PyEcharts学习笔记整理，基于B站千锋教育

目录 

1. PyEcharts：初始化配置、全局配置项（标题配置、缩放配置）

2. PyEcharts：全局配置项（图例配置项、视觉映射配置项、提示框配置项、坐标轴配置项）

3. PyEcharts：系列配置项（图元样式配置项、线条样式配置项、标签配置项、标记点配置项、标记线配置项）

4. PyEcharts：使用Faker得到数据

5. PyEcharts：饼图

6. PyEcharts：玫瑰图

7. PyEcharts：柱形图

8. PyEcharts：堆叠柱形图

9. PyEcharts：条形图

10. PyEcharts：直方图

11. PyEcharts：象形柱状图

12. PyEcharts：雷达图

13. PyEcharts：折线图

14. PyEcharts：面积图

15. PyEcharts：散点图

16. PyEcharts：涟漪散点图

17. PyEcharts：热力图

18. PyEcharts：日历图

19. PyEcharts：箱型图

20. PyEcharts：词云图

21. PyEcharts：漏斗图

22. PyEcharts：极坐标图

23. PyEcharts：水球图

24. PyEcharts：涟漪散点图

25. PyEcharts：桑基图

26. PyEcharts：旭日图

27. PyEcharts：仪表盘

28. PyEcharts：树图

29. PyEcharts：矩形树图

30. PyEcharts：关系图

31. PyEcharts：K线图

32. PyEcharts：地图

33. PyEcharts：地理坐标图

34. PyEcharts：3D折线图

35. PyEcharts：3D柱状图

36. PyEcharts：时间轮播多图

37. PyEcharts：多图布局

38. PyEcharts：天猫订单数据可视化

39. PyEcharts：双十一销售数据可视化

---

视频连接：千锋教育PyEcharts数据可视化快速入门教程，大数据分析Python交互绘图实用利器_哔哩哔哩_bilibili

1. PyEcharts：初始化配置、全局配置项（标题配置、缩放配置）

初始化配置项：InitOpts

编号	参数	功能	附加
1	width	图片画布的宽度	css长度单位
2	height	图片画布的高度
3	renderer	渲染风格，默认CANVAS，默认即可	SVG
4	page_title	网页标题
5	theme	图片主题
6	bg_color	背景颜色

全局配置项（标题配置项：TitleOpts）

编号	参数	功能	附加
1	title	设置主标题
2	title_link	设置主标题连接，点击主标题触发
3	title_target	点击主标题，是否创建新的窗口，默认创建	blank（默认） self
4	subtitle	设置副标题
5	subtitle_target	点击主标题，是否创建新的窗口，默认创建	blank（默认） self
6	pos_left	标题距离画布左边的距离（几种输入方式，看下边程序）	right top bottom
7	padding	标题距离画布的内边距
8	item_gap	主标题和副标题之间的间距

全局配置项（区域缩放置项：DataZoomOpts）

编号	参数	功能	附加
1	is_show	是否显示下方拖拽条
2	type_	拖拽条的方式	slider（拖拽条） inside（鼠标滚轮）
3	is_realtime	拖拽时是否实时更新
4	range_start	数据窗口起始位置	百分比数据
5	range_end	数据窗口终点位置	百分比数据
6	orient	拖拽条布置的方式	horizontal（水平布置） vertical（竖直布置）
7	is_zoom_lock	是否锁定选择区域， 只能拖拽不能滚轮	slider（拖拽条可用） inside（鼠标滚轮不可用）

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType, RenderType

c = (
    Bar(
        #InitOpts:初始化配置项
        init_opts=opts.InitOpts(
            width='700px',   # 图表画布大小，css长度单位
            height='400px',

            renderer=RenderType.CANVAS,    # 渲染风格，这是默认，CANVAS/SVG
            page_title='网页标题',
            theme=ThemeType.WHITE,    # 主题
            bg_color='white',          # 背景色
        )
    )
    .add_xaxis(Faker.choose())    #生成同一属性7个值
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())

    # 全局配置项
    .set_global_opts(
        # TitleOpts:标题配置项
        title_opts=opts.TitleOpts(title='柱状图', # 主标题
                                  title_link='https://www.baidu.com',  # 主表题点击跳转链接
                                  title_target='blank',   # 默认blank，默认新窗口打开。self:当前窗口打开。对应上边的连接

                                  subtitle='副标题', # 副标题
                                  subtitle_link='https://www.baidu.com',  # 副表题点击跳转链接
                                  subtitle_target='blank',   # 默认blank，默认新窗口打开。self:当前窗口打开。对应上边的连接

                                  pos_left='20px',
                                  # pos_left='20%'  # 画布的20%
                                  # pos_left='left'   # left,right,center
                                  # pos_right
                                  # pos_bottom

                                  padding=10,   # 内边距

                                  item_gap=10,  # 主副标题之间的间隙
                                  ),
        # 区域缩放配置项
        datazoom_opts=opts.DataZoomOpts(is_show=True,  # 是否显示缩放组件，处理横坐标下边，数据非常多
                                        type_='slider',  # 组件,拖拽条的默认。还有inside:用鼠标滚轮缩放
                                        is_realtime=True,  # 拖动的时候是否实时更新图表，默认
                                        range_start=20,   # 数据窗口的起始位置，是一个百分比数据
                                        range_end=80,     # 数据窗口的结束位置，是一个百分比数据
                                        orient='horizontal', # 拖拽条的默认位置。vertical:垂直放置
                                        is_zoom_lock=True,  # 是否锁定选择区域，只能拖拽不能平移
                                        )
    )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0425\0425_6.html')

成品图片

2. PyEcharts：全局配置项（图例配置项、视觉映射配置项、提示框配置项、坐标轴配置项）

全局配置项（图例配置项:legend_opts)

编号	参数	功能	附加
1	type_	图例类型	plain(默认):普通图例 scroll:滚动翻页图例(图例数量多)
2	is_show	图例是否显示
3	pos_left	图例位置	pos_left='20px' pos_left='left'。left,right,center pos_right pos_bottom pos_top
4	orient	图例放置位置	horizontal:水平放置 vertical:垂直放置
5	selected_mode	选择模式	Ture:开启图例点击 False:关闭图例点击 single:单选 multiple:多选
6	align	文字和图标的位置	auto、left、right
7	padding	内边距
8	item_gap	图例之间的间隙
9	item_width	图例宽度
10	item_height	图例高度
11	inactive_color	图例关闭时的颜色	默认#ccc:灰色
12	legend_icon	图例图标形状	circle rect(矩形) roundRect(带圆角矩形) triangle(三角形) diamond(菱形) arrow(箭头) 自定义图标路径也可以

全局配置项（视觉映射配置项:visualmap_opts)

编号	参数	功能	附加
1	is_show	是否显示颜色条
2	type_	类型选择	color（默认） size
3	min_	type_最小值
4	max_	type_最大值
5	range_opacity	全局透明度
6	range_text	颜色条上下文本	列表
7	range_color	自定义过度颜色	列表
8	orient	视觉映射的位置	horizontal:水平放置 vertical:垂直放置
9	pos_right	颜色条位置	pos_left='20px' pos_left='left'。left,right,center pos_right pos_bottom pos_top
10	is_piecewise	是否把视觉映射分段
11	is_inverse	是否翻转视觉映射

全局配置项（提示框配置项:tooltip_opts）

编号	参数	功能	附加
1	is_show	是否显示提示框
2	trigger	触发类型	item(默认)：数据项。一般用于：散点图，柱形图，饼图 axis：坐标轴，提示线。一般用于：条形图，折线图
3	trigger_on	触发条件	mousemove click mousemove|click
4	is_show_content	是否显示提示悬浮框
5	formatter	标签内容格式	字符串中的模板变量： {a}:系列名series_name {b}:数据名 {c}:值
6	background_color	背景颜色
7	border_color	边框颜色
8	border_width	边框宽度

全局配置项（坐标轴配置项:x/yaxis_opts）

编号	参数	功能	附加
1	is_show	是否显示坐标轴
2	axisline_opts	是否显示坐标线
3	axistick_opts	是否显示坐标刻度值
4	type_	坐标轴类型	value:数值轴，连续数据 category：类目轴，离散数据 time:时间轴，适用于连续的时间，时序数据

