可视化项目

 

绘制交互式基础图形

绘制条形图-柱形图

商家A和商家B的各类商品的销售数据，如下表所示
商家	衬衫	毛衣	领带	裤子	风衣	高跟鞋	袜子
商家A	120	56	28	98	129	28	107
商家B	60	140	153	145	160	70	54

绘制的柱形图可以直观展示商家A和商家B的销售情况，便于对比同一类商品不同商家的销售差距。

from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
from pyecharts.globals import ThemeType #主题，和颜色有关
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px",
            theme=ThemeType.LIGHT #主题和颜色有关
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况柱形图'))
    )
    return c
bar_base().render()

绘制条形图-条形图

商家A和商家B的各类商品的销售数据，如下表所示
商家	衬衫	毛衣	领带	裤子	风衣	高跟鞋	袜子
商家A	120	56	28	98	129	28	107
商家B	60	140	153	145	160	70	54

当条目较多时，使用柱形图展示数据时将会显得较拥挤。此时，可以通过翻转X轴和Y轴来显示图形，即使用条形图展示数据。

from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .reversal_axis()#x，y倒置
        .set_series_opts(label_opts=opts.LabelOpts(position="right"))#标签数值的位置
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况条形图'))
    )
    return c
bar_base().render()

绘制条形图-堆叠柱形图

商家A和商家B的各类商品的销售数据，如下表所示
商家	衬衫	毛衣	领带	裤子	风衣	高跟鞋	袜子
商家A	120	56	28	98	129	28	107
商家B	60	140	153	145	160	70	54

可以将柱形图堆叠起来显示，即堆叠柱形图

from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001,stack='stack')
        .add_yaxis('商家B',y_data002,stack='stack')
        .set_global_opts(title_opts=opts.TitleOpts('商家A和商家B销售情况堆叠图'))
        .set_series_opts(label_opts=opts.LabelOpts(position="insideTop"))#内页顶部
    )
    return c
bar_base().render()

堆叠时，无论是数字还是字符串，都要保持一致。

标签的位置：可选
top	left	right	bottom	inside	insideLeft
insideRight	insideTop	insideBottom	insideTopLeft	insideBottomLeft	insideTopRight

通过设置系列配置项，可以在柱形图上显示最大值、最小值以及平均值等标注。

如使用前图的数据绘制标注最大值、最小值、平均值的柱形图

from pyecharts.charts import Bar
import pandas as pd
from pyecharts.options import global_options as opts
from pyecharts import options as opt
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')#Excel的读取方式
x_data = data.columns.tolist()#tolist：列表
y_data001 = data.loc['商家A'].tolist() #名称要一模一样，最好复制
y_data002 = data.loc['商家B'].tolist()
def bar_base():
    c=(
        Bar(
            init_opts=opts.InitOpts(
            width = "900px",
            height = "500px"
            )
        )#大小
        .add_xaxis(x_data)
        .add_yaxis('商家A',y_data001)
        .add_yaxis('商家B',y_data002)
        .set_global_opts(title_opts=opts.TitleOpts('指定标记点多柱形图'))
        .set_series_opts(label_opts=opt.LabelOpts(is_show=False),#ture和false标签都不显示
                         markpoint_opts=opt.MarkPointOpts(
                             data=[
                                 opt.MarkPointItem(type_="min", name="最小值"),
                                 opt.MarkPointItem(type_="max", name="最大值"),
                                 #opt.MarkPointItem(type_="average", name="平均值"),
                             ]
                         )
                         )

    )
    return c
bar_base().render()

MarkPointltem	标记点数据项
MarkLineltem	标记线数据项

绘制散点图

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Scatter
student_data = pd.read_excel('学生身高和体重数据.xlsx', header=None)
student_data.set_index([0], inplace=True)
c = (
    Scatter(
        init_opts=opts.InitOpts(width='700px', height='400px')
    )
    .add_xaxis(xaxis_data=student_data.loc['身高'].tolist())
    .add_yaxis('',
               y_axis=student_data.loc['体重'].tolist(),
               symbol_size=20,
               label_opts=opts.LabelOpts(is_show=False)
               )
    .set_global_opts(
        title_opts=opts.TitleOpts('体重与身高关系散点图'),
        xaxis_opts=opts.AxisOpts(
            type_='value', splitline_opts=opts.SplitLineOpts(is_show=True),
            name='身高'),
        yaxis_opts=opts.AxisOpts(name='体重',
                                 type_='value',
                                 axistick_opts=opts.AxisTickOpts(is_show=True),
                                 splitline_opts=opts.SplitLineOpts(is_show=True),
                                 ),
        tooltip_opts=opts.TooltipOpts(is_show=False),
    )
)
c.render()

