 定義 series.data 或者 dataset.source 的每個維度的資訊，
# 注意：如果使用了 dataset，那么可以在 dataset.source 的第一行/列中給出 dimension 名稱，
# 于是就不用在這里指定 dimension，
# 但是，如果在這里指定了 dimensions，那么 ECharts 不再會自動從 dataset.source 的第一行/列中獲取維度資訊，
dimensions: types.Union[types.Sequence, None] = None,
# 當使用 dataset 時，seriesLayoutBy 指定了 dataset 中用行還是列對應到系列上，也就是說，系列“排布”到 dataset 的行還是列上，可取值：
# 'column'：默認，dataset 的列對應于系列，從而 dataset 中每一列是一個維度（dimension），
# 'row'：dataset 的行對應于系列，從而 dataset 中每一行是一個維度（dimension），
series_layout_by: str = "column",
# 如果 series.data 沒有指定，并且 dataset 存在，那么就會使用 dataset，
# datasetIndex 指定本系列使用那個 dataset，
dataset_index: types.Numeric = 0,
# 是否裁剪超出坐標系部分的圖形，柱狀圖：裁掉所有超出坐標系的部分，但是依然保留柱子的寬度
is_clip: bool = True,
# 柱狀圖所有圖形的 zlevel 值，
z_level: types.Numeric = 0,
# 柱狀圖組件的所有圖形的z值，控制圖形的前后順序，
# z值小的圖形會被z值大的圖形覆寫，
# z相比zlevel優先級更低，而且不會創建新的 Canvas，
z: types.Numeric = 2,
# 標簽配置項，參考 `series_options.LabelOpts`
label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
# 標記點配置項，參考 `series_options.MarkPointOpts`
markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
# 標記線配置項，參考 `series_options.MarkLineOpts`
markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
# 提示框組件配置項，參考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
# 圖元樣式配置項，參考 `series_options.ItemStyleOpts`
itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
# 可以定義 data 的哪個維度被編碼成什么，
encode: types.Union[types.JSFunc, dict, None] = None,
)
'''我們可以進行圖表引數的配置，完成我們需要的結果展示，
主題詳解
下面列舉了比較詳細的主題風格，隨意搭配，碰撞出不一樣的火花！
from pyecharts.globals import ThemeType
help(ThemeType)
"""
{"theme": ThemeType.MACARONS}
BUILTIN_THEMES = ['light', 'dark', 'white']
|
| CHALK = 'chalk' #粉筆風
|
| DARK = 'dark' #暗黑風
|
| ESSOS = 'essos' #厄索斯大陸
|
| INFOGRAPHIC = 'infographic' #資訊圖
|
| LIGHT = 'light' #明亮風格
|
| MACARONS = 'macarons' #馬卡龍
|
| PURPLE_PASSION = 'purple-passion' #紫色激情
|
| ROMA = 'roma' #石榴
|
| ROMANTIC = 'romantic' #浪漫風
|
| SHINE = 'shine' #閃耀風
|
| VINTAGE = 'vintage' #復古風
|
| WALDEN = 'walden' #瓦爾登湖
|
| WESTEROS = 'westeros' #維斯特洛大陸
|
| WHITE = 'white' #潔白風
|
| WONDERLAND = 'wonderland' #仙境
"""
柱狀圖模板系列
海量資料柱狀圖影片展示
非常多的資料集，我們需要展示的話，我們可以利用這個模板進行展示，下面由于資料量過多我就不展示全部的資料了，
import pyecharts.options as opts
from pyecharts.charts import Bar
category = ["類目{}".format(i) for i in range(0, 100)]
red_bar = ['資料集非常多！！！！']
(
Bar(init_opts=opts.InitOpts(width="1500px", height="700px"))
.add_xaxis(xaxis_data=category)
.add_yaxis(
series_name="系列1", y_axis=red_bar, label_opts=opts.LabelOpts(is_show=False)
)
.add_yaxis(
series_name="系列2",
y_axis=blue_bar,
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="柱狀圖影片延遲"),
xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=False)),
yaxis_opts=opts.AxisOpts(
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
)
.render("柱狀圖影片延遲.html")
)
print("圖表已生成！請查收！")
收入支出柱狀圖（適用于記賬）
我們在日常的生活中，有收入也有支出，這個模板就是把收入和支出直觀的展示在讀者面前，
from pyecharts.charts import Bar
from pyecharts import options as opts
# 一般不適用
x_data = [f"11月{str(i)}日" for i in range(1, 12)]
y_total = [0, 900, 1245, 1530, 1376, 1376, 1511, 1689, 1856, 1495, 1292]
y_in = [900, 345, 393, "-", "-", 135, 178, 286, "-", "-", "-"]
y_out = ["-", "-", "-", 108, 154, "-", "-", "-", 119, 361, 203]
bar = (
Bar()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="",
y_axis=y_total,
stack="總量",
itemstyle_opts=opts.ItemStyleOpts(color="rgba(0,0,0,0)"),
)
.add_yaxis(series_name="收入", y_axis=y_in, stack="總量")
.add_yaxis(series_name="支出", y_axis=y_out, stack="總量")
