PyeCharts基础语法-CSDN博客

PyeCharts 是一个用于生成 Echarts 图表的 Python 库，Echarts 是由百度开发的一个基于 JavaScript 的开源可视化库。通过 PyeCharts，我们可以在 Python 中使用类似的数据结构来创建丰富的图表，并将其嵌入到网页或其他支持 HTML 渲染的地方。

一、基础语法结构

PyEcharts 的核心设计理念是链式调用和配置驱动，通过简洁的语法快速生成复杂图表。基础流程如下：

1. 导入库与图表类

 from pyecharts.charts import Bar, Line, Pie  # 导入图表类型
 from pyecharts import options as opts  # 导入配置项

2. 创建图表对象

 bar = Bar()  # 创建一个柱状图对象

3. 添加数据

 bar.add_xaxis(["苹果", "香蕉", "草莓"])  # X轴数据
 bar.add_yaxis("单价", [10, 5, 20])  # Y轴数据

4. 设置配置项

 bar.set_global_opts(
     title_opts=opts.TitleOpts(title="商品销售统计"),  # 标题
     xaxis_opts=opts.AxisOpts(name="商品类别")        # X轴标签
 )

5. 渲染图表

 bar.render("bar_chart.html")  # 生成HTML文件

二、常用图表类型及语法示例

1. 柱状图（Bar）

 bar = Bar()
 bar.add_xaxis(["A", "B", "C"])
 bar.add_yaxis("系列1", [10, 20, 30])
 bar.add_yaxis("系列2", [15, 25, 35], stack="stack1")  # 堆叠柱状图
 bar.render("bar.html")

2. 折线图（Line）

 line = Line()
 line.add_xaxis(["周一", "周二", "周三"])
 line.add_yaxis("温度", [25, 30, 28], is_smooth=True)  # 平滑曲线
 line.set_global_opts(
     tooltip_opts=opts.TooltipOpts(trigger="axis")  # 提示框配置
 )
 line.render("line.html")

3. 饼图（Pie）

 pie = Pie()
 pie.add("", [("苹果", 10), ("香蕉", 5), ("草莓", 20)])
 pie.set_global_opts(
     legend_opts=opts.LegendOpts(orient="vertical")  # 图例垂直显示
 )
 pie.render("pie.html")

4. 散点图（Scatter）

 scatter = Scatter()
 scatter.add_xaxis([10, 20, 30, 40, 50])
 scatter.add_yaxis("分布", [5, 15, 25, 35, 45])
 scatter.set_global_opts(
     xaxis_opts=opts.AxisOpts(type_="value")  # X轴为数值类型
 )
 scatter.render("scatter.html")

5. 地图（Map）

 from pyecharts.charts import Map
 
 map_chart = Map()
 map_chart.add("确诊数", [("广东", 100), ("北京", 80), ("上海", 60)], "china")
 map_chart.render("map.html")

三、配置项详解

PyeCharts 的配置分为全局配置（set_global_opts）和系列配置（set_series_opts），支持 40+ 种配置项。

1. 全局配置项

标题：TitleOpts

 title_opts=opts.TitleOpts(title="主标题", subtitle="副标题")

图例：LegendOpts

 legend_opts=opts.LegendOpts(pos_top="10%", orient="horizontal")  # 位置与布局

工具箱：ToolboxOpts

toolbox_opts=opts.ToolboxOpts(is_show=True, feature=opts.ToolboxFeatureOpts(data_zoom=True))  # 显示缩放工具

视觉映射：VisualMapOpts

 visualmap_opts=opts.VisualMapOpts(max_=100, min_=0, range_color=["#313695", "#d7191c"])  # 颜色映射

2. 系列配置项

标签样式：LabelOpts

 label_opts=opts.LabelOpts(is_show=True, position="top", color="blue")

标记点：MarkPointOpts

 markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="峰值")])

线条样式：LineStyleOpts

 line_style_opts=opts.LineStyleOpts(color="#FF0000", width=2, type_="dashed")

四、链式调用与API设计优势

PyeCharts 的链式语法使代码更简洁，例如：

 (
     Bar()
     .add_xaxis(["A", "B", "C"])
     .add_yaxis("系列", [1, 2, 3])
     .set_global_opts(title_opts=opts.TitleOpts(title="链式调用示例"))
     .render("chain.html")
 )

优势：

代码紧凑：减少中间变量，逻辑更清晰。
易维护：修改配置时只需调整对应方法。
支持Jupyter：直接在 Notebook 中渲染图表。

五、使用示例

1. 复杂关系图

 from pyecharts.charts import Graph
 
 nodes = [{"id": "A", "name": "A"}, {"id": "B", "name": "B"}]
 links = [{"source": "A", "target": "B"}]
 graph = Graph().add("", nodes, links).set_global_opts(title_opts=opts.TitleOpts(title="关系图"))
 graph.render("graph.html")

2. 3D散点图

 from pyecharts.charts import Scatter3D
 
 data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
 scatter3d = Scatter3D().add("点", data).set_global_opts(
     visualmap_opts=opts.VisualMapOpts(max_=9, min_=1)
 )
 scatter3d.render("scatter3d.html")

3. 仪表盘

 from pyecharts.charts import Page, Grid
 
 page = Page()
 grid = Grid()
 grid.add(bar, grid_opts=opts.GridOpts(pos_left="5%"))
 grid.add(line, grid_opts=opts.GridOpts(pos_right="5%"))
 page.add(grid)
 page.render("dashboard.html")