pyecharts输出可视化大屏的一些常见问题及处理方法（颜色处理、overlap等）

本人最近在学习利用pyecharts生成可视化大屏，但是发现目前各网站的教程基本都是照搬和修改官网的内容，可参考性较小，故以此文记录本人踩过的坑。如果内容有误，烦请指出，不胜感激。

颜色处理

以官方demo中的折线图为例，一共有多处可以进行颜色设置，分别是标签颜色，线颜色和节点颜色，如下图：

这些都是使用api：.add_xaxis()进行配置的，语句如下：

.add_yaxis(
        "平均温度", 
        data_list,
        linestyle_opts=opts.LineStyleOpts(color='orange', width=2),
        itemstyle_opts=opts.ItemStyleOpts(
            border_width=5, border_color="orange", color="black"
        )
    )

其中linestyle_opts中设置的是线的颜色，而itemstyle_opts会同时设置节点和标签的颜色。

但是有些时候我们不希望节点和标签的颜色都一致，那么有一种解决办法就是设置全局的标签颜色，利用了Base类中的api：.set_colors()，语句如下：

bar.set_colors('black')

组件分层（Overlap）

在利用pyecharts生成可视化图表时，我们常常会在同一张图表中利用多个组件，比如在一张表中同事画条形图和柱状图。但往往会出现条形图把折线图的部分标签遮盖的情况。这种情况需要利用z_level解决。在搜索站内文章时，发现大多数的文章都只提及了官网中的grid类的z_level使用方法，然而这部分属于组件分层而非图层分层，应参考组件的api文档，下面是关于Bar组件的官方文档：

def add_yaxis(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据
    y_axis: Sequence[Numeric, opts.BarItem, dict],

    # 是否选中图例
    is_selected: bool = True,

    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
    xaxis_index: Optional[Numeric] = None,

    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
    yaxis_index: Optional[Numeric] = None,

    # 是否启用图例 hover 时的联动高亮
    is_legend_hover_link: bool = True,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 是否显示柱条的背景色。通过 backgroundStyle 配置背景样式。
    is_show_background: bool = False,

    # 每一个柱条的背景样式。需要将 showBackground 设置为 true 时才有效。
    background_style: types.Union[types.BarBackground, dict, None] = None,

    # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。
    stack: Optional[str] = None,

    # 柱条的宽度，不设时自适应。
    # 可以是绝对值例如 40 或者百分数例如 '60%'。百分数基于自动计算出的每一类目的宽度。
    # 在同一坐标系上，此属性会被多个 'bar' 系列共享。此属性应设置于此坐标系中最后一个 'bar' 系列上才会生效，并且是对此坐标系中所有 'bar' 系列生效。
    bar_width: types.Union[types.Numeric, str] = None,

    # 柱条的最大宽度。比 barWidth 优先级高。
    bar_max_width: types.Union[types.Numeric, str] = None,

    # 柱条的最小宽度。在直角坐标系中，默认值是 1。否则默认值是 null。比 barWidth 优先级高。
    bar_min_width: types.Union[types.Numeric, str] = None,

    # 柱条最小高度，可用于防止某数据项的值过小而影响交互。
    bar_min_height: types.Numeric = 0,

    # 同一系列的柱间距离，默认为类目间距的 20%，可设固定值
    category_gap: Union[Numeric, str] = "20%",

    # 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。
    # 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。
    gap: Optional[str] = "30%",

    # 是否开启大数据量优化，在数据图形特别多而出现卡顿时候可以开启。
    # 开启后配合 largeThreshold 在数据量大于指定阈值的时候对绘制进行优化。
    # 缺点：优化后不能自定义设置单个数据项的样式。
    is_large: bool = False,

    # 开启绘制优化的阈值。
    large_threshold: types.Numeric = 400,

    # 使用 dimensions 定义 series.data 或者 dataset.source 的每个维度的信息。
    # 注意：如果使用了 dataset，那么可以在 dataset.source 的第一行/列中给出 dimension 名称。
    # 于是就不用在这里指定 dimension。
    # 但是，如果在这里指定了 dimensions，那么 ECharts 不再会自动从 dataset.source 的第一行/列中获取维度信息。
    dimensions: types.Union[types.Sequence, None] = None,

    # 当使用 dataset 时，seriesLayoutBy 指定了 dataset 中用行还是列对应到系列上，也就是说，系列“排布”到 dataset 的行还是列上。可取值：
    # 'column'：默认，dataset 的列对应于系列，从而 dataset 中每一列是一个维度（dimension）。
    # 'row'：dataset 的行对应于系列，从而 dataset 中每一行是一个维度（dimension）。
    series_layout_by: str = "column",

    # 如果 series.data 没有指定，并且 dataset 存在，那么就会使用 dataset。
    # datasetIndex 指定本系列使用那个 dataset。
    dataset_index: types.Numeric = 0,

    # 是否裁剪超出坐标系部分的图形。柱状图：裁掉所有超出坐标系的部分，但是依然保留柱子的宽度
    is_clip: bool = True,

    # 柱状图所有图形的 zlevel 值。
    z_level: types.Numeric = 0,

    # 柱状图组件的所有图形的z值。控制图形的前后顺序。
    # z值小的图形会被z值大的图形覆盖。
    # z相比zlevel优先级更低，而且不会创建新的 Canvas。
    z: types.Numeric = 2,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

    # 标记点配置项，参考 `series_options.MarkPointOpts`
    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

    # 标记线配置项，参考 `series_options.MarkLineOpts`
    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

    # 可以定义 data 的哪个维度被编码成什么。
    encode: types.Union[types.JSFunc, dict, None] = None,
)

那么想要实现上述功能，仅需运行如下代码：

line1 = (
    Line()
    .add_xaxis(date_list) # x轴
    .add_yaxis(
        "数量", 
        data_list,
        linestyle_opts=opts.LineStyleOpts(color='orange', width=2),
        itemstyle_opts=opts.ItemStyleOpts(
            border_width=5, border_color="orange", color="black"
        ),
        z_level=2
    )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=True)
    )
)