【中国特色数据可视化】pyecharts完全指南：30+精美图表实例+超详细案例教程 | Python必学工具

Is code

于 2025-04-28 09:00:00 发布

阅读量1k

点赞数 33

分类专栏：技术技巧 # 可视化工具文章标签：信息可视化 python 开发语言

本文链接：https://blog.csdn.net/maoyu_dual/article/details/147570201

版权

pyecharts：中国特色可视化库实战

一、pyecharts 简介

pyecharts 是一个基于 Python 的数据可视化库，它将百度开源的 ECharts JavaScript 图表库进行了 Python 封装，使 Python 开发者能够轻松创建交互式、美观且具有中国特色的数据可视化图表。作为国产可视化工具，pyecharts 在地理信息可视化、中文支持、主题定制等方面具有显著优势，尤其适合中国用户和涉及中国地理、经济数据的可视化场景。

1.1 pyecharts 的特点与优势

丰富的图表类型：提供超过 30 种常见图表，包括线图、柱状图、饼图、地图等
原生中文支持：完美支持中文字体和标签，无需额外配置
地理信息可视化：内置完整的中国地图（省级、市级、区/县级）及全球地图
强大的交互性：支持缩放、平移、数据筛选、工具提示等交互功能
主题定制：提供多种内置主题，包括具有中国传统色彩的主题
多渲染器支持：支持 HTML、图片、Jupyter Notebook 等多种渲染方式
数据分析集成：与 NumPy、Pandas 等数据分析库无缝集成
动态数据：支持时间轴、动画等动态数据展示方式

1.2 适用场景

pyecharts 特别适合以下场景：

地理数据可视化：中国省市区县级地图可视化
经济金融分析：股市、基金、经济指标等金融数据展示
政府报告与数据：政府工作数据、统计年鉴数据可视化
企业报表：销售、运营、用户分析等业务数据图表
学术研究：需要中文支持的科研数据可视化
媒体图表：新闻、媒体报道中的数据图表制作

1.3 与其他可视化库的比较

特性	pyecharts	Matplotlib	Plotly	Seaborn
交互性	高	低	高	低
中文支持	原生支持	需配置	需配置	需配置
中国地图	内置详细地图	有限支持	有限支持	有限支持
美观度	高	中	高	高
学习曲线	中等	陡峭	中等	平缓
代码简洁性	高	低	中	高
灵活性	高	极高	高	中
输出格式	HTML/图片	多种图片	HTML/图片	图片

二、安装与环境配置

2.1 安装 pyecharts

# 使用 pip 安装
pip install pyecharts

# 安装最新开发版
pip install -U git+https://github.com/pyecharts/pyecharts.git

2.2 安装地图扩展

# 安装地图扩展
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
pip install echarts-china-counties-pypkg

2.3 配置主题与环境

from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 设置全局主题
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "https://cdn.jsdelivr.net/npm/echarts@latest/dist/"
CurrentConfig.GLOBAL_THEME = ThemeType.MACARONS  # 设置默认主题

2.4 Jupyter Notebook 配置

# 在 Jupyter Notebook 中的配置
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB  # 或 NotebookType.JUPYTER_NOTEBOOK

三、基础图表类型

3.1 线图与面积图

from pyecharts import options as opts
from pyecharts.charts import Line
import random

# 准备数据
x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
y_data = [random.randint(100, 1000) for _ in range(7)]
y_data2 = [random.randint(100, 1000) for _ in range(7)]

# 创建线图
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("产品A", y_data, is_smooth=True)
    .add_yaxis("产品B", y_data2, is_smooth=True)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="销量趋势", subtitle="上周销量"),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        toolbox_opts=opts.ToolboxOpts(is_show=True),
        xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
        datazoom_opts=[opts.DataZoomOpts()],
    )
    .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"),
            ]
        ),
    )
)

# 渲染图表
line.render("line_chart.html")

3.2 柱状图与条形图

from pyecharts.charts import Bar
from pyecharts import options as opts

# 准备数据
provinces = ["广东", "江苏", "浙江", "山东", "河南", "四川", "湖北"]
values = [10413.24, 9816.39, 6230.79, 7312.90, 5200.25, 4602.16, 4212.32]

# 创建柱状图
bar = (
    Bar()
    .add_xaxis(provinces)
    .add_yaxis("2020年GDP（单位：亿元）", values)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="2020年部分省份GDP对比"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
        datazoom_opts=[opts.DataZoomOpts()],
        toolbox_opts=opts.ToolboxOpts(),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=True, position="top"),
    )
)

bar.render("bar_chart.html")

