20个精美图表，教你玩转Pyecharts可视化
简说Python
共 12714字，需浏览 26分钟
· 2021-10-24
再继上一篇Pyecharts相关的教程内容之后，本篇文章我们将继续聚焦Pyecharts模块并且用它来绘制精美的图表，希望读者在看完之后会有不少收获。
内接一个环状的饼图，里面还有一个饼状的图
(Pie().add(series_name="访问来源",data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],radius=[0, "30%"],label_opts=opts.LabelOpts(position="inner"),).add(series_name="访问来源",radius=["40%", "55%"],data_pair=[list(z) for z in zip(Faker.choose(), Faker.values())],).set_global_opts(legend_opts=opts.LegendOpts(pos_left="15%", orient="vertical", pos_top="10%")).set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a}
{b}: {c} ({d}%)")).render("nested_pies.html"))
c = (Pie().add("",[list(z) for z in zip(Faker.choose(), Faker.values())],radius=["50%", "75%"],).set_global_opts(title_opts=opts.TitleOpts(title="Pie-radius示例"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")).render("pie_radius_test.html"))
c = (Pie().add("",[list(z) for z in zip(Faker.choose(), Faker.values())],radius=["40%", "75%"],center=["35%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=False),).set_global_opts(title_opts=opts.TitleOpts(title="饼图-玫瑰图示例")).render("pie_rosetype_test.html"))
c = (Pie().add("",[list(z) for z in zip(["古装", "其他"], [35, 65])],center=["20%", "30%"],radius=[50, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["动作", "其他"], [24, 76])],center=["55%", "30%"],radius=[50, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["爱情", "其他"], [10, 90])],center=["20%", "70%"],radius=[50, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["惊悚", "其他"], [20, 80])],center=["55%", "70%"],radius=[50, 80],label_opts=new_label_opts(),).set_global_opts(title_opts=opts.TitleOpts(title="Pie-多饼图基本示例"),legend_opts=opts.LegendOpts(type_="scroll", pos_top="30%", pos_left="70%", orient="vertical"),).render("mutiple_pie.html"))
雷达图可以帮助我们查看各个维度之下的数据情况，例如
c = (Radar().add_schema(schema=[opts.RadarIndicatorItem(name="A", max_=8500),opts.RadarIndicatorItem(name="B", max_=15000),opts.RadarIndicatorItem(name="C", max_=35000),opts.RadarIndicatorItem(name="D", max_=38000),opts.RadarIndicatorItem(name="E", max_=55000),opts.RadarIndicatorItem(name="F", max_=25000),]).add("计划设想", v1).add("实际情况", v2).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(legend_opts=opts.LegendOpts(),title_opts=opts.TitleOpts(title="雷达图示例"),).render("radar_test.html"))
(Scatter()=Faker.choose()).add_yaxis(series_name="",y_axis=Faker.values(),symbol_size=30,label_opts=opts.LabelOpts(is_show=True),).set_series_opts().set_global_opts(yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),tooltip_opts=opts.TooltipOpts(is_show=True),).render("basic_scatter_chart.html"))
c = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家1", Faker.values(), symbol_size=30,label_opts=opts.LabelOpts(is_show=True),).set_global_opts(title_opts=opts.TitleOpts(title="散点图-颜色分段"),visualmap_opts=opts.VisualMapOpts(max_=150),).render("scatter_visualmap_color_test.html"))
或者我们根据数据的大小来改变散点的大小
c = (Scatter().add_xaxis(Faker.choose()).add_yaxis("商家1", Faker.values()).add_yaxis("商家2", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="散点图-点状大小不同"),visualmap_opts=opts.VisualMapOpts(type_="size", max_=150, min_=20),).render("scatter_visualmap_size_test.html"))