绘制折线图-折线图

商家A和商家B的各类商品的销售数据，如下表所示
商家	衬衫	毛衣	领带	裤子	风衣	高跟鞋	袜子
商家A	120	56	28	98	129	28	107
商家B	60	140	153	145	160	70	54

import pandas as pd
from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.globals import ThemeType
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
line = (
    Line()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist(), is_smooth=True)  # 设置曲线光滑
    .add_yaxis('商家B', data.loc['商家B'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况折线图'))  # 设置全局选项
)
line.render()

绘制折线图-面积图

import pandas as pd
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Line
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
line = (
    Line()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist(),
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='red'))  # 设置曲线光滑
    .add_yaxis('商家B', data.loc['商家B'].tolist(),
               areastyle_opts=opts.AreaStyleOpts(opacity=0.6, color='blue'))
    .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况面积图'))  # 设置全局选项
)
line.render()

绘制箱线图

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Boxplot
chinese_data = pd.read_excel('语文考试成绩.xlsx')
chinese_data.set_index(['班级'], inplace=True)
box = Boxplot(init_opts=opts.InitOpts(width='800px', height='400px'))
box.add_xaxis(list(chinese_data.index))
box.add_yaxis('', box.prepare_data([chinese_data.loc['1班'].tolist(),
                                    chinese_data.loc['2班'].tolist(),
                                    chinese_data.loc['3班'].tolist(),
                                    chinese_data.loc['4班'].tolist()]))
box.set_global_opts(title_opts=opts.TitleOpts(title='4个班的考试成绩箱线图'))
box.render()

绘制3D散点图

最大携氧能力	体重	运动后心率
55.79	70.47	150
35.00	70.34	144
42.93	87.65	162
28.30	89.80	129
40.56	103.02	143

import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Scatter3D
player_data = pd.read_excel('运动员的最大携氧能力、体重和运动后心率数据.xlsx')
player_data = [player_data['体重（kg）'], player_data['运动后心率（次/分钟）'],
               player_data['最大携氧能力（ml/min）']]
player_data = np.array(player_data).T.tolist()
s = (
    Scatter3D()
    .add('', player_data, xaxis3d_opts=opts.Axis3DOpts(name='体重（kg）'),
         yaxis3d_opts=opts.Axis3DOpts(name='运动后心率（次/分钟）'),
         zaxis3d_opts=opts.Axis3DOpts(name='最大携氧能力（ml/min）')
         )
    .set_global_opts(title_opts=opts.TitleOpts(
        title='最大携氧能力、体重和运动后心率3D散点图'),
        visualmap_opts=opts.VisualMapOpts(range_color=[
            '#1710c0', '#0b9df0', '#00fea8', '#00ff0d', '#f5f811', '#f09a09',
            '#fe0300']), )
)
s.render()

绘制饼图-饼图

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie()
    .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家B'].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况饼图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()

绘制饼图-环形图

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie(init_opts=opts.InitOpts(width='810px', height='400px'))
    .add('', [list(z) for z in zip(data.columns.tolist(),
                                   data.loc['商家B'].tolist())], radius=[20, 100])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况环形图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()

绘制饼图-玫瑰图

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType
data =data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
init_opts = opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
pie = (
    Pie(init_opts=opts.InitOpts(width='810px', height='400px'))
    .add('', [list(z) for z in zip(data.columns.tolist(),
                                   data.loc['商家B'].tolist())],
         rosetype='radius', radius=[20, 100])
    .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况玫瑰图'))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render()

绘制交互高级图形

绘制层叠多图

在同一个绘图区域，绘制不同类型的图表，即层叠多图，如同时绘制散点图和折线图、条形图和折线图等。在pyecharts库中，使用overlap()方法将多个图形叠加在一个视图区。

例：某省份1~12月份的降水量、蒸发量、平均温度部分数据如表所示。详见“1~12月份的降水量、蒸发量、平均温度.xlsx”

