pyecharts图形使用指南

写在前面

文章重新写了，因为大部分的示例在
https://gallery.pyecharts.org/#/README
都可以找到，所以优先去官网查吧，我只放一些自己在官网找不到的。

安装pyecharts我就不说了，就说一句如果是内网使用之前先想办法自行下载echarts.min.js文件到内网，然后在Bar(init_opts=opts.InitOpts(js_host=“C:\xxx\”))#这里路径为echarts.min.js所在文件夹即可，后面不再写了。

三维数据气泡图

我的诉求是一个三维数据，横坐标、纵坐标、气泡的大小分别是三组不同的数据，找了全网都没有找到我想要的气泡图，用AI写出来的代码也是完全不顶用，终于在https://gallery.pyecharts.org/#/Dataset/dataset_bar_1找到了一点端倪，然后改了一下。

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


c = (
    Scatter()
    .add_dataset(
        source=[
            ["金额", "时间", "价格"],
            [300, "2023/3/31", 6.8612],
            [300, "2023/3/31", 6.8562],
            [500, "2023/4/7", 6.8707],
            [250, "2023/4/14", 6.8521],
            [300, "2023/4/14", 6.8386],
            [300, "2023/4/14", 6.8501],
            [150, "2023/4/17", 6.8717],
            [300, "2023/4/17", 6.8713],
            [300, "2023/7/14", 7.1378],
            [300, "2023/7/25", 7.1449],
            [200, "2023/11/7", 7.288],
            [200, "2023/11/7", 7.288],
            [200, "2023/11/17", 7.2403],
            [200, "2023/11/17", 7.2428],
        ]
    )
    .add_yaxis(
        series_name="交易（元）",
        y_axis=[],
        encode={"x": "时间", "y": "价格"},
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(type_="time"),#注意是time不是datetime
        yaxis_opts=opts.AxisOpts(type_="category"),
        visualmap_opts=opts.VisualMapOpts(
            type_="size",
            min_=150,
            max_=500,
            dimension=0,
            pos_left="right",
        ),
    )
)
c.render_notebook()

三维气泡图qstock

最近找到一个很好用的三维气泡图的库，应该是市面上最好用的气泡图了，其他的图因为无法编辑参数和叠加被我放弃了，有兴趣的可以自己去qstock的公众号自己看https://mp.weixin.qq.com/s/zmY4gsPDQ6xDDpC-fVBUPg，话不多说上代码。

import pandas as pd

data = pd.read_excel("D:\\XXX\\XX情况.xlsx")

from qstock import plot
import qstock as qs

plot.scatter(data, x="时间", y="价格", size="金额", title="2022-2023年交易（万元）",)

scatter(data=None, x=None, y=None, title=None, color=None,
size=None,trend=None, legend=True, marginal_x=None, marginal_y=None)
参数说明：
color根据不同类型显示不同颜色；
size根据值大小显示散点图的大小；
trend='ols’添加回归拟合线；
marginal_x=‘violin’,添加小提琴图；
marginal_y= ‘box’，添加箱线图。

标签显示百分比

这个百分比的显示也让我一顿好找，文档都太不友好了。

import pandas as pd

df = pd.read_excel("D:\\预算执行情况.xlsx", sheet_name="预算执行表")

df1 = df.fillna(0)
tb1 = df1.pivot_table(
    index="大类",
    values=[
        "01月差异率",
        "02月差异率",
        "03月差异率",
        "04月差异率",
        "05月差异率",
        "06月差异率",
        "07月差异率",
        "08月差异率",
        "09月差异率",
        "10月差异率",
        "11月差异率",
    ],
    aggfunc="sum",
).T

import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.commons.utils import JsCode

c = (
    Line()
    .add_xaxis(tb1.index.to_list())
    .add_yaxis("经营类小计", tb1["经营类小计"].round(4), is_step=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="经营类整体预算差异"))
    .set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter=JsCode(
                "function(x){return Number(x.data[1] * 100).toFixed() + '%';}"
            ),
        )
    )

)

c.render_notebook()

柱状图和线图的组合，并且实现正负值显示不用的颜色

算是一个比较综合的图了，基本上满足常规的数据需要，这种柱状和线图的组合还是挺常用的，为什么excel里就这么简单就出来了呢？就很无语。

import pandas as pd

df = pd.read_excel("D:\\预算执行情况.xlsx", sheet_name="预算执行表")

df1 = df.fillna(0)
tb1 = df1.pivot_table(
    index="大类",
    values=[
        "01月差异",
        "02月差异",
        "03月差异",
        "04月差异",
        "05月差异",
        "06月差异",
        "07月差异",
        "08月差异",
        "09月差异",
        "10月差异",
        "11月差异",
    ],
    aggfunc="sum",
).T

import pyecharts.options as opts
from pyecharts.charts import Line, Bar
from pyecharts.commons.utils import JsCode

color_function = """
        function (params) {
            if (params.value < 0) {
                return 'rgb(97, 160, 168, 0.7)';
            } else if (params.value > 0) {
                return 'rgb(194, 53, 49, 0.7)';
            }
            return 'rgb(97, 160, 168, 0.7)';
        }
        """


line = (
    Line()
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            is_scale="True",
        ),
        legend_opts=opts.LegendOpts(
            pos_top="bottom",
        ),  # 图例置底，图例的
    )
    .add_xaxis(xaxis_data=tb1.index.to_list())
    .add_yaxis(
        series_name="经营类收入差异",
        y_axis=tb1["经营类收入"].round(0),
        label_opts=opts.LabelOpts(is_show=True),
    )
    .add_yaxis(
        series_name="经营类支出差异",
        y_axis=-tb1["经营类支出"].round(0),
        label_opts=opts.LabelOpts(is_show=True),
    )
)

bar = (
    Bar()
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(
            type_="value",
            is_scale="True",
        ),
        legend_opts=opts.LegendOpts(
            pos_top="bottom",
        ),  # 图例置底，图例的
    )
    .add_xaxis(tb1.index.to_list())
    .add_yaxis(
        series_name="经营类合计差异",
        y_axis=tb1["经营类小计"].round(0).tolist(),
        itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_function)),
    )
)

overlap = line.overlap(bar)

overlap.render_notebook()