3.3 饼图与环形图

from pyecharts.charts import Pie
from pyecharts import options as opts

# 准备数据
provinces = ["广东", "江苏", "浙江", "山东", "河南", "四川", "湖北", "其他"]
values = [10413.24, 9816.39, 6230.79, 7312.90, 5200.25, 4602.16, 4212.32, 30000]

# 创建饼图
pie = (
    Pie()
    .add(
        "",
        [list(z) for z in zip(provinces, values)],
        radius=["40%", "75%"],  # 内外半径，形成环形图
        center=["50%", "50%"],
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="2020年GDP占比"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_left="left"),
        tooltip_opts=opts.TooltipOpts(
            trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
        ),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(formatter="{b}: {c}亿")
    )
)

pie.render("pie_chart.html")

3.4 散点图与气泡图

from pyecharts.charts import Scatter
from pyecharts import options as opts
import random

# 准备数据
x_data = [random.randint(0, 100) for _ in range(30)]
y_data = [random.randint(0, 100) for _ in range(30)]
size_data = [random.randint(10, 50) for _ in range(30)]

# 创建散点图
scatter = (
    Scatter()
    .add_xaxis(x_data)
    .add_yaxis(
        "散点数据",
        [list(z) for z in zip(y_data, size_data)],
        symbol_size=15,
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图示例"),
        xaxis_opts=opts.AxisOpts(
            type_="value", splitline_opts=opts.SplitLineOpts(is_show=True)
        ),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            axistick_opts=opts.AxisTickOpts(is_show=True),
            splitline_opts=opts.SplitLineOpts(is_show=True),
        ),
        tooltip_opts=opts.TooltipOpts(
            formatter="{a} <br/> x: {c0}, y: {c1}, size: {c2}"
        ),
    )
)

scatter.render("scatter_chart.html")

四、中国地理信息可视化

4.1 全国地图与省级地图

from pyecharts.charts import Map
from pyecharts import options as opts

# 省份数据
provinces_data = [
    ("北京", 99),
    ("上海", 199),
    ("广东", 299),
    ("四川", 199),
    ("台湾", 99),
    ("山东", 249),
    ("江苏", 279),
    ("河北", 165),
    ("浙江", 259),
    ("安徽", 155),
    ("福建", 168),
    ("江西", 148),
    ("湖南", 189),
    ("贵州", 125),
    ("云南", 145),
    ("新疆", 80),
    ("西藏", 50),
]

# 全国地图
c = (
    Map()
    .add("2020年GDP指数", provinces_data, "china")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中国省份GDP指数地图"),
        visualmap_opts=opts.VisualMapOpts(
            min_=50, max_=300, is_piecewise=True,
            pieces=[
                {
   "min": 250, "label": ">250", "color": "#5f4b8b"},
                {
   "min": 200, "max": 250, "label": "200-250", "color": "#7a6baa"},
                {
   "min": 150, "max": 200, "label": "150-200", "color": "#a397cc"},
                {
   "min": 100, "max": 150, "label": "100-150", "color": "#c7bfe0"},
                {
   "min": 50, "max": 100, "label": "50-100", "color": "#e0daf1"},
            ],
        ),
    )
)

c.render("china_map.html")

4.2 省市区县级联动地图

from pyecharts.charts import Map, Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType, SymbolType

# 广东省地级市数据
guangdong_city_data = [
    ("广州市", 150),
    ("深圳市", 180),
    ("珠海市", 70),
    ("汕头市", 60),
    ("佛山市", 100),
    ("韶关市", 40),
    ("湛江市", 60),
    ("肇庆市", 50),
    ("江门市", 60),
    ("茂名市", 55),
    ("惠州市", 65),
    ("梅州市", 40),
    ("汕尾市", 35),
    ("河源市", 45),
    ("阳江市", 40),
    ("清远市", 45),
    ("东莞市", 120),
    ("中山市", 75),
    ("潮州市", 45),
    ("揭阳市", 55),
    ("云浮市", 35),
]

# 广东省地图
map_guangdong = (
    Map()
    .add("城市GDP", guangdong_city_data, "广东")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="广东省城市GDP指数地图"),
        visualmap_opts=opts.VisualMapOpts(
            min_=30, max_=180, 
            range_text=["高", "低"],
            is_calculable=True,
            range_color=["lightskyblue", "yellow", "orangered"],
        ),
    )
)

map_guangdong.render("guangdong_map.html")

4.3 地理坐标系与标记点

from pyecharts.charts import Geo
from pyecharts import options as opts
from pyecharts.globals import ChartType, SymbolType