#引入第三方库
import pandas as pd
from pyecharts.charts import Bar,Line
from pyecharts import options as opts
#读数据
data =pd.read_excel('1~12月份的降水量、蒸发量、平均温度数据.xlsx')
data_x =data['月份'].tolist()
data_y_zfl=data['蒸发量'].tolist()
data_y_jsl=data['降水量'].tolist()
data_y_pjwd=data['平均温度'].tolist()
def zuhe_show():
    c =(
        Bar()
        .add_xaxis(data_x)
        .add_yaxis('蒸发量',data_y_zfl)
        .add_yaxis('降水量',data_y_jsl)
        .set_global_opts(
            title_opts=opts.TitleOpts(title='叠加条形图和折线图'),
            xaxis_opts=opts.AxisOpts(
                name='月份',
                name_location='center',
                name_gap=30
            ),
            yaxis_opts=opts.AxisOpts(
                name='蒸发量/降水量(ml)',
                name_location='center',
                name_gap=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} ml")
            )
        )
        .extend_axis(
            yaxis=opts.AxisOpts(
                name='平均温度(°C)',
                name_location='center',
                name_gap=50,
                axislabel_opts=opts.LabelOpts(formatter="{value} °C")
            )
        )
    )
    return c
def line_show():
    c =(
        Line()
        .add_xaxis(data_x)
        .add_yaxis(
            '平均温度',data_y_pjwd,
            yaxis_index=1
        )
    )
    return c
zuhe_show().overlap(line_show()).render('复杂.html')

绘制漏斗图

由漏斗图可以直观地查看各个网购环节人数的转化率。

网购环节	人数
浏览商品	2000
加入购物车	900
生成订单	400
支付订单	320
完成交易	300

from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Funnel

data = pd.read_excel('某淘宝店铺的订单转化率统计数据.xlsx')
x_data = data['网购环节'].tolist()
y_data = data['人数'].tolist()
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
def fuzao_show():
    c = (
    Funnel()
    .add('',
         data_pair=data,
         label_opts=opts.LabelOpts(
             position='inside',
             formatter="{b}:{d}%"
         ),
         gap=2,
         tooltip_opts=opts.TooltipOpts(trigger='item'),
         itemstyle_opts=opts.ItemStyleOpts( border_width=1))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='某淘宝店铺的订单转化率漏斗图'),
        legend_opts=opts.LegendOpts(pos_left='40%')
    )
    )
    return c
# funnel.render_notebook()
fuzao_show().render("复杂.html")

绘制热力图

在pyecharts库中，可以使用HeatMap类绘制热力图。

from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import HeatMap
data = pd.read_excel('heatmap.xlsx', index_col=0)

y_data = list(data.columns)
x_data = list(data.index)
values = data.iloc[:, 0: 7].values.tolist()
value = [[i, j, values[i][j]] for i in range(len(x_data)) for j in range(len(y_data))]
def fuzao_show():
   heatmap = (
    HeatMap()
    .add_xaxis(x_data)
    .add_yaxis(
        '',
        y_data,
        value,
        label_opts=opts.LabelOpts(is_show=True, position='inside'),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='网站点击量热力图'),
        visualmap_opts=opts.VisualMapOpts(pos_bottom='center'),
    )
)
   return heatmap
fuzao_show().render('复杂.html')

绘制词云图

在pyecharts库中，可使用WordCloud类绘制词云图。WordCloud类的基本使用格式如下。

在绘制词云图前，需要统计各词的词频。例如，附件Wordcloud.csv统计的部分宋词词频数据，绘制的词云图。

由词云图可知，宋词中使用“东风”“人间”“何处”的次数相对较多。

from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import WordCloud

data_read = pd.read_csv('worldcloud.csv', encoding='gbk')
words = list(data_read['词语'].values)
num = list(data_read['频数'].values)
data = [k for k in zip(words, num)]
data = [(i, str(j)) for i, j in data]
def fuzao_show():
   c = (
       WordCloud()
           .add(series_name='词统计', data_pair=data, word_size_range=[10, 100])
           .set_global_opts(title_opts=opts.TitleOpts(
           title='部分宋词词频词云图', title_textstyle_opts=
           opts.TextStyleOpts(font_size=23)),
           tooltip_opts=opts.TooltipOpts(is_show=True))
)
   return c
fuzao_show().render('复杂.html')

绘制关系图

在pyecharts库中，可使用Graph类绘制关系图。

某公司销售部的部分员工微信好友关系数据如下表所示。

目标人物	其它人物	关系
周建	[贺芳，吴大，张三，刘霞]	[夫妻，同事，同学，同学]
黄婧	[张三，刘霞]	[朋友，同事]
文华	[刘霞，吴大]	[夫妻，同事]