c = (PictorialBar().add_xaxis(Faker.choose()).add_yaxis("",Faker.values(),label_opts=opts.LabelOpts(is_show=True),symbol_size=20,symbol_repeat="fixed",symbol_offset=[0, 0],is_symbol_clip=True,symbol=SymbolType.ROUND_RECT,).reversal_axis().set_global_opts(title_opts=opts.TitleOpts(title="象形柱状图示例"),xaxis_opts=opts.AxisOpts(is_show=True),yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=True),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(opacity=0)),),).render("pictorialbar_test.html"))
c = (Kline().add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)]).add_yaxis("K线图", data).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()],title_opts=opts.TitleOpts(title="k线图+时间轴示例"),).render("k线图+时间轴_test.html"))
当然这个时间轴既可以放在外面也可以放在里面
c = (Kline().add_xaxis(["2021/5/{}".format(i + 1) for i in range(31)]).add_yaxis("K线图", data).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(type_="inside")],title_opts=opts.TitleOpts(title="K线图+时间轴示例"),).render("K线图+时间轴示例_inside.html"))
c = (Map().add("商家A", [list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市","金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"],Faker.values())], "浙江").set_global_opts(title_opts=opts.TitleOpts(title="Map浙江地图-Test"), visualmap_opts=opts.VisualMapOpts()).render("map_zhejiang.html"))
c = (Geo().add_schema(maptype="浙江").add("geo",[list(z) for z in zip(["杭州市", "宁波市", "舟山市", "台州市", "温州市", "丽水市","金华市", "衢州市", "绍兴市", "湖州市", "嘉兴市"], Faker.values())],type_=ChartType.HEATMAP,).set_series_opts(label_opts=opts.LabelOpts(is_show=True)).set_global_opts(visualmap_opts=opts.VisualMapOpts(), title_opts=opts.TitleOpts(title="Geo-浙江地图")).render("geo_zhejiang.html"))
c = (Map().add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china").set_global_opts(title_opts=opts.TitleOpts(title="地图 + 颜色分段（连续型）"),visualmap_opts=opts.VisualMapOpts(max_=150),).render("map_visual_test.html"))
c = (Map().add("商家1", [list(z) for z in zip(Faker.country, Faker.values())], "world").set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts-世界地图"),visualmap_opts=opts.VisualMapOpts(max_=200),).render("map_world_test.html"))
地图+涟漪散点图的示例
c = (Geo().add_schema(maptype="china").add("geo",[list(z) for z in zip(Faker.provinces, Faker.values())],type_=ChartType.EFFECT_SCATTER,).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="地图+涟漪散点图示例")).render("geo_effectscatter_test.html"))
c = (Geo().add_schema(maptype="china",itemstyle_opts=opts.ItemStyleOpts(color="#323c48", border_color="#111"),).add("",[],type_=ChartType.EFFECT_SCATTER,color="white",).add("geo",[],type_=ChartType.LINES,effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW, symbol_size=6, color="blue"),linestyle_opts=opts.LineStyleOpts(curve=0.2),).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="Geo-Lines-background")).render("geo_lines_background_test.html"))
nodes = [opts.GraphNode(name="结点A", symbol_size=10),opts.GraphNode(name="结点B", symbol_size=30),opts.GraphNode(name="结点C", symbol_size=20),opts.GraphNode(name="结点D", symbol_size=50),opts.GraphNode(name="结点E", symbol_size=70),]links = [opts.GraphLink(source="结点A", target="结点B"),opts.GraphLink(source="结点B", target="结点C"),opts.GraphLink(source="结点C", target="结点D"),opts.GraphLink(source="结点D", target="结点E"),opts.GraphLink(source="结点E", target="结点A"),]c = (Graph().add("", nodes, links, repulsion=2000).set_global_opts(title_opts=opts.TitleOpts(title="关系图")).render("graph_test1.html"))
pyecharts还可以给图表增添水印
c = (Bar(init_opts=opts.InitOpts(width='900px', height='600px')).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=""),graphic_opts=graphics_lst,))c.render("watermark.html")
