编程宝库 - 技术改变世界

编程宝库

Python编程技术

Python绘制柱状图可视化神器pyecharts

pyecharts介绍

pyecharts是python与echarts链接，一个用于生成Echarts图标的第三方库，pyecharts分为v0.5.X和v1两个大版本，两者互不兼容，v1是一个全新的版本，经研发团队决定，前者将不再进行更新维护。下面是我个人整理的关于pyecharts绘制柱状图的案例大全，收集整理不易，多多支持！

特性：

简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

优势

pyecharts可以输出网页版的链接，直接调用资源渲染图表，方便快捷，输出不是图片，而是一个可以调节的页面，动态，炫酷，都是它的天地！它可以支持在手机端浏览界面，也可以修改相关参数，总的来说方便至极，而且主题都可以随意搭配，颜色自己调。适用于公司可视化报表，企业展示，日常办公，由于图表过于炫酷，不大适合做科研论文展示，后期会介绍另外一个库，可以作为科研党的首选——matplotlib

展示

总之pyecharts科研绘制很多一般绘制不了的图形，作为一个可视化神器它的便利之处，只有用过的小伙伴才知道，什么叫 “工欲善其事必先利其器”的道理。

柱状图模板系列

水晶柱状图

水晶柱状图适用于几个数据的对比，生成的柱状图具有一种玲珑剔透，清水出芙蓉的美感和清新，最适合做可视化展示。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 水晶柱状图.py
# @CSDN : https://blog.csdn.net/weixin_47723732
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode

data_x = ['可乐', '雪碧', '橙汁', '绿茶', '奶茶', '百威', '青岛']
data_y = [147, 53, 27, 123, 94, 118, 48]
c = (
Bar()
.add_xaxis(data_x)
.add_yaxis("商家A", data_y, category_gap="60%")
.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": [30, 30, 30, 30],
"shadowColor": "rgb(0, 160, 221)",
}
}
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
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() # 工具选项
)
.render("水晶柱状图.html")
)

解决X轴标签过长的柱状图

有时候我们在绘制柱状图的时候，X轴标签过长导致图形显示的不正常，修改字数之后又怕展示效果不够明显。此图例解决了这个难题，适合展示X轴标签过长的问题。

# -*- coding : utf-8 -*-

# @Software : PyCharm
# @File : 解决X轴标签过长的问题.py
from pyecharts import options as opts
from pyecharts.charts import Bar
c = (
Bar()
.add_xaxis(
[
"名字很长的X轴标签1",
"名字很长的X轴标签2",
"名字很长的X轴标签3",
"名字很长的X轴标签4",
"名字很长的X轴标签5",
"名字很长的X轴标签6",
]
)
.add_yaxis("商家A", [10, 20, 30, 40, 50, 40])
.add_yaxis("商家B", [20, 10, 40, 30, 40, 50])
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15),
# name='类型',
# name_location='middle',
# name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
# name_textstyle_opts=opts.TextStyleOpts(
# font_family='Times New Roman',
# font_size=16 # 标签字体大小
# )
),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
title_opts=opts.TitleOpts(title="标题1", subtitle="标题2"),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("解决X轴标签过长问题.html")
)
print("图表已生成！请查收！")

自定义平均刻度标签（方便查看超出范围）

有时候数据过于多，柱状图过于密集，我们知道一个平均数，需要快速的查看那些数据超过了这个阈值，那些数据低于平均值，这时候我们可以自己定义一个刻度标签，方便我们理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 自定义平均刻度.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
data_x=['周一', '周二', '周三', '周四', '周五', '周六', '周日']
data_y_1=[40, 119, 79, 83, 107, 133, 95]
data_y_2=[20, 143, 74, 97, 92, 53, 66]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y_1)
.add_yaxis("商家B", data_y_2)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(y=50, name="yAxis=50")]
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("显示平均刻度.html")
)
print("图表已生成！请查收！")

翻转X Y轴柱状图

直观的展示柱状图过于单调，有时候我们需要适当的调整一下这个主题，把xy轴翻转一下，这样更能直观的对比显示，适用多个数据类别进行比较。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 翻转XY轴.p
from pyecharts import options as opts
from pyecharts.charts import Bar
data_x = ['可乐', '雪碧', '橙汁', '绿茶', '奶茶', '百威', '青岛']
data_y = [147, 53, 27, 123, 94, 118, 48]
c = (
Bar()
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.add_yaxis("商家B", data_y)
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("翻转XY轴.html")
)
print("图表已生成！请查收！")