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType, RenderType

c = (
    Bar(
        # InitOpts:初始化配置项
        init_opts=opts.InitOpts(width='700px',  # 图表画布大小，css长度单位
                                height='400px',
                                renderer=RenderType.CANVAS,  # 渲染风格，这是默认，CANVAS/SVG
                                page_title='网页标题',
                                theme=ThemeType.WHITE,  # 主题
                                bg_color='white',  # 背景色
                                )
    )
    .add_xaxis(Faker.choose())  # 生成同一属性7个值
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())

    # 全局配置项
    .set_global_opts(
        # TitleOpts:标题配置项
        title_opts=opts.TitleOpts(title='柱状图',  # 主标题
                                  title_link='https://www.baidu.com',  # 主表题点击跳转链接
                                  title_target='blank',  # 默认blank，默认新窗口打开。self:当前窗口打开。对应上边的连接

                                  subtitle='副标题',  # 副标题
                                  subtitle_link='https://www.baidu.com',  # 副表题点击跳转链接
                                  subtitle_target='blank',  # 默认blank，默认新窗口打开。self:当前窗口打开。对应上边的连接

                                  pos_left='20px',
                                  # pos_left='20%'  # 画布的20%
                                  # pos_left='left'   # left,right,center
                                  # pos_right
                                  # pos_bottom

                                  padding=10,  # 内边距

                                  item_gap=10,  # 主副标题之间的间隙
                                  ),
        # 区域缩放配置项
        datazoom_opts=opts.DataZoomOpts(is_show=True,  # 是否显示缩放组件，处理横坐标下边，数据非常多
                                        type_='slider',  # 组件,拖拽条的默认。还有inside:用鼠标滚轮缩放
                                        is_realtime=True,  # 拖动的时候是否实时更新图表，默认
                                        range_start=20,  # 数据窗口的起始位置，是一个百分比数据
                                        range_end=80,  # 数据窗口的结束位置，是一个百分比数据
                                        orient='horizontal',  # 拖拽条的默认位置。vertical:垂直放置
                                        is_zoom_lock=True,  # 是否锁定选择区域，只能拖拽不能平移
                                        ),
        # 图例配置项
        legend_opts=opts.LegendOpts(type_='plain',  # 图例类型，plain(默认):普通图例。scroll:滚动翻页的图例(图例数量多)---->商家A和商家B
                                    is_show=True,  # 图例是否显示
                                    pos_left='20%',  # 画布的20%
                                    # pos_left='20px',
                                    # pos_left='left'   # left,right,center
                                    # pos_right
                                    # pos_bottom
                                    orient='horizontal',  # 图例的默认位置。vertical:垂直放置

                                    # Ture:开启图例点击
                                    # False:关闭图例点击
                                    # single:单选
                                    # multiple:多选
                                    selected_mode='multiple',  # 选择模式
                                    align='right',   # 文字和图标的位置，默认auto=left
                                    padding=10,      # 内边距
                                    item_gap=5,      # 图例之间的间隙
                                    item_width=30,   # 图例的宽度
                                    item_height=30,  # 图例的高度
                                    inactive_color='#ccc',   # 图例关闭的时候，默认#ccc:灰色
                                    # PyEcharts 常见的图标:circle,rect(矩形),roundRect(带圆角矩形),
                                    #                    triangle(三角形),diamond(菱形),arrow(箭头)
                                    # 自定义的图标的路径也可以
                                    legend_icon='roundRect',
                                    ),
        # 视觉映射配置项
        visualmap_opts=opts.VisualMapOpts(is_show=True,      # 是否显示颜色条
                                          type_='color',     # 类型选择:color或者size
                                          min_=0,       # 针对于type_
                                          max_=100,     # 默认100
                                          range_opacity=0.5,  # 全局透明度:是所有都透明
                                          range_text=['max', 'min'],   # 两端的文本，type_='color', 不用数字显示，变成设定的参数
                                          range_color=['blue', 'green', 'red'],   # 自定义过度颜色
                                          orient='vertical',  # 视觉映射的位置。vertical:垂直放置。horizontal:水平放置
                                          pos_right='5%',
                                          pos_top='5%',
                                          is_piecewise=True,   # 是否把视觉映射分段
                                          is_inverse=True,   # 是否翻转视觉映射
                                          ),

        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True,      # 是否显示提示框

                                      # 触发类型
                                      # item(默认):数据项，一般用于：散点图，柱形图，饼图
                                      # axis:坐标轴，提示线，一般用于：条形图，折线图
                                      trigger='item',

                                      # 触发条件
                                      # mousemove,click,mousemove|click
                                      trigger_on='mousemove|click',

                                      is_show_content=True,   # 是否显示提示悬浮框

                                      # 标签内容的格式
                                      # 字符串中的模板变量：
                                      # {a}:系列名series_name
                                      # {b}:数据名
                                      # {c}:值
                                      formatter='{a}:{b} - {c}',

                                      background_color='black',  # 背景颜色
                                      border_color='white',   # 边框颜色
                                      border_width=1,         # 边框宽度
                                      ),
        # 坐标轴配置项
        xaxis_opts=opts.AxisOpts(is_show=True,      # 是否显示X轴

                                 # 坐标轴类型
                                 # value:数值轴，连续数据
                                 # category：类目轴，离散数据，比如星期一、星期二
                                 # time:时间轴，适用于连续的时间，时序数据
                                 type_='category'
                                 ),
        yaxis_opts=opts.AxisOpts(is_show=False,    # 包含下边的两个
                                 axisline_opts=opts.AxisLineOpts(is_show=False),   # Y轴不显示
                                 axistick_opts=opts.AxisTickOpts(is_show=False),   # Y轴刻度不显示
                                 )
    )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0426\0426_1.html')

成品图片

3. PyEcharts：系列配置项（图元样式配置项、线条样式配置项、标签配置项、标记点配置项、标记线配置项）

系列配置项（图元样式配置项:itemstyle_opts）

编号	参数	功能	附加
1	color	图元颜色	可以纯色，可以RGB RGB,rgb(120,120,120) RGBA,rgba(120,120,120,0.5) 最后一项为透明度 十六进制: #ccc
2	opacity	透明度单独设置
3	border_color	数据点边框颜色
4	border_width	数据点边框宽度

系列配置项（线条样式配置项:linestyle_opts）

编号	参数	功能	附加
1	is_show	是否显示线条
2	width	线条宽度
3	color	线的颜色
4	type_	线型	solid(实线) dashed(虚线) dotted(点线)

系列配置项（标签配置项:label_opts）

编号	参数	功能	附加
1	is_show	是否显示标签数据
2	position	标签数据位置	top,left,right,bottom inside,insideLeft,insideRight, insideTop,insideBottom
3	color	标签数据颜色
4	font_size	标签数据字体大小
5	font_family	标签数据字体
6	font_style	标签数据字体风格	italic(斜体)
7	font_weight	标签数据字体风格	bold(加粗)
8	rotate	标签 旋转 (-90,90)	顺负逆正

系列配置项（标记点配置项:markpoint_opts）

编号	参数	参数	功能	附加	格式
date	opts.MarkPointItem	type_	特殊标记类型	min max average	列表
		symbol	标记形状默认就好	pin
		symbol_size	标记大小

系列配置项（标记线配置项:markline_opts）

编号	参数	参数	功能	附加	格式
data	opts.MarkLineItem	type_	特殊标记类型	min max average	列表
		name	标记名字
label_opts	opts.LabelOpts	color	标签数据颜色

from pyecharts.charts import Line
from pyecharts import options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType, RenderType

c = (
    Line(init_opts=opts.InitOpts(width='700px',
                                 height='400px'
                                 )
         )
    .add_xaxis(Faker.choose())
    .add_yaxis('商家A', Faker.values())
    .add_yaxis('商家B', Faker.values())

    # 全局配置项
    .set_global_opts(title_opts=opts.TitleOpts(title='折线图'),
                     # 提示线
                     tooltip_opts=opts.TooltipOpts(trigger='axis')
                     )