# 城市坐标数据
city_coordinates = {
   
    "北京": [116.407526, 39.90403],
    "上海": [121.473701, 31.230416],
    "广州": [113.264434, 23.129162],
    "深圳": [114.085947, 22.547],
    "成都": [104.066541, 30.572269],
    "杭州": [120.152791, 30.267446],
    "南京": [118.796877, 32.060255],
    "武汉": [114.305392, 30.593098],
    "西安": [108.946465, 34.347269],
    "重庆": [106.551556, 29.563009],
    "青岛": [120.382639, 36.067082],
    "长沙": [112.938814, 28.228209],
    "厦门": [118.089425, 24.479833],
    "哈尔滨": [126.535797, 45.802158],
}

# 城市之间的连线数据
lines_data = [
    ("北京", "上海"),
    ("北京", "广州"),
    ("广州", "上海"),
    ("广州", "成都"),
    ("上海", "南京"),
    ("南京", "武汉"),
    ("武汉", "重庆"),
    ("重庆", "成都"),
    ("成都", "西安"),
    ("西安", "北京"),
]

# 点数据
points_data = [
    ("北京", 100),
    ("上海", 150),
    ("广州", 120),
    ("深圳", 140),
    ("成都", 90),
    ("杭州", 110),
    ("南京", 80),
    ("武汉", 85),
    ("西安", 70),
    ("重庆", 95),
    ("青岛", 75),
    ("长沙", 65),
    ("厦门", 60),
    ("哈尔滨", 50),
]

# 创建地理坐标系
geo = (
    Geo()
    .add_schema(
        maptype="china",
        itemstyle_opts=opts.ItemStyleOpts(
            color="#323c48", border_color="#111"
        ),
    )
    .add_coordinate_json(city_coordinates)
    .add(
        "城市点",
        points_data,
        type_=ChartType.EFFECT_SCATTER,
        symbol_size=8,
        effect_opts=opts.EffectOpts(scale=5, period=4),
    )
    .add(
        "城市连线",
        lines_data,
        type_=ChartType.LINES,
        effect_opts=opts.EffectOpts(
            symbol=SymbolType.ARROW, symbol_size=6, color="yellow"
        ),
        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="中国主要城市交通网络"),
        visualmap_opts=opts.VisualMapOpts(
            min_=50, max_=150, range_color=["green", "yellow", "red"]
        ),
    )
)

geo.render("china_geo.html")

4.4 3D 地图

from pyecharts.charts import Map3D
from pyecharts import options as opts
from pyecharts.globals import ChartType

# 省份数据
provinces_data = [
    ("北京", 99),
    ("上海", 199),
    ("广东", 299),
    ("四川", 199),
    ("山东", 249),
    ("江苏", 279),
    ("河北", 165),
    ("浙江", 259),
    ("安徽", 155),
    ("福建", 168),
    ("江西", 148),
    ("湖南", 189),
    ("贵州", 125),
    ("云南", 145),
    ("新疆", 80),
    ("西藏", 50),
]

# 创建3D地图
map3d = (
    Map3D()
    .add_schema(
        itemstyle_opts=opts.ItemStyleOpts(
            color="rgb(239,239,255)",
            opacity=1,
            border_width=0.8,
            border_color="rgb(160,161,229)",
        ),
        map3d_label=opts.Map3DLabelOpts(
            is_show=False,
            formatter="{b}",
            text_style=opts.TextStyleOpts(
                color="#000", font_size=16, background_color="rgba(0,0,0,0)"
            ),
        ),
        emphasis_label_opts=opts.LabelOpts(is_show=True),
        light_opts=opts.Map3DLightOpts(
            main_color="#fff",
            main_intensity=1.2,
            is_main_shadow=False,
            main_alpha=55,
            main_beta=10,
            ambient_intensity=0.3,
        ),
    )
    .add(
        "GDP指数",
        provinces_data,
        maptype="china",
        bar_size_max=200,
        is_map_symbol_show=True,
        type_=ChartType.BAR3D,
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="中国3D地图"),
        visualmap_opts=opts.VisualMapOpts(
            min_=50, max_=300, range_color=["#313695", "#4575b4", "#74add1", 
                                          "#abd9e9", "#e0f3f8", "#fee090"]
        ),
    )
)

map3d.render("china_map3d.html")

五、中国传统特色图表

5.1 中国风主题定制

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 准备数据
x_data = ["茶", "酒", "玉", "瓷", "丝", "扇", "琴", "棋", "书", "画"]
y_data = [35, 28, 24, 42, 18, 15, 12, 22, 30, 25]

# 创建中国风主题的柱状图
bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA))  # 使用罗马主题，类似中国风
    .add_xaxis(x_data)
    .add_yaxis("文化指数", y_data)
    .set_global_opts(
        title_opts=opts.TitleOpts(
            title="中国传统文化元素指数", 
            subtitle="非物质文化遗产分析",
            pos_le