legend位置 pyecharts_pyecharts总结之快速上手

最近在开发股票可视化案例，使用pyecharts可视化工具比较多，主要有下面几个感受和大家分享下：

1.对于刚学习可视化或者转行数据分析工作的同学可以花几天时间研究下，上手比较快，颜色搭配也比较好看。2.公司里面能够愿意花钱，商业版可视化Powerbi、Tablueau、FineBI要比这个好用不少。3. pyecharts在做成精致的看板方面还是不够灵活的，需要借助前身echarts来用，这个就要求些前端能力了。

下面主要结合官网来介绍下pyecharts(版本1.3.1)的使用，以及使用过程中的细节部分(代码中的注释)

阅读路线:概况

快速开始

高阶知识

保存为图片

一:概况

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

目前使用的都是新版本系列是从v1.0.0 开始，仅支持python3.6+。且老版本0.5.x系列已经不再维护了。

二:快速开始

2.1 安装

$ pip install pyecharts

2.2 五分钟上手

首先开始来绘制你的第一个图表

from pyecharts.charts import Bar

bar = Bar()

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件

# 也可以传入路径参数，如 bar.render("mycharts.html")

bar.render()

但是我们更常用的还是链式方法,如下:

from pyecharts.charts import Bar

bar = (

Bar()

.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

)

bar.render()

但是我们上面显示的图片光秃秃的，标题配色都没有，想想看底层是js的pyecharts怎么会没有呢？其实它是通过配置项来完成的，下面一起来看看把

2.3 配置项

配置项主要分为全局配置项和系列配置项，我们先通过demon来看下如何使用的。

from pyecharts.charts import Bar

from pyecharts import options as opts

# 内置主题类型可查看 pyecharts.globals.ThemeType

from pyecharts