    # 系列配置项
    .set_series_opts(
                     # 图元样式配置项
                     itemstyle_opts=opts.ItemStyleOpts(color='blue',
                                                       # 可以纯色，可以RGB
                                                       # RGB，rgb(120,120,120)
                                                       # RGBA，rgba(120,120,120,0.5) 最后一项为透明度
                                                       # 十六进制: #ccc
                                                       opacity=0.6,   # 透明度单独设置
                                                       border_color='green',  # 数据点边框颜色
                                                       border_width=2,  # 数据点边框宽度
                                                       ),
                     # 线条样式配置项
                     linestyle_opts=opts.LineStyleOpts(is_show=True,  # 是否显示线条
                                                       width=2,    # 线条宽度
                                                       color='green',  # 线的颜色
                                                       type_='dashed',   # 线型：solid(实线)，dashed(虚线)，dotted(点线)
                                                       ),
                     # 标签配置项
                     label_opts=opts.LabelOpts(is_show=True,  # 是否显示标签数据
                                               # 标签数据位置：top,left,right,bottom
                                               #             inside,insideLeft,insideRight,insideTop,insideBottom
                                               position='top',  # 标签数据位置
                                               color='red',  # 标签数据颜色
                                               font_size=14,  # 标签数据字体大小
                                               font_family='Arial',  # 标签数据字体
                                               font_style='normal',     # 标签数据字体风格。italic(斜体)
                                               font_weight='normal',    # 标签数据字体风格。bold(加粗)
                                               # 标签旋转 -90,90 , 顺负逆正
                                               rotate=-40
                                               ),
                     # 标记点配置项
                     markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(
                                                                                # type_:特殊标记类型,min,max,average
                                                                                type_='max',
                                                                                symbol='pin',   # 标记形状，默认就好
                                                                                symbol_size=50   # 标记大小
                                                                                 ),
                                                             opts.MarkPointItem(
                                                                                # type_:特殊标记类型,min,max,average
                                                                                type_='min',
                                                                                symbol='pin',   # 标记图形，默认就好
                                                                                symbol_size=50   # 标记点大小
                                                                                 )
                                                             ],
                                                       ),
                     # 标记线配置项
                     markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_='average',
                                                                             name='平均值'    # 标记名字
                                                                             )
                                                           ],
                                                     label_opts=opts.LabelOpts(color='red'  # 标签数据颜色
                                                                               )
                                                     )
                     )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0426\0426_2.html')

成品图片

4. PyEcharts：使用Faker得到数据

from pyecharts.faker import Faker

print("Faker.choose():\n", Faker.choose(), '\n')   # 随机产生7个同属性的名词
print("Faker.values():\n", Faker.values(), '\n')   # 随机产生7个数字
print("Faker.cars:\n", Faker.cars, '\n')   # 生成7个车名
print("Faker.country:\n", Faker.country, '\n')   # 生成7个国家
print("Faker.visual_color:\n", Faker.visual_color, '\n')   # 生成颜色
print("Faker.days_attrs:\n", Faker.days_attrs, '\n')   # 生成0到29天
print("Faker.days_values:\n", Faker.days_values, '\n')   # 0到29天数据的随机排列
print("Faker.clock:\n", Faker.clock, '\n')   # 时钟的列表
print("Faker.animal:\n", Faker.animal, '\n')   # 生成动物
print("Faker.dogs:\n", Faker.dogs, '\n')   # 生成狗
print("Faker.clothes:\n", Faker.clothes, '\n')   # 生成衣服
print("Faker.guangdong_city:\n", Faker.guangdong_city, '\n')   # 生成广东城市
print("Faker.week:\n", Faker.week, '\n')   # 生成中文星期
print("Faker.week_en:\n", Faker.week_en, '\n')   # 生成英文星期

成品图片：输出结果

 

5. PyEcharts：饼图

from pyecharts.charts import Pie
import pyecharts.options as opts
from pyecharts.faker import Faker
# 饼图
c = (Pie()
     .add('', [list(x) for x in zip(Faker.choose(), Faker.values())])
     .set_colors(['red', 'blue', 'green', 'orange', 'yellow', 'pink', 'black'])
     .set_global_opts(title_opts=opts.TitleOpts(title='设置标签'),
                      legend_opts=opts.LegendOpts(type_='scroll',
                                                  pos_left='80%',
                                                  orient='vertical')
                      )
     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}')
                      )
     )
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_1.html')

成品图片

6. PyEcharts：玫瑰图

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

# 玫瑰图
v = Faker.choose()
c = (Pie()
     .add('', [list(x) for x in zip(v, Faker.values())],
          radius=['30%', '75%'],  # 中间空心白圆的百分比，外边圆的百分比
          center=['30%', '50%'],  # x轴百分比，y轴百分比
          rosetype='radius',
          label_opts=opts.LabelOpts(is_show=False)    # 不显示标签
          )

     .add('', [list(x) for x in zip(v, Faker.values())],
          radius=['20%', '55%'],  # 中间空心白圆的百分比，外边圆的百分比
          center=['75%', '50%'],  # x轴百分比，y轴百分比
          rosetype='area',
          label_opts=opts.LabelOpts(is_show=True)  # 显示标签
          )
     .set_global_opts(title_opts=opts.TitleOpts(title='玫瑰图'))
     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}'))
     )
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_2.html')

成品图片

7. PyEcharts：柱形图

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

# 带动画柱形图
c = (
     Bar(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=5000,  # 动画延时5秒钟
                                                                   animation_easing='elasticOut'  # 弹性动画
                                                                   )
                                 )
         )
     .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='柱形图',
                                                subtitle='我是副标题'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_3.html')

成品图片

8. PyEcharts：堆叠柱形图

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

# 堆叠柱形图
c = (
     Bar()
     .add_xaxis(Faker.choose())
     .add_yaxis('商家A', Faker.values(), stack='abc')
     .add_yaxis('商家B', Faker.values(), stack='abc')
     .set_global_opts(title_opts=opts.TitleOpts(title='堆叠柱形图',
                                                subtitle='我是副标题'),
                      xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),  # 坐标值的旋转
                      datazoom_opts=[opts.DataZoomOpts(),    # x轴拖拉缩放
                                     opts.DataZoomOpts(type_='inside'),  # 用鼠标滚轮进行缩放
                                     ]
                      )
     .set_series_opts(label_opts=opts.LabelOpts(is_show=True)
                      )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_4.html')

成品图片

9. PyEcharts：条形图

from pyecharts.charts import Bar
import pyecharts.options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode

# 条形图
c = (
     Bar()
     .add_xaxis(Faker.choose())
     .add_yaxis('商家A', Faker.values())
     .add_yaxis('商家B', Faker.values())
     .reversal_axis()   # 翻转轴，把轴进行交换
     .set_global_opts(title_opts=opts.TitleOpts(title='条形图'),
                      )
     .set_series_opts(label_opts=opts.LabelOpts(position='right'))

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_5.html')

成品图片

10. PyEcharts：直方图

from pyecharts.charts import Bar
import pyecharts.options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode

# 直方图
c = (
     Bar()
     .add_xaxis(Faker.choose())
     .add_yaxis('商家A', Faker.values(), category_gap=0)  # 单系列柱子间的距离
     .set_global_opts(title_opts=opts.TitleOpts(title='直方图'),
                      )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_6.html')

成品图片

11. PyEcharts：象形柱状图

from pyecharts.charts import PictorialBar
import pyecharts.options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

location = ['山西', '四川', '西藏', '北京', '上海', '内蒙古', '云南', '黑龙江', '广州', '福建']
values = [13, 42, 67, 81, 86, 94, 166, 220, 249, 262]

# 象形柱状图
c = (
    PictorialBar()
    .add_xaxis(location)
    .add_yaxis('',
               values,
               label_opts=opts.LabelOpts(is_show=False),
               symbol_repeat='fixed',  # 重复方式
               symbol_size=16,   # 符号的大小
               is_symbol_clip=True   # 裁剪
               )
    .reversal_axis()
    .set_global_opts(title_opts=opts.TitleOpts(title='象形柱状图'),
                     xaxis_opts=opts.AxisOpts(is_show=False),  # 不显示x轴
                     yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=False),  # 不显示y轴刻度
                                              axisline_opts=opts.AxisLineOpts(is_show=False),  # 不显示y线
                                              )
                     )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0427\0427_8.html')