.set_global_opts(yaxis_opts=opts.AxisOpts(type_="value"))
.render("收入支出柱狀圖.html")
)
print("圖表已生成！請查收！")
三維資料疊加
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
c = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values(), stack="stack1")
.add_yaxis("商家B", Faker.values(), stack="stack1")
.add_yaxis("商家C", Faker.values(),stack="stack1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("三維資料折疊.html")
)
print("圖表已生成！查收！")
柱狀圖與折線圖多維展示（同屏展示）
柱狀圖里面也有折線圖，適合我們在特定情況下進行資料展示，效果還是比較的直觀，方便我們可以直接get到資料的價值，
import pyecharts.options as opts
from pyecharts.charts import Bar, Line
x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
bar = (
Bar(init_opts=opts.InitOpts(width="1100px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="蒸發量",
y_axis=[
2.0,
4.9,
7.0,
23.2,
25.6,
76.7,
135.6,
162.2,
32.6,
20.0,
6.4,
3.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="降水量",
y_axis=[
2.6,
5.9,
9.0,
26.4,
28.7,
70.7,
175.6,
182.2,
48.7,
18.8,
6.0,
2.3,
],
label_opts=opts.LabelOpts(is_show=False),
)
.extend_axis(
yaxis=opts.AxisOpts(
name="溫度",
type_="value",
min_=0,
max_=25,
interval=5,
axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
)
)
.set_global_opts(
tooltip_opts=opts.TooltipOpts(
is_show=True, trigger="axis", axis_pointer_type="cross"
),
xaxis_opts=opts.AxisOpts(
name='月份',
name_location='middle',
name_gap=30, # 標簽與軸線之間的距離，默認為20，最好不要設定20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16, # 標簽字體大小
# type_="category",
# axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow"),
)),
yaxis_opts=opts.AxisOpts(
name="水量",
type_="value",
min_=0,
max_=250,
interval=50,
axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
)
)
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="平均溫度",
yaxis_index=1,
y_axis=[2.0, 2.2, 3.3, 4.5, 6.3, 10.2, 20.3, 23.4, 23.0, 16.5, 12.0, 6.2],
label_opts=opts.LabelOpts(is_show=False),
)
)
bar.overlap(line).render("折線圖-柱狀圖多維展示.html")
print("圖表已生成！請查收！")
import pyecharts.options as opts
from pyecharts.charts import Bar, Line
colors = ["#5793f3", "#d14a61", "#675bba"]
x_data = ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"]
legend_list = ["蒸發量", "降水量", "平均溫度"]
evaporation_capacity = [
2.0,
4.9,
7.0,
23.2,
25.6,
76.7,
135.6,
162.2,
32.6,
20.0,
6.4,
3.3,
]
rainfall_capacity = [
2.6,
5.9,
9.0,
26.4,
28.7,
70.7,
175.6,
182.2,
48.7,
18.8,
6.0,
2.3,
]
average_temperature = [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="1100px", height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="蒸發量",
y_axis=evaporation_capacity,
yaxis_index=0,
color=colors[1],
)
.add_yaxis(
series_name="降水量", y_axis=rainfall_capacity, yaxis_index=1, color=colors[0]
)
.extend_axis(
yaxis=opts.AxisOpts(
name="蒸發量",
type_="value",
min_=0,
max_=250,
position="right",
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=colors[1])
),
axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
)
)
.extend_axis(
yaxis=opts.AxisOpts(
type_="value",
name="溫度",
min_=0,
max_=25,
position="left",
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=colors[2])
),
axislabel_opts=opts.LabelOpts(formatter="{value} °C"),
splitline_opts=opts.SplitLineOpts(
is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
),
)
)
.set_global_opts(
yaxis_opts=opts.AxisOpts(
type_="value",
name="降水量",
min_=0,
max_=250,
position="right",
offset=80,
axisline_opts=opts.AxisLineOpts(
linestyle_opts=opts.LineStyleOpts(color=colors[0])
),
axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
)