由关系图可以直观地看出每个人之间的关系

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

# 绘制微信好友关系图
# 节点
nodes = [
    opts.GraphNode(name='张三', symbol='circle', symbol_size=10),
    opts.GraphNode(name='吴大', symbol='pin', symbol_size=10),
    opts.GraphNode(name='贺芳', symbol='pin', symbol_size=10),
    opts.GraphNode(name='刘霞', symbol='circle', symbol_size=10),
    opts.GraphNode(name='黄婧', symbol='circle', symbol_size=10),
    opts.GraphNode(name='周建', symbol='circle', symbol_size=10),
    opts.GraphNode(name='文华', symbol='circle', symbol_size=10)
]
# 关系
links = [
    opts.GraphLink(source='周建', target='贺芳', value='夫妻'),
    opts.GraphLink(source='周建', target='吴大', value='同事'),
    opts.GraphLink(source='周建', target='张三', value='同学'),
    opts.GraphLink(source='黄婧', target='张三', value='朋友'),
    opts.GraphLink(source='黄婧', target='刘霞', value='同事'),
    opts.GraphLink(source='文华', target='刘霞', value='夫妻'),
    opts.GraphLink(source='文华', target='吴大', value='同事'),
    opts.GraphLink(source='周建', target='刘霞', value='同学')
]
# 绘图
def fuzao_show():
   c = (
       Graph()
           .add(series_name='',
                nodes=nodes,
                is_roam=False,
                is_rotate_label=True,
                links=links, repulsion=4000, edge_label=opts.LabelOpts(
               is_show=True, position='middle', formatter='{c}'))
           .set_global_opts(title_opts=opts.TitleOpts(title='微信好友关系图'))
)
   return c
fuzao_show().render('复杂.html')

 

绘制桑基图

在pyecharts库中，可使用Sankey类绘制桑基图。

附件sanky.csv是某家庭一个月的生活开支明细数据，绘制桑基图。

由桑基图可以直观地看出商品的开支情况，以及各商品小类、大类的开支情形。

from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Sankey
# 绘制生活开支桑基图
# 读取csv文件
data = pd.read_csv('sanky.csv', encoding='utf-8', header=None, sep='\t')
# 生成节nodes
Nodes = []
Nodes.append({'name': '总支出'})
for i in data[0].unique():
    dic = {}
    dic['name'] = i
    Nodes.append(dic)
# 生成links
Links = []
for i in data.values:
    dic = {}
    dic['source'] = i[0]
    dic['target'] = i[1]
    dic['value'] = i[2]
    Links.append(dic)
# 可视化
def fuzao_show():
   c = (
       Sankey()
           .add('', Nodes, Links, pos_left='10%',
                linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color='source', type_='dotted'),
                label_opts=opts.LabelOpts(position='right', ),
                )
           .set_global_opts(title_opts=opts.TitleOpts(title='生活开支桑基图'))
)
   return c
fuzao_show().render('复杂.html')

绘制并行多图

绘制并行多图

import pandas as pd
from pyecharts.charts import Bar,Pie,Grid
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')
bar_data_x = data.columns.tolist()
bar_data_y = data.loc['商家A'].tolist()
pie_data = [list(z) for z in zip(bar_data_x,bar_data_y)]
from pyecharts import options as opts
bar=(
    Bar()
    .add_xaxis(bar_data_x)
    .add_yaxis('',bar_data_y,bar_width='60%')
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况柱形图')
    )
)
pie=(
    Pie()
    .add('',pie_data,radius=[20,100],center=[900,300])
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况饼图',pos_right='30%'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_right='10%')
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
grid = (
    Grid(init_opts=opts.InitOpts(
       width="1250px",
       height="600px"
    )
    )
    .add(bar,grid_opts=(opts.GridOpts(pos_right='45%')))
    .add(pie,
         grid_opts=(opts.GridOpts(pos_left='50%')),
         )
)
grid.render('复杂.html')

from pyecharts.charts import Bar, Pie, Grid
from pyecharts import options as opts
import pandas as pd

data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
bar = (
    Bar()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('', data.loc['商家A'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='商品A销售情况柱形图'),
                     legend_opts=opts.LegendOpts(pos_left='30%'))
)
pie = (Pie()
       .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家A'].tolist())],
            radius=[20, 100], center=[700, 300])
       .set_global_opts(title_opts=opts.TitleOpts(
    title='商品A销售情况饼图', pos_left='60%'),
    legend_opts=opts.LegendOpts(orient='vertical', pos_right=0))
       .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
       )
grid = (Grid(init_opts=opts.InitOpts(width='950px', height='600px'))
        .add(bar, grid_opts=opts.GridOpts(pos_right='50%'))
        .add(pie, grid_opts=opts.GridOpts(pos_left='70%'))
        )
# grid.render_notebook()
grid.render("复杂.html")

绘制顺序多图

利用商家A和商家B的销售数据绘制柱形图、玫瑰图、环形图，并通过Page类实现顺序多图。

在图形的左上角存在Save_confing按钮，此时可以通过拖放的方式调整页面显示效果，当拖放完成后，单击Save_config按钮，将会下载一个名为“chart_config.json”的配置文件，即可保存设置的布局。