成品图片

12. PyEcharts：雷达图

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

# 雷达图
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
c = (
    Radar()
    .add_schema(schema=[opts.RadarIndicatorItem(name='项目1', max_=6000),    # 设定雷达坐标的最大值
                        opts.RadarIndicatorItem(name='项目2', max_=16000),
                        opts.RadarIndicatorItem(name='项目3', max_=30000),
                        opts.RadarIndicatorItem(name='项目4', max_=38000),
                        opts.RadarIndicatorItem(name='项目5', max_=60000),
                        opts.RadarIndicatorItem(name='项目6', max_=22000)
                        ]
                )
    .add('数据1', v1, color='red')
    .add('数据2', v2, color='green')
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  # 标签不显示
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0428\0428_1.html')

成品图片

13. PyEcharts：折线图

from pyecharts.charts import Line
import pyecharts.options as opts
from pyecharts.faker import Faker

# 折线图
c = (
    Line(init_opts=opts.InitOpts(width='1000px', height='500px'))
    .add_xaxis(Faker.week)
    .add_yaxis('', [120, 200, 150, 80, 70, 110, 130],
               symbol='triangle',    # 点符号类型:triangle:三角形
               symbol_size=20,       # 点符号大小
               linestyle_opts=opts.LineStyleOpts(color='green',      # 线条样式调整
                                                 width=2,
                                                 type_='dashed',),   # 虚线
               # 标签
               label_opts=opts.LabelOpts(is_show=False),   # 标签不显示

               # 三角形所在点的属性
               itemstyle_opts=opts.ItemStyleOpts(border_width=2,
                                                 border_color='blue',
                                                 color='pink'),
               # 标注点
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='max'),  # 最大值
                                                       opts.MarkPointItem(type_='min'),  # 最小值
                                                       ]),
               # 标注线
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_='average')  # 平均值
                                                     ]),
               tooltip_opts=opts.TooltipOpts(trigger='axis')  # 提示线
               )
    .set_global_opts(title_opts=opts.TitleOpts(title='折线图'),

                     # 提示线
                     tooltip_opts=opts.TooltipOpts(trigger='axis'),
                     yaxis_opts=opts.AxisOpts(type_='value',
                                              splitline_opts=opts.SplitLineOpts(is_show=False)  # y轴网格横线关闭
                                              ),
                     xaxis_opts=opts.AxisOpts(
                                              splitline_opts=opts.SplitLineOpts(is_show=False)  # x轴网格横线关闭
                                              ),


                     )

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0428\0428_2.html')

成品图片

14. PyEcharts：面积图

from pyecharts.charts import Line
import pyecharts.options as opts
from pyecharts.faker import Faker

c = (
    Line()
    .add_xaxis(Faker.week)
    .add_yaxis('广告',
               stack='堆叠',
               y_axis=[820, 932, 901, 934, 1290, 1330, 1320],
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5    # 透明度设置
                                                 ),
               label_opts=opts.LabelOpts(is_show=False)
               )
    .add_yaxis('销售',
               stack='堆叠',
               y_axis=[1000, 950, 950, 980, 290, 330, 320],
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5  # 透明度设置
                                                 ),
               label_opts=opts.LabelOpts(is_show=False)
               )
    .add_yaxis('流量',
               stack='堆叠',
               y_axis=[1000, 950, 950, 980, 290, 330, 320],
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5  # 透明度设置
                                                 ),
               label_opts=opts.LabelOpts(is_show=False)
               )
    .add_yaxis('浏览',
               stack='堆叠',
               y_axis=[1000, 950, 950, 980, 290, 330, 320],
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5  # 透明度设置
                                                 ),
               label_opts=opts.LabelOpts(is_show=False)
               )
    .set_global_opts(title_opts=opts.TitleOpts(title='堆叠面积图'),
                     tooltip_opts=opts.TooltipOpts(trigger='axis'),   # 提示线
                     xaxis_opts=opts.AxisOpts(type_='category',
                                              boundary_gap=False  # 面积图从y轴开始，没有间隙
                                              )
                     )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0428\0428_3.html')

成品图片

15. PyEcharts：散点图

from pyecharts.charts import Scatter
import pyecharts.options as opts
from pyecharts.faker import Faker

data = [
    [10.0, 8.04],
    [8.0, 6.95],
    [13.0, 7.58],
    [9.0, 8.81],
    [11.0, 8.33],
    [14.0, 9.96],
    [6.0, 7.24],
    [4.0, 4.26],
    [12.0, 10.84],
    [7.0, 4.82],
    [5.0, 5.68]
    ]

# 把data中x数据排个顺序
data.sort(key=lambda x: x[0])

x_data = [d[0] for d in data]
y_data = [d[1] for d in data]

c = (
    Scatter(init_opts=opts.InitOpts(width='800px',
                                    height='400px')
            )
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis('', y_axis=y_data,
               symbol_size=20,
               label_opts=opts.LabelOpts(is_show=True, position='top'))
    .set_global_opts(xaxis_opts=opts.AxisOpts(type_='value',
                                              splitline_opts=opts.SplitLineOpts(is_show=True)),
                     yaxis_opts=opts.AxisOpts(type_='value',
                                              splitline_opts=opts.SplitLineOpts(is_show=True)),
                     title_opts=opts.TitleOpts(title='散点图')
                     )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0428\0428_4.html')

成品图片

16. PyEcharts：涟漪散点图

from pyecharts.charts import EffectScatter
import pyecharts.options as opts
from pyecharts.faker import Faker
from pyecharts.globals import SymbolType

c = (
    EffectScatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('',
               Faker.values(),
               symbol=SymbolType.DIAMOND,
               label_opts=opts.LabelOpts(position='top'),
               color='red'
               )
    .set_global_opts(title_opts=opts.TitleOpts(title='涟漪散点图'),
                     xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True)),  # x轴网格线
                     yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True))   # y轴网格线
                     )

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0428\0428_5.html')

成品图片

17. PyEcharts：热力图

from pyecharts.charts import *
import pyecharts.options as opts
from pyecharts.faker import Faker
import random

value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
c = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        '热力图',
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True, position='inside')   # 在内部显示数值
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='热力图'))    # 设置标题
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_1.html')

成品图片

18. PyEcharts：日历图

from pyecharts.charts import *
import pyecharts.options as opts
import random
import datetime

# 2023年
begin = datetime.date(2023, 1, 1)
end = datetime.date(2023, 12, 31)

data = [[str(begin + datetime.timedelta(days=i)), random.randint(1000, 25000)]
        for i in range((end-begin).days + 1)]
c = (
    Calendar()
    .add(
        '',
        data,
        calendar_opts=opts.CalendarOpts(range_='2023',
                                        daylabel_opts=opts.CalendarDayLabelOpts(name_map='cn'),  # 日期中文显示
                                        monthlabel_opts=opts.CalendarMonthLabelOpts(name_map='cn')  # 月份中文显示
                                        )
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='2023年日历图'),  # 设置标题
                     visualmap_opts=opts.VisualMapOpts(max_=25000,
                                                       min_=1000,
                                                       orient='horizontal',  # 水平放置
                                                       is_piecewise=True,   # 显示方式
                                                       pos_left='100px',
                                                       pos_top='230px'
                                                       )
                     )

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_2.html')

成品图片

19. PyEcharts：箱型图

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

v1 = [
      [890, 810, 810, 820, 800, 770, 760, 740, 750, 760, 910, 920],
      [890, 840, 780, 810, 760, 810, 790, 810, 820, 850, 870, 870]
]

v2 = [
      [850, 740, 900, 1070, 930, 850, 950, 980, 980, 880, 1000, 980],
      [960, 940, 960, 940, 880, 800, 850, 880, 900, 840, 830, 790]
]

c = Boxplot()
c.add_xaxis(['demo1', 'demo2'])
c.add_yaxis('A', c.prepare_data(v1))
c.add_yaxis('B', c.prepare_data(v1))

c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_3.html')