)
line = (
Line()
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="平均溫度", y_axis=average_temperature, yaxis_index=2, color=colors[2]
)
)
bar.overlap(line).render("多維展示顯示資料.html")
單列多維資料展示
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
'''
功能：定義多個串列，一個單列柱狀圖里面可以顯示多個產品的數量（顯示各自所占比例）達到一圖多效果展示
應用場景：比如有3個產品，分別在星期一到星期天有不同的銷售額，每一天三個不同的產品也都有各自的銷售額
需要同時展示出這些資訊，并分析出每一個產品在一天中所占比例是多少
涉及知識：串列里面嵌套多個字典
'''
list2 = [
{"value": 12, "percent": 12 / (12 + 3)}, # 對于各自的值，同時對于各自的百分比
{"value": 23, "percent": 23 / (23 + 21)},
{"value": 33, "percent": 33 / (33 + 5)},
{"value": 3, "percent": 3 / (3 + 52)},
{"value": 33, "percent": 33 / (33 + 43)},
{"value": 45, "percent": 45 / (45 + 3)},
{"value": 23, "percent": 23 / (23 + 13)},
]
list3 = [
{"value": 3, "percent": 3 / (12 + 3)},
{"value": 21, "percent": 21 / (23 + 21)},
{"value": 5, "percent": 5 / (33 + 5)},
{"value": 52, "percent": 52 / (3 + 52)},
{"value": 43, "percent": 43 / (33 + 43)},
{"value": 3, "percent": 45 / (45 + 3)},
{"value": 13, "percent": 13 / (23 + 13)},
]
# 可以添加多個串列
# list4=[]
c = (
Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis([1, 2, 3, 4, 5, 6, 7]) # 橫坐標變數引數
# 資料堆疊，同個類目軸上系列配置相同的 stack 值可以堆疊放置
# 同一系列的柱間距離，默認為類目間距的 20%，可設固定值
.add_yaxis("產品1", list2, stack="stack1", category_gap="50%")
.add_yaxis("產品2", list3, stack="stack1", category_gap="50%")
.set_series_opts(
label_opts=opts.LabelOpts(
position="right",
formatter=JsCode(
"function(x){return Number(x.data.percent * 100).toFixed() + '%';}"
),
)
)
# X Y軸的系列配置
.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(
name='星期',
name_location='middle',
name_gap=30, # 標簽與軸線之間的距離，默認為20，最好不要設定20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 標簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具選項
)
.render("單列多維占比層次柱狀圖.html")
)
print("圖表已生成！請查收！")
3D柱狀圖
這類圖表一般不會用到，但是pyecharts也可以生成這種炫酷的3D模板，來看看吧！
上述3D圖形都可以通過滑鼠進行控制，翻轉
import random
from pyecharts import options as opts
from pyecharts.charts import Bar3D
x_data = y_data = list(range(10))
def generate_data():
data = []
for j in range(10):
for k in range(10):
value = random.randint(0, 9)
data.append([j, k, value * 2 + 4])
return data
bar3d = Bar3D(init_opts=opts.InitOpts(width="1500px", height="700px"))
for _ in range(10):
bar3d.add(
"",
generate_data(),
shading="lambert",
xaxis3d_opts=opts.Axis3DOpts(data=x_data, type_="value"),
yaxis3d_opts=opts.Axis3DOpts(data=y_data, type_="value"),
zaxis3d_opts=opts.Axis3DOpts(type_="value"),
)
bar3d.set_global_opts(title_opts=opts.TitleOpts("Bar3D-堆疊柱狀圖示例"))
bar3d.set_series_opts(**{"stack": "stack"})
bar3d.render("3D堆疊柱狀圖.html")
import random
from pyecharts import options as opts
from pyecharts.charts import Bar3D
from pyecharts.faker import Faker
data = [(i, j, random.randint(0, 12)) for i in range(6) for j in range(24)]
c = (
Bar3D(init_opts=opts.InitOpts(width="1500px", height="700px"))
.add(
"",
[[d[1], d[0], d[2]] for d in data],
xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_="category"),
yaxis3d_opts=opts.Axis3DOpts(Faker.week_en, type_="category"),
zaxis3d_opts=opts.Axis3DOpts(type_="value"),
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(max_=20),
title_opts=opts.TitleOpts(title="Bar3D-基本示例"),
)
.render("3D柱狀圖_1.html")
)
柱狀圖的模板大全差不多都是這些了，下期文章我們一起領略折線圖的魅力吧！
每文一語
當你有了光明和希望，微風都是暖暖的
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/261426.html
標籤：其他
上一篇：SpringMVC 請求處理流程
下一篇：Android：View的getLocalVisibleRect（）和getGlobalVisibleRect（）的區別