我们可以在饼图下面加一个时间轴，看一下随着时间的变化，各个类目是怎么来变化的
attr = Faker.choose()tl = Timeline()for i in range(2015, 2022):pie = (Pie().add("商家A",[],center=["50%", "50%"], radius=["40%", "60%"],).set_global_opts(title_opts=opts.TitleOpts("某商店{}年营业额".format(i))))tl.add(pie, "{}年".format(i))tl.render("timeline_pie_test.html")
tl = Timeline()for i in range(2015, 2022):bar = (Bar().add_xaxis(Faker.choose()).add_yaxis("商家1", Faker.values(), label_opts=opts.LabelOpts(position="right")).add_yaxis("商家2", Faker.values(), label_opts=opts.LabelOpts(position="right")).reversal_axis().set_global_opts(title_opts=opts.TitleOpts("时间轴 + 横向柱状图 (时间: {} 年)".format(i))))tl.add(bar, "{}年".format(i))tl.render("timeline_bar_reversal_test.html")
tl = Timeline()for i in range(2015, 2022):map0 = (Map().add("商家1", [list(z) for z in zip(Faker.provinces, Faker.values())], "china").set_global_opts(title_opts=opts.TitleOpts(title="{}年数据".format(i)),visualmap_opts=opts.VisualMapOpts(max_=200),))tl.add(map0, "{}年".format(i))tl.render("timeline_map.html")
有时候我们需要将最大、最小值以及平均值标识出来，于是乎
c = (Bar().add_xaxis(Faker.choose()).add_yaxis("商家1", Faker.values()).add_yaxis("商家2", Faker.values()).set_global_opts(title_opts=opts.TitleOpts(title="直方图 + 标识特殊值（指定类型）")).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"),]),).render("bar_markpoint_test.html"))
c = (Bar().add_xaxis(Faker.choose()).add_yaxis("商家1", Faker.values(), category_gap="50%").set_series_opts(itemstyle_opts={"normal": {"color": JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(0, 244, 255, 1)'}, {offset: 1,color: 'rgba(0, 77, 167, 1)'}], false)"""),"barBorderRadius": [50, 50, 50, 50],"shadowColor": "rgb(0, 160, 221)",}}).set_global_opts(title_opts=opts.TitleOpts(title="圆角直方图-渐变圆柱示例")).render("bar_border_test.html"))
今天文章就到这里啦～希望通过本文你也可以画出美美的可视化图表，你还可以扫下方二维码加入我的Python学习交流群，还可以获取大屏可视化源码，只需微信私聊我回复：可视化。
我是老表，爱猫爱技术～
点赞+留言+转发，就是对我最大的支持啦～
扫码即可加我微信
老表朋友圈经常有赠书/红包福利活动
学习更多： 整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了
评论
堪称最优秀的Docker可视化管理工具——Portainer你真的会用吗？
来源：blog.csdn.net/shark_chili3007/article/details/123366179👉 欢迎加入小哈的星球 ，你将获得: 专属的项目实战 / Java 学习路线 / 一对一提问 / 学习打卡 / 赠书福利全栈前后端分离博客项目
小哈学Java
0
JavaScript 可视化：Promise执行彻底搞懂
深入探讨了 JavaScript 中 Promise 的内部机制，解释了它们如何使异步任务以非阻塞方式执行，并展示了 Promise 的创建、状态变化以及与事件循环的关系。正文从这开始～～JavaScript 中的 Promise 一开始可能会让人感到有些难以理解，但是如果我们能够理解其内部的工作原
高级前端进阶
0
教你基于 Jenkins 搭建一套 CI/CD 系统
原文链接：https://mp.weixin.qq.com/s/KVc4IFky1z7kZn-7bz79DQ一、CI/CD环境介绍本次要实现如下效果，开发人员完成功能开发并提交代码到gitlab仓库，jenkins自动完成拉取代码、编译构建、代码扫描（sonarqube）、打
码农编程进阶笔记
0
强烈推荐一款好用到爆的可视化拖拽库
大厂技术 高级前端 Node进阶点击上方 程序员成长指北，关注公众号回复1，加入高级Node交流群今天给大家推荐这款拖拽组件VueDraggablePlus，试了一下非常不错，据说还被尤雨溪推荐过，咱们国人自己开发的，中国人不骗🇨🇳人，我就再来推
程序员成长指北
2
JavaScript 可视化：Promise执行彻底搞懂
大厂技术 高级前端 Node进阶点击上方 程序员成长指北，关注公众号回复1，加入高级Node交流群深入探讨了 JavaScript 中 Promise 的内部机制，解释了它们如何使异步任务以非阻塞方式执行，并展示了 Promise 的创建、状态变
程序员成长指北
2
21.3K star！推荐一款可视化自动化测试/爬虫/数据采集神器！功能免费且强大！
【温馨提示】由于公众号更改了推送规则，不再按照时间顺序排列，如果不想错过测试开发技术精心准备的的干货文章，请将测试开发技术设为“星标☆”，看完文章在文尾处点亮“在看”！大家好，我是狂师！在大数据时代，信息的获取与分析变得尤为重要。对于开发者、数据分析师乃至非技术人员来说，能够高效地采集网络数据并进行
测试开发技术
4
这两个BI可视化软件如何选择？亲测推荐
如果你是用过BI，一定在Power BI和Tableau中纠结过，到底该用哪一个?这两个都是很不错的BI可视化软件，在Gartner BI排名中名列前二，Power BI更出圈，Tableau则在中大型公司中用的多。具体用哪个，标准很简单，主要看你工作中的需求，公司用哪个BI就学哪个。如果你暂时用不
Python大数据分析
8
排名问题新解法：探索可视化计算中的 RANK 函数
上次我们介绍了可视化计算替代 DAX 计算的一些场景。参考：PowerBI 进阶：可视化计算替代 DAX 场景探索今天我们介绍一个新的场景，这是一个困扰许多人的问题，排名问题。在 DAX 中，很多新手小白对于上下文概念还不太理解，但在处理排名问题时又要求你必须理解一些上下文，比如常见的绝对排名和相对
PowerBI战友联盟
8