可以移动的X轴柱状图（适合数据类别过多）

可以移动的X轴，我们可以通过鼠标的控制展示我们想要展示的X轴的维度，这个用于数据类别过多，一般的可视化无法展示的情况，比如展示一个的销售额，我们可以用这个，显示30个数据类别。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 可以变动的X轴.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

data_x=['0天', '1天', '2天', '3天', '4天', '5天', '6天', '7天', '8天', '9天', '10天', '11天', '12天', '13天', '14天', '15天', '16天', '17天', '18天', '19天', '20天', '21天', '22天', '23天', '24天', '25天', '26天', '27天', '28天', '29天']

data_y=[5, 27, 27, 7, 13, 5, 1, 2, 29, 20, 21, 28, 5, 22, 23, 4, 20, 26, 25, 1, 3, 14, 23, 11, 4, 8, 2, 22, 13, 22]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
datazoom_opts=opts.DataZoomOpts(),
# 需要的时候可以加入，添加列表形式即可
# datazoom_opts=opts.DataZoomOpts(type_="inside")

)
.render("变动X轴柱状图.html")
)
print("图表已生成！请查收！")

可以移动的Y轴柱状图（适合数据类别过多）

既然X轴可以，那么Y轴必然也可以，下面来看看这个效果如何。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 可以变动的Y轴.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

data_x = ['0天', '1天', '2天', '3天', '4天', '5天', '6天', '7天', '8天', '9天', '10天', '11天', '12天', '13天', '14天', '15天', '16天',
'17天', '18天', '19天', '20天', '21天', '22天', '23天', '24天', '25天', '26天', '27天', '28天', '29天']

data_y = [5, 27, 27, 7, 13, 5, 1, 2, 29, 20, 21, 28, 5, 22, 23, 4, 20, 26, 25, 1, 3, 14, 23, 11, 4, 8, 2, 22, 13, 22]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
datazoom_opts=opts.DataZoomOpts(orient="vertical"),

)

.render("变动Y轴柱状图.html")
)
print("图表已生成！请查收！")

二维简单柱状图（主题可选择）

一个柱状图里面可以展示多种类别的数据，主题可以选择，便于我们对数据进行直观的对比和理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 柱状图-主题可选择.py
# from pyecharts.charts import Bar
# from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
from pyecharts import options as opts
from pyecharts.charts import Bar

data_0=['周一', '周二', '周三', '周四', '周五', '周六', '周日']
data1=[23, 52, 108, 93, 110, 108, 48]
data2=[97, 81, 118, 149, 134, 47, 66]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_0)
.add_yaxis("商家A", data1) #gap="0%" 这个可设置柱状图之间的距离
.add_yaxis("商家B", data2) #gap="0%" 这个可设置柱状图之间的距离
.set_global_opts(title_opts={"text": "B标题1", "subtext": "标题2"}, #该标题的颜色跟随主题
# 该标题默认为黑体显示，一般作为显示常态
# title_opts=opts.TitleOpts(title="标题")
xaxis_opts=opts.AxisOpts(
name='星期',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),

# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)

.render("简单柱状图.html")
)
print("图表已生成！请查收！")

动画延迟柱状图

个人感觉这个就是设置的一个元素，延迟展示了一下，没有什么太大的用处，当然也可以用到需要的场景。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 动画延迟.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

c = (
Bar(
init_opts=opts.InitOpts(
animation_opts=opts.AnimationOpts(
animation_delay=1000, animation_easing="elasticOut"
)
)
)
.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="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("动画延迟.html")
)
print('图表已生成！请查收！')

直方图按照颜色区分

直方图更加的直观的展示，这个案例更是可以运用到统计里面，颜色的区分让我们更加的快速理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 直方图.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
x = Faker.dogs + Faker.animal
xlen = len(x)
y = []
for idx, item in enumerate(x):
if idx <= xlen / 2:
y.append(
opts.BarItem(
name=item,
value=(idx + 1) * 10,
itemstyle_opts=opts.ItemStyleOpts(color="#749f83"),
)
)
else:
y.append(
opts.BarItem(
name=item,
value=(xlen + 1 - idx) * 10,
itemstyle_opts=opts.ItemStyleOpts(color="#d48265"),
)
)

c = (
Bar()
.add_xaxis(x)
.add_yaxis("series0", y, category_gap=0, color=Faker.rand_color())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方图（颜色区分）"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
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() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)

.render("直方图.html")
)
print("图表已生成！请查收！")

关于Python绘制柱状图可视化神器pyecharts的文章就介绍至此，更多相关Python pyecharts内容请搜索编程宝库以前的文章，希望以后支持编程宝库！

下一节：Python教程之无限迭代器的使用详解

Python编程技术

Python的Itetool是一个模块，它提供了各种函数，这些函数在迭代器上工作以产生复杂的迭代器。该模块作为一个快速，内存效率的工具，可以单独使用或组合使用以形成迭代器代数。例如，假设有两个列表，并 ...

Pythonnumpyndarray属性,索引,切片

Python教程之无限迭代器的使用详解