PyechartsPython 与 ECharts 的桥梁构建声明式交互图表Pyecharts 是一个基于Apache ECharts的强大 Python 图表库它允许 Python 开发者使用纯 Python 代码生成 ECharts 所支持的、高度交互式和视觉表现力丰富的图表。其核心价值在于它将 ECharts 在 Web 端强大的可视化能力无缝引入了 Python 数据分析工作流使得在 Jupyter Notebook 或生成独立的 HTML 文件时能够轻松创建专业级的数据看板。一、Pyecharts 核心概念与工作流程Pyecharts 采用声明式的 API 设计。开发者通过链式调用的方式配置图表的各种属性如类型、数据、标题、坐标轴等最终渲染出图表。其核心流程与 ECharts 一脉相承但在 Python 环境中实现。一个基本的 Pyecharts 工作流程如下导入与初始化从pyecharts.charts导入具体的图表类如Bar,Line,Pie。添加数据与配置使用.add_xaxis(),.add_yaxis()等方法添加数据并通过.set_global_opts()和.set_series_opts()进行全局和系列级别的配置。渲染输出通过.render()生成 HTML 文件或在 Jupyter Notebook 中使用.render_notebook()内嵌显示。以下是一个最基础的条形图示例展示了其核心 API 结构# 示例1基础条形图 from pyecharts.charts import Bar from pyecharts import options as opts # 1. 初始化图表对象 bar Bar() # 2. 添加数据与基础配置链式调用 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]) bar.add_yaxis(商家B, [15, 6, 45, 20, 35, 66]) # 3. 设置全局配置项标题、工具箱等 bar.set_global_opts( title_optsopts.TitleOpts(title主标题, subtitle副标题), toolbox_optsopts.ToolboxOpts(), # 显示工具箱保存图片、数据视图等 xaxis_optsopts.AxisOpts(name商品类别), yaxis_optsopts.AxisOpts(name销量) ) # 4. 渲染为HTML文件 bar.render(basic_bar.html) # 在 Jupyter Notebook 中直接显示使用 bar.render_notebook()执行此代码会生成一个名为basic_bar.html的文件在浏览器中打开即可看到一个功能完整的交互式条形图支持缩放、拖拽、数据视图切换和图片保存。二、Pyecharts 核心组件与配置详解Pyecharts 的配置系统是其强大功能的基石主要分为全局配置 (set_global_opts) 和系列配置 (set_series_opts)。配置类别核心组件/选项功能说明常用参数示例全局配置TitleOpts设置图表主标题和副标题title,subtitle,pos_left,title_textstyle_optsLegendOpts控制图例的显示与交互is_show,type_’scroll’,pos_top,orient’vertical’TooltipOpts配置鼠标悬停提示框trigger’axis’坐标轴触发,formatter自定义格式ToolboxOpts显示右侧工具箱is_showTrue,feature中定义SaveAsImage,DataView,Restore等工具AxisOpts配置坐标轴X/Y轴name,type_’category’或’value’,min_,max_,axislabel_optsVisualMapOpts视觉映射组件用于连续数据分段着色type_’continuous’,min_,max_,range_color,is_calculableTrue系列配置LabelOpts控制图形上数据标签的显示is_show,position,formatterItemStyleOpts设置图形样式颜色、边框等color,border_color,border_width,opacityLineStyleOpts设置线型图的线条样式width,type_’dashed’,curveness用于关系图AreaStyleOpts设置区域填充样式opacity,colorMarkPointOpts系列标注点最大值、最小值等data[opts.MarkPointItem(type_”max”, name”最大值”)]MarkLineOpts系列