成品图片

20. PyEcharts：词云图

from pyecharts.charts import *
import pyecharts.options as opts
from pyecharts.globals import SymbolType
import random
data = [
    ('小猫', random.randint(500, 1000)),
    ('小狗', random.randint(500, 1000)),
    ('小猪', random.randint(500, 1000)),
    ('小鸡', random.randint(500, 1000)),
    ('小鸭', random.randint(500, 1000)),
    ('小脑斧', random.randint(500, 1000)),
    ('小牛', random.randint(500, 1000)),
    ('小马', random.randint(500, 1000)),
    ('小跳蚤', random.randint(500, 1000)),
    ('小蛇', random.randint(500, 1000)),
    ('小羊', random.randint(500, 1000)),
    ('小龙', random.randint(500, 1000)),
    ('小鼠', random.randint(500, 1000)),
    ('小兔子', random.randint(500, 1000)),
    ('小壁虎', random.randint(500, 1000)),
    ('小飞机', random.randint(500, 1000)),
    ('小花', random.randint(500, 1000))
]
c = (
    WordCloud()
    .add(
        '小动物',
        data_pair=data,
        word_size_range=[15, 60],  # 字体大小的范围
        word_gap=5,   # 字之间的间隙
        textstyle_opts=opts.TextStyleOpts(font_family='cursive'  # 字体
                                          )
    )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_4.html')

成品图片

21. PyEcharts：漏斗图

from pyecharts.charts import *
import pyecharts.options as opts
from pyecharts.faker import Faker


c = (
    Funnel(init_opts=opts.InitOpts(width='800px',
                                   height='400px',
                                   )
           )
    .add('漏斗图',
         [list(i) for i in zip(Faker.choose(), Faker.values())],
         gap=2,  # 间隙
         tooltip_opts=opts.TooltipOpts(trigger='item',
                                       formatter='{a} <br/> {b}:{c}'
                                       ),
         label_opts=opts.LabelOpts(is_show=True,
                                   position='inside'  # 标签放置位置
                                   )
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='漏斗图'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_5.html')

成品图片

22. PyEcharts：极坐标图

from pyecharts.charts import *
import pyecharts.options as opts
from pyecharts.faker import Faker
import random

# data = [(i, random.randint(1, 100)) for i in range(101)]
# c = (
#     Polar()
#     .add(
#         '极坐标',
#         data,
#         type_='effectScatter',  # 散点图
#         # label_opts=opts.LabelOpts(is_show=False)
#         effect_opts=opts.EffectOpts(scale=10,  # 涟漪的范围大小
#                                     period=5,  # 动画的速度,动画周期
#                                     )
#     )
#     .set_global_opts(title_opts=opts.TitleOpts(title='极坐标涟漪散点图'))
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_6.html')

# c = (
#     Polar()
#     .add_schema(radiusaxis_opts=opts.RadiusAxisOpts(data=Faker.week,
#                                                     type_='category',   # 分类
#                                                     ),
#                 angleaxis_opts=opts.AngleAxisOpts(is_clockwise=True,
#                                                   max_=10
#                                                   )
#                 )
#     .add('商品',
#          [1, 2, 3, 4, 3, 5, 1],
#          type_='bar',  # 散点图
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title='极坐标柱状图图'))
# 
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_7.html')


c = (
    Polar()
    # 按照半径堆叠
    # .add_schema(radiusaxis_opts=opts.RadiusAxisOpts(data=Faker.week,
    #                                                 type_='category',   # 分类
    #                                                 ),
    # 按照角度堆叠
    .add_schema(angleaxis_opts=opts.AngleAxisOpts(data=Faker.week,
                                                  type_='category',  # 分类
                                                  ),

                )
    .add('商品A',
         [1, 2, 3, 4, 3, 5, 1],
         type_='bar',  # 散点图
         stack='abc'
         )
    .add('商品B',
         [2, 2, 4, 4, 8, 6, 3],
         type_='bar',  # 散点图
         stack='abc'
         )
    .add('商品C',
         [5, 2, 3, 4, 6, 1, 3],
         type_='bar',  # 散点图
         stack='abc'
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='极坐标堆叠图'))

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_8.html')

成品图片

23. PyEcharts：水球图

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.globals import SymbolType

c = (
    Liquid(init_opts=opts.InitOpts(width='400px',
                                   height='400px',
                                   )
           )
    .add('',
         [0.6, 0.3],  # 有两层波浪，对应的比例分别是0.6,0.3
         is_outline_show=True,  # 显示外边框
         shape=SymbolType.DIAMOND,  # 菱形形状
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='水球图'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_9.html')

成品图片

24. PyEcharts：桑基图

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

nodes = [
    {'name': 'c1'},
    {'name': 'c2'},
    {'name': 'c3'},
    {'name': 'c4'},
    {'name': 'c5'},
    {'name': 'c6'},
    {'name': 'c7'}
]

links = [{'source': 'c1', 'target': 'c2', 'value': 10},
         {'source': 'c2', 'target': 'c3', 'value': 20},
         {'source': 'c3', 'target': 'c4', 'value': 30},
         {'source': 'c5', 'target': 'c6', 'value': 40},
         {'source': 'c6', 'target': 'c7', 'value': 50},
         {'source': 'c7', 'target': 'c1', 'value': 60},
         ]

c = (
    Sankey()
    .add('',
         nodes,  # 所有节点
         links,  # 节点之间的连接关系
         linestyle_opt=opts.LineStyleOpts(opacity=0.2,  # 透明度
                                          curve=0.6,    # 曲线幅度0-1
                                          color='red'
                                          ),
         label_opts=opts.LabelOpts(position='right')
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='桑基图'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_10.html')

成品图片

25. PyEcharts：旭日图

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


data = [

    {
        "name": "Fruity",
        "itemStyle": {"color": "#da1d23"},
        "children": [
            {
                "name": "Berry",
                "itemStyle": {"color": "#dd4c51"},
                "children": [
                    {
                        "name": "Blackberry",
                        "value": 1,
                        "itemStyle": {"color": "#3e0317"},
                    },
                    {
                        "name": "Raspberry",
                        "value": 1,
                        "itemStyle": {"color": "#e62969"},
                    },
                    {
                        "name": "Blueberry",
                        "value": 1,
                        "itemStyle": {"color": "#6569b0"},
                    },
                    {
                        "name": "Strawberry",
                        "value": 1,
                        "itemStyle": {"color": "#ef2d36"},
                    },
                ],
            },
            {
                "name": "Dried Fruit",
                "itemStyle": {"color": "#c94a44"},
                "children": [
                    {"name": "Raisin", "value": 1, "itemStyle": {"color": "#b53b54"}},
                    {"name": "Prune", "value": 1, "itemStyle": {"color": "#a5446f"}},
                ],
            },
            {
                "name": "Other Fruit",
                "itemStyle": {"color": "#dd4c51"},
                "children": [
                    {"name": "Coconut", "value": 1, "itemStyle": {"color": "#f2684b"}},
                    {"name": "Cherry", "value": 1, "itemStyle": {"color": "#e73451"}},
                    {
                        "name": "Pomegranate",
                        "value": 1,
                        "itemStyle": {"color": "#e65656"},
                    },
                    {
                        "name": "Pineapple",
                        "value": 1,
                        "itemStyle": {"color": "#f89a1c"},
                    },
                    {"name": "Grape", "value": 1, "itemStyle": {"color": "#aeb92c"}},
                    {"name": "Apple", "value": 1, "itemStyle": {"color": "#4eb849"}},
                    {"name": "Peach", "value": 1, "itemStyle": {"color": "#f68a5c"}},
                    {"name": "Pear", "value": 1, "itemStyle": {"color": "#baa635"}},
                ],
            },
            {
                "name": "Citrus Fruit",
                "itemStyle": {"color": "#f7a128"},
                "children": [
                    {
                        "name": "Grapefruit",
                        "value": 1,
                        "itemStyle": {"color": "#f26355"},
                    },
                    {"name": "Orange", "value": 1, "itemStyle": {"color": "#e2631e"}},
                    {"name": "Lemon", "value": 1, "itemStyle": {"color": "#fde404"}},
                    {"name": "Lime", "value": 1, "itemStyle": {"color": "#7eb138"}},
                ],
            },
        ],
    },