#老师做的
from pyecharts.charts import Bar, Pie
from pyecharts import options as opts
from pyecharts.charts import Page
from pyecharts.globals import ThemeType
import pandas as pd
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',
                     index_col='商家')
bar = (
    Bar(init_opts=opts.InitOpts(width='800px', height='310px', theme=ThemeType.LIGHT))
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist())
    .add_yaxis('商家B', data.loc['商家B'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(
        title='商家A和商家B销售情况柱形图')))
pie1 = (Pie(init_opts=opts.InitOpts(
    width='800px', height='310px'))
        .add('', [list(z) for z in zip(
    data.columns.tolist(), data.loc['商家A'].tolist())], radius=[20, 100])
        .set_global_opts(title_opts=opts.TitleOpts(title='商家A销售情况环形图'),
                         legend_opts=opts.LegendOpts(orient='vertical', pos_left=0,
                                                     pos_bottom='40%'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')))
pie2 = (Pie(init_opts=opts.InitOpts(
    width='800px', height='310px'))
        .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家B'].tolist())],
             rosetype='radius', radius=[20, 100])
        .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况玫瑰图'),
                         legend_opts=opts.LegendOpts(orient='vertical', pos_right=0, pos_bottom='40%'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')))
page = (Page(page_title='Page绘制顺序多图', interval=2,
             layout=Page.DraggablePageLayout).add(bar, pie1, pie2))
page.render("复杂.html")

#自己
import pandas as pd
from pyecharts.charts import Bar,Pie,Page
from pyecharts import options as opts
from pyecharts.globals import ThemeType
data = pd.read_excel('商家A和商家B的各类商品的销售数据.xlsx',index_col='商家')
bar_data_x = data.columns.tolist()
bar_data_y1 = data.loc['商家A'].tolist()
bar_data_y2 = data.loc['商家B'].tolist()
pie_data1 = [list(z) for z in zip(bar_data_x,bar_data_y1)]
pie_data2 = [list(z) for z in zip(bar_data_x,bar_data_y2)]

bar=(
    Bar(
        init_opts=opts.InitOpts(width='800px',height='310px',theme= ThemeType.LIGHT)
    )
    .add_xaxis(bar_data_x)
    .add_yaxis('商家A',bar_data_y1)
    .add_yaxis('商家B',bar_data_y2)
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A和商家B销售情况柱形图')
    )
)
pie1=(
    Pie(init_opts=opts.InitOpts(width='800px',height='310px'))
    .add('',pie_data1,radius=[20,100])
    .set_global_opts(
        title_opts=opts.TitleOpts('商品A销售情况环形图'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_left=0,pos_bottom='40%')
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
pie2=(
    Pie(init_opts=opts.InitOpts(width='800px',height='310px'))
    .add('',pie_data2,radius=[20,100],rosetype='radius')
    .set_global_opts(
        title_opts=opts.TitleOpts('商品B销售情况玫瑰图'),
        legend_opts=opts.LegendOpts( orient="vertical",pos_bottom='40%',pos_left=0)
    )
    .set_series_opts(
       label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)')
    )
)
page=(
    Page(
        page_title='Page绘制顺序多图',interval=2,layout=Page.DraggablePageLayout
    )
    .add(bar,pie1,pie2)
)
page.render('复杂.html')

绘制时间轮播多图

在pyecharts库中，可使用Timeline类绘制时间线轮播多图。

#老师做的
from pyecharts.charts import Bar
from pyecharts import options as opts
import pandas as pd
from pyecharts.charts import Timeline
data_A = pd.read_excel('timeline.xlsx')
data_B = pd.read_excel('timeline.xlsx', sheet_name=1)
x_data = data_A.columns.tolist()[1:]
time = data_A['月份'].tolist()
timeline = Timeline()
for i in range(len(time)):
    y_data_A = data_A.iloc[i, 1: 9].tolist()
    y_data_A = [str(j) for j in y_data_A]
    y_data_B = data_B.iloc[i, 1: 9].tolist()
    y_data_B = [str(j) for j in y_data_B]
    bar = (Bar()
           .add_xaxis(x_data)
           .add_yaxis('手机店A', y_data_A)
           .add_yaxis('手机店B', y_data_B)
           .set_global_opts(title_opts=opts.TitleOpts('手机店{}销售情况'.format(time[i])))
           )
    timeline.add(bar, time[i])
timeline.add_schema(play_interval=1000, is_auto_play=True, symbol='pin')
# timeline.render_notebook()
timeline.render("复杂.html")