    {
        "name": "Green/\nVegetative",
        "itemStyle": {"color": "#187a2f"},
        "children": [
            {"name": "Olive Oil", "value": 1, "itemStyle": {"color": "#a2b029"}},
            {"name": "Raw", "value": 1, "itemStyle": {"color": "#718933"}},
            {
                "name": "Green/\nVegetative",
                "itemStyle": {"color": "#3aa255"},
                "children": [
                    {
                        "name": "Under-ripe",
                        "value": 1,
                        "itemStyle": {"color": "#a2bb2b"},
                    },
                    {"name": "Peapod", "value": 1, "itemStyle": {"color": "#62aa3c"}},
                    {"name": "Fresh", "value": 1, "itemStyle": {"color": "#03a653"}},
                    {
                        "name": "Dark Green",
                        "value": 1,
                        "itemStyle": {"color": "#038549"},
                    },
                    {
                        "name": "Vegetative",
                        "value": 1,
                        "itemStyle": {"color": "#28b44b"},
                    },
                    {"name": "Hay-like", "value": 1, "itemStyle": {"color": "#a3a830"}},
                    {
                        "name": "Herb-like",
                        "value": 1,
                        "itemStyle": {"color": "#7ac141"},
                    },
                ],
            },
            {"name": "Beany", "value": 1, "itemStyle": {"color": "#5e9a80"}},
        ],
    },
]

c = (
    Sunburst(init_opts=opts.InitOpts(width="1000px", height="600px"))
    .add(
        "",
        data_pair=data,
        highlight_policy="ancestor",
        radius=[0, "95%"],
        sort_="null",
        levels=[{},
                {
                    "r0": "15%",
                    "r": "35%",
                    "itemStyle": {"borderWidth": 2},
                    "label": {"rotate": "tangential"},
                },

                {"r0": "35%", "r": "70%", "label": {"align": "right"}},

                {
                    "r0": "70%",
                    "r": "72%",
                    "label": {"position": "outside", "padding": 3, "silent": False},
                    "itemStyle": {"borderWidth": 3},
                },

                ],
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="Sunburst-官方示例"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}"))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_11.html')

成品图片

26. PyEcharts：仪表盘

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


c = (
    Gauge()
    .add('指标',
         data_pair=[('', '66')],
         radius='40%',   # 仪表盘整体大小
         )
    .set_global_opts(title_opts=opts.TitleOpts(title="仪表盘"))

)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0430\0430_12.html')

成品图片

27. PyEcharts：树图

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

data = [
    {
        'children': [
            {'name': '叔叔'},
            {
                'name': '伯伯',
                'children': [{'name': '小红'}],
            },
            {
                'name': '父亲',
                'children': [{'name': '我'},
                             {'name': '姐姐'}
                             ]
            }
        ],
        'name': '祖父母'
    }
]

c = (
    Tree()
    .add('', data)
    .set_global_opts(title_opts=opts.TitleOpts(title='树图'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_1.html')

成品图片

28. PyEcharts：矩形树图

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


data = [{'value': 40, 'name': '伯伯', 'children': [{'value': 76,
                                                     'name': '她',
                                                     'children': [{'value': 12, 'name': '大儿子'},
                                                                  {'value': 28, 'name': '二儿子'},
                                                                  {'value': 20, 'name': '三女儿'},
                                                                  {'value': 16, 'name': '四女儿'},]
                                                     }
                                                    ]
         },
        {'value': 180, 'name': '父亲', 'children': [{'value': 76,
                                                     'name': '我',
                                                     'children': [{'value': 12, 'name': '大儿子'},
                                                                  {'value': 28, 'name': '二儿子'},
                                                                  {'value': 20, 'name': '三女儿'},
                                                                  {'value': 16, 'name': '四女儿'},]
                                                     }
                                                    ]
         }
        ]
c = (
    TreeMap()
    .add('', data)
    .set_global_opts(title_opts=opts.TitleOpts(title='矩形树图'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_2.html')

成品图片

39. PyEcharts：关系图

# from pyecharts.charts import *
# from pyecharts import options as opts


# nodes = [
#     {"name": "结点1", "symbolSize": 10},
#     {"name": "结点2", "symbolSize": 20},
#     {"name": "结点3", "symbolSize": 30},
#     {"name": "结点4", "symbolSize": 40},
#     {"name": "结点5", "symbolSize": 50},
#     {"name": "结点6", "symbolSize": 40},
#     {"name": "结点7", "symbolSize": 30},
#     {"name": "结点8", "symbolSize": 20},
# ]
# links = []
# for i in nodes:
#     for j in nodes:
#         links.append({"source": i.get("name"), "target": j.get("name")})
# c = (
#     Graph()
#     .add("",
#          nodes,
#          links,
#          repulsion=8000,   # 排斥力，越大分的越开
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title="关系图"))
# )
#
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_3.html')


# nodes_data = [
#     opts.GraphNode(name='node1', symbol_size=10),
#     opts.GraphNode(name='node2', symbol_size=20),
#     opts.GraphNode(name='node3', symbol_size=30),
#     opts.GraphNode(name='node4', symbol_size=40),
#     opts.GraphNode(name='node5', symbol_size=50),
#     opts.GraphNode(name='node6', symbol_size=60),
# ]
#
# links_data = [
#     opts.GraphLink(source='node1', target='node2', value=2),
#     opts.GraphLink(source='node2', target='node3', value=3),
#     opts.GraphLink(source='node3', target='node4', value=4),
#     opts.GraphLink(source='node4', target='node5', value=5),
#     opts.GraphLink(source='node5', target='node6', value=6),
#     opts.GraphLink(source='node6', target='node1', value=7),
# ]
#
# c = (
#     Graph()
#     .add("",
#          nodes_data,
#          links_data,
#          repulsion=8000,   # 排斥力，越大分的越开
#
#          #
#          edge_label=opts.LabelOpts(is_show=True, position='middle', formatter='{b}的数据：{c}')
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title="关系图"))
# )
#
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_4.html')

import json

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


with open("les-miserables.json", "r", encoding="utf-8") as f:
    j = json.load(f)
    nodes = j["nodes"]
    links = j["links"]
    categories = j["categories"]

c = (
    Graph(init_opts=opts.InitOpts(width="1000px", height="600px"))
    .add(
        "",
        nodes=nodes,
        links=links,
        categories=categories,
        layout="circular",   # 布局方式：圆
        is_rotate_label=True,  # 旋转标签
        linestyle_opts=opts.LineStyleOpts(color="source",  # 使用节点颜色
                                          curve=0.3  # 线的弯曲程度
                                          ),
        label_opts=opts.LabelOpts(position="right"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="关系图"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_left="2%", pos_top="20%"),
    )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_5.html')

成品图片

 

 

30. PyEcharts：K线图

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

data = [
    #  开盘价，收盘价，最低价，最高价
    [2320.26, 2320.26, 2287.3, 2362.94],
    [2300, 2291.3, 2288.26, 2308.38],
    [2295.35, 2346.5, 2295.35, 2345.92],
    [2347.22, 2358.98, 2337.35, 2363.8],
    [2360.75, 2382.48, 2347.89, 2383.76],
    [2383.43, 2385.42, 2371.23, 2391.82],
    [2377.41, 2419.02, 2369.57, 2421.15],
    [2425.92, 2428.15, 2417.58, 2440.38],
    [2411, 2433.13, 2403.3, 2437.42],
    [2432.68, 2334.48, 2427.7, 2441.73],
    [2430.69, 2418.53, 2394.22, 2433.89],
    [2416.62, 2432.4, 2414.4, 2443.03],
    [2441.91, 2421.56, 2418.43, 2444.8],
    [2420.26, 2382.91, 2373.53, 2427.07],
    [2383.49, 2397.18, 2370.61, 2397.94],
    [2378.82, 2325.95, 2309.17, 2378.82],
    [2322.94, 2314.16, 2308.76, 2330.88],
    [2320.62, 2325.82, 2315.01, 2338.78],
    [2313.74, 2293.34, 2289.89, 2340.71],
    [2297.77, 2313.22, 2292.03, 2324.63],
    [2322.32, 2365.59, 2308.92, 2366.16],
    [2364.54, 2359.51, 2330.86, 2369.65],
    [2332.08, 2273.4, 2259.25, 2333.54],
    [2274.81, 2326.31, 2270.1, 2328.14],
    [2333.61, 2347.18, 2321.6, 2351.44],
    [2340.44, 2324.29, 2304.27, 2352.02],
    [2326.42, 2318.61, 2314.59, 2333.67],
    [2314.68, 2310.59, 2296.58, 2320.96],
    [2309.16, 2286.6, 2264.83, 2333.29],
    [2282.17, 2263.97, 2253.25, 2286.33],
    [2255.77, 2270.28, 2253.31, 2276.22],
]


c = (
    Kline()
    .add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)])
    .add_yaxis(
        "K线图",
        data,
        itemstyle_opts=opts.ItemStyleOpts(
            color="#ec0000",
            color0="#00da3c",
            border_color="#8A0000",
            border_color0="#008F28",
        ),
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts(type_="inside")],
        title_opts=opts.TitleOpts(title="K线图"),
    )
)
#  开盘价，收盘价，最低价，最高价
# 阳线：红色，收盘价>=开盘价
# 阴线：收盘价<=开盘价

c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_6.html')

成品图片

31. PyEcharts：地图

from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.faker import Faker
from pyecharts.faker import POPULATION


# provinces = Faker.provinces
# c = (
#     Map()
#     .add('',
#          [list(i) for i in zip(provinces, Faker.values())],
#          'china',  # 地图类型
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title='中国地图'),
#                      visualmap_opts=opts.VisualMapOpts(max_=200,
#                                                        is_piecewise=True
#                                                        )
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_7.html')

# city = Faker.guangdong_city
# c = (
#     Map()
#     .add('',
#          [list(i) for i in zip(city, Faker.values())],
#          '广东',  # 地图类型
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title='广东地图'),
#                      visualmap_opts=opts.VisualMapOpts(max_=200,
#                                                        is_piecewise=True
#                                                        )
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_8.html')


# c = (
#     Map()
#     .add('',
#          [list(i) for i in zip(Faker.country, Faker.values())],
#          'world',  # 地图类型
#          )
#     .set_global_opts(title_opts=opts.TitleOpts(title='世界地图'),
#                      visualmap_opts=opts.VisualMapOpts(max_=200,
#                                                        is_piecewise=True
#                                                        )
#                      )
#     .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_9.html')

data = [x for _, x in POPULATION[1:]]  # 人口数据
low, height = min(data), max(data)
c = (
    MapGlobe()
    .add_schema()
    .add(series_name='世界人口',
         maptype='world',  # 地图类型
         data_pair=POPULATION[1:],  # 人口数据
         is_map_symbol_show=False,  # 地图中各个国家的符号是否显示
         label_opts=opts.LabelOpts(is_show=True)  # 国家名称是否显示
         )
    .set_global_opts(title_opts=opts.TitleOpts(title='地球'),
                     visualmap_opts=opts.VisualMapOpts(max_=height,
                                                       min_=low,
                                                       is_piecewise=True,
                                                       range_text=['Max', 'Min'],
                                                       is_calculable=True,
                                                       range_color=['lightskyblue', 'yellow', 'orange']
                                                       )
                     )
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_10.html')

成品图片

32. PyEcharts：地理坐标图

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.faker import Faker
from pyecharts.globals import ChartType, SymbolType

# c = (
#     Geo()
#     .add_schema(maptype='china')
#     .add(
#         'geo',
#         [list(i) for i in zip(Faker.provinces, Faker.values())],
#         # type_=ChartType.EFFECT_SCATTER  # 涟漪散点图
#         type_=ChartType.HEATMAP  # 热力图
#
#     )
#     .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
#     .set_global_opts(title_opts=opts.TitleOpts(title='GEO + 涟漪散点/热力图'),
#                      visualmap_opts=opts.VisualMapOpts())
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_11.html')


c = (
    Geo()
    .add_schema(maptype='china')
    .add(
        'geo',
        [('广州', 50), ('北京', 60), ('杭州', 70), ('重庆', 80)],
        # type_=ChartType.EFFECT_SCATTER  # 涟漪散点图
        type_=ChartType.EFFECT_SCATTER,  # 涟漪散点图
        color='pink'

    )
    .add('',
         [('广州', '上海'), ('广州', '北京'), ('广州', '杭州'), ('广州', '重庆')],
         type_=ChartType.LINES,  # 线连起来
         # 箭头
         effect_opts=opts.EffectOpts(symbol=SymbolType.ARROW,
                                     symbol_size=6,
                                     color='green'),
         linestyle_opts=opts.LineStyleOpts(curve=0.2)  # 有一个弯曲
         )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title='GEO'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0501\0501_12.html')

成品图片

33. PyEcharts：3D折线图

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.faker import Faker
import numpy as np
import math

data = []
for t in range(0, 25000):
    _t = t/1000
    x = (1 + 0.25 * math.cos(75 * _t)) * math.cos(_t)
    y = (1 + 0.25 * math.cos(75 * _t)) * math.sin(_t)
    z = _t + 2 * math.sin(75 * _t)
    data.append([x, y, z])
# print(np.array(data).shape)  # 查看列表的维度

c = (
    Line3D()
    .add('',
         data,
         xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_='value'),
         yaxis3d_opts=opts.Axis3DOpts(Faker.week, type_='value'),
         grid3d_opts=opts.Grid3DOpts(width=100,  # 宽度
                                     depth=100,  # 深度
                                     rotate_speed=150,  # 旋转速度
                                     # is_rotate=True,    # 是否自动旋转
                                     )
         )
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(min_=0,  # 视觉映射最小值
                                                       max_=30,  # 视觉映射最大值
                                                       range_color=Faker.visual_color  # 颜色范围
                                                       )
                     )
)

c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_1.html')

成品图片

34. PyEcharts：3D柱状图

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.faker import Faker
import random

# data = [(i, j, random.randint(0, 12)) for i in range(0, 5) for j in range(24)]
#
# c = (
#     Bar3D()
#     .add('柱状图',
#          [[d[1], d[0], d[2]] for d in data],
#          xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_='category'),   # 离散数据用'category'
#          yaxis3d_opts=opts.Axis3DOpts(Faker.week, type_='category'),
#          zaxis3d_opts=opts.Axis3DOpts(type_='value'),
#          )
#     .set_global_opts(visualmap_opts=opts.VisualMapOpts(max_=15,  # 视觉映射最大值
#                                                        )
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_2.html')

x_data = y_data = list(range(0, 9))


def generate_data():   # 调用数据的函数，每次运行数据都不一样
    data = []
    for j in range(10):
        for k in range(10):
            value = random.randint(0, 9)
            data.append([j, k, value * 2 + 4])
    return data


bar3d = Bar3D()
for _ in range(10):  # 用_接收数据，但是不使用这个变量
    bar3d.add('',
              generate_data(),
              shading='lambert',  # 更清晰
              xaxis3d_opts=opts.Axis3DOpts(x_data, type_='value'),   # 连续数据用'value'
              yaxis3d_opts=opts.Axis3DOpts(y_data, type_='value'),
              zaxis3d_opts=opts.Axis3DOpts(type_='value'),
              )
bar3d.set_global_opts(title_opts=opts.TitleOpts(title='3D堆叠柱状图'))
bar3d.set_series_opts(stack='abc')   # 堆叠
bar3d.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_3.html')

成品图片

35. PyEcharts：时间轮播多图

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.faker import Faker

x = Faker.choose()
tl = Timeline()
for i in range(2020, 2025):
    bar = (
        Bar()
        .add_xaxis(x)
        .add_yaxis('A', Faker.values())
        .add_yaxis('B', Faker.values())
        .set_global_opts(title_opts=opts.TitleOpts(title='某商家第{}年的营业额'.format(i))
                         )
    )
    tl.add(bar, '{}年'.format(i))
tl.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_4.html')

# attr = Faker.choose()
# tl = Timeline()
#
# for i in range(2020, 2025):
#     pie = (
#         Pie()
#         .add('',
#              [list(z) for z in zip(attr, Faker.values())],
#              rosetype='radius',  # 玫瑰图
#              radius=['30%', '55%']
#              )
#         .set_global_opts(title_opts=opts.TitleOpts(title='某商家第{}年的营业额'.format(i))
#                          )
#     )
#     tl.add(pie, '{}年'.format(i))
# tl.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_5.html')

成品图片

36. PyEcharts：多图布局

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.faker import Faker

line = (
    Line()
    .add_xaxis(Faker.choose())
    .add_yaxis('A', Faker.values())
    .add_yaxis('B', Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title='折线图', pos_left='5%'),  # 调控标题的位置
                     legend_opts=opts.LegendOpts(pos_left='20%'),  # 调控AB的位置
                     )
)

scatter = (
    Scatter()
    .add_xaxis(Faker.choose())
    .add_yaxis('C', Faker.values())
    .add_yaxis('D', Faker.values())
    .set_global_opts(title_opts=opts.TitleOpts(title='散点图', pos_right='40%'),  # 调控标题的位置),
                     legend_opts=opts.LegendOpts(pos_right='20%'),  # 调控CD的位置
                     )
)

# 多图布局
grid = (
    Grid()
    .add(line, grid_opts=opts.GridOpts(pos_right='55%'))
    .add(scatter, grid_opts=opts.GridOpts(pos_left='55%'))
)
grid.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_6.html')

成品图片

37. PyEcharts：天猫订单数据可视化

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

data = pd.read_csv('tmall_order_report.csv')
print(data.info(), '\n')   # 返回表格的基本信息
print(data.columns, '\n')  # 查看类名

# ----------------------------各个省份的订单量--------------------------------

# 去除列明中的空格
data.columns = data.columns.str.strip()   # str.strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列
print(data.columns, '\n')  # 查看类名

# 重复值查看
print(data.duplicated().sum(), '\n')   # False对应值为0

# 缺失值查看
print(data.isnull().sum(), '\n')

# 各省份的订单量
data.head()
print(data.收货地址.value_counts(), '\n')   # 查看各省分的订单量


def province_map(p):
    if p in ['北京', '天津', '上海', '重庆']:
        return p + '市'
    return p


data.收货地址 = data.收货地址.map(province_map)
print(data.收货地址.value_counts(), '\n')   # 查看各省分的订单量

result_1 = data.订单付款时间.notnull()  # 查看订单付款时间不为空的数据
data = data[result_1]  # 过滤掉（删掉）没有付款的数据
print(data, '\n')

# 统计各个省份的订单量
result = data.groupby('收货地址')[['订单编号']].count()  # 根据收货地址分组
print(result, '\n')

result_2 = result.to_dict()['订单编号']   # 变成字典结构

result_2 = [*result_2.items()]   # 变成列表，用list也行
print(result_2, '\n')

# c = (
#     Map()
#     .add('各个省份的订单量',
#          result_2,
#          'china',
#          is_map_symbol_show=False
#          )
#     .set_series_opts(label_opts=opts.LabelOpts(is_show=True))
#     .set_global_opts(title_opts=opts.TitleOpts(title='各个省份的订单量'),
#                      visualmap_opts=opts.VisualMapOpts(max_=2000)
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_7.html')

# ----------------------------每一天的订单量--------------------------------

# 订单创建时间和订单付款时间首先都变成时间类型
data.订单创建时间 = pd.to_datetime(data.订单创建时间)
data.订单付款时间 = pd.to_datetime(data.订单付款时间)

# 每天订单量统计可视化
order_add_time = data.订单创建时间.map(lambda x: x.strftime('%Y-%m-%d'))  # 更改时间的格式
print(order_add_time, '\n')

# 按照订单的创建时间来进行分组，得到每一天的订单量
result_3 = data.groupby(order_add_time).agg({'订单编号': 'count'}).to_dict()['订单编号']
print(result_3, '\n')

# c = (
#     Line()
#     .add_xaxis(list(result_3.keys()))
#     .add_yaxis('订单量',
#                list(result_3.values())
#                )
#     .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
#                      markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='max')])
#                      )
#     .set_global_opts(title_opts=opts.TitleOpts(title='每一天的订单量'),
#                      visualmap_opts=opts.VisualMapOpts(max_=2000)
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_8.html')

# ----------------------------每小时的订单量--------------------------------
order_add_time2 = data.订单创建时间.map(lambda x: x.strftime('%H'))
print(order_add_time2.value_counts(), '\n')

result_4 = data.groupby(order_add_time2).agg({'订单编号': 'count'}).to_dict()['订单编号']
print(result_4, '\n')

c = (
    Bar()
    .add_xaxis(list(result_4.keys()))
    .add_yaxis('订单量',
               list(result_4.values())
               )
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False),
                     markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='max')])
                     )
    .set_global_opts(title_opts=opts.TitleOpts(title='每小时的订单量'),
                     visualmap_opts=opts.VisualMapOpts(max_=2000)
                     )
    )
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0505\0505_9.html')

成品图片

38. PyEcharts：双十一销售数据可视化

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

# update_time:更新时间
# id:编号
# title:商品标题
# price:价格
# sale_count:销售量
# comment_count:评论数量
# 店名:店铺名称

data = pd.read_csv('double11beautysales.csv')
print('data.head():', data.head(), '\n')
print('data.shape:', data.shape, '\n')
print('data.info():', data.info(), '\n')

# 重复值处理
print('data.duplicated():', data.duplicated(), '\n')
print('data.duplicated().sum():', data.duplicated().sum(), '\n')  # 86条数据重复了
data.drop_duplicates(inplace=True)  # 删除重复值，但是删除之后，最前方的编号不会是连续的，直接跳过删除的
data.reset_index(drop=True, inplace=True)  # 重置索引
print('data.duplicated().sum():', data.duplicated().sum(), '\n')  # 0条数据重复了

# 缺失值处理
print('data.isnull():', data.isnull(), '\n')
print('data.isnull().sum():', data.isnull().sum(), '\n')
data.fillna(0, inplace=True)
print('data.isnull().sum():', data.isnull().sum(), '\n')

# 时间序列分析
data.update_time = pd.to_datetime(data.update_time).map(lambda x: x.strftime('%Y-%m-%d'))

# 加一列数据，销售额
data['sale_amount'] = data.price * data.sale_count

# 按照销量排序
# data[data.sale_count > 0].sort_values(by=['sale_count'])

# 每天销售额统计分析
result = data.groupby('update_time').agg({'sale_count': 'sum'}).to_dict()['sale_count']
print('result:', result, '\n')

# c = (
#     Line()
#     .add_xaxis(list(result.keys()))
#     .add_yaxis('销量', list(result.values()))
#     .set_global_opts(title_opts=opts.TitleOpts(title='每一天的销售量'))
#     .set_series_opts(areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
#                      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')
#                                                              ]
#                                                        )
#                      )
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0512\0512_1.html')


# 时间升序
times = list(data.update_time.unique())
times.reverse()
print('times:', times, '\n')

# 时间轮播图
tl = Timeline()
tl.add_schema(
    is_auto_play=True,  # 是否自动播放
    is_loop_play=True,  # 是否循环播放
    play_interval=2000  # 每隔两秒钟
)
for dt in times:
    item = data[data.update_time <= dt].groupby('店名'). \
               agg({'sale_count': 'sum', 'sale_amount': 'sum'}) \
               .sort_values(by='sale_count', ascending=False)[:10] \
               .sort_values(by='sale_count') \
               .to_dict()
    # print(item)

#     bar = (
#         Bar()
#         .add_xaxis(list(item['sale_count'].keys()))
#         .add_yaxis('销售量',
#                    [round(val/1000000, 1) for val in item['sale_count'].values()],
#                    label_opts=opts.LabelOpts(position='right',
#                                              formatter='{@[1]/}百万件')
#                    )
#         .add_yaxis('销售额',
#                    [round(val / 100000000, 1) for val in item['sale_amount'].values()],
#                    label_opts=opts.LabelOpts(position='right',
#                                              formatter='{@[1]/}亿元')
#                    )
#         .reversal_axis()  # 条形图
#         .set_global_opts(title_opts=opts.TitleOpts(title='累计销售量Top10'))
#
#     )
#     tl.add(bar, dt)
# tl.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0512\0512_2.html')

item = data.groupby('店名'). \
               agg({'sale_count': 'sum'}) \
               .sort_values(by='sale_count', ascending=False)[:10] \
               .to_dict()['sale_count']
item = {k: round(v/10000, 1) for k, v in item.items()}

# c = (
#     Pie()
#     .add('销售量',
#          list(item.items()),)
#     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} k({d})%'))
# )
# c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0512\0512_3.html')

# 价格排序
item = data.groupby('店名'). \
               agg({'price': 'mean'}) \
               .sort_values(by='price', ascending=True)[:20] \
               .to_dict()['price']

c = (
    Bar()
    .add_xaxis(list(item.keys()))
    .add_yaxis('价格',
               [round(v, 2) for v in item.values()],
               label_opts=opts.LabelOpts(position='right'))
    .reversal_axis()
    .set_global_opts(title_opts=opts.TitleOpts(title='各店铺的平局价格Top20'))
)
c.render(r'D:\PyEcharts\PyEcharts-课程资料\绘制图片\0512\0512_4.html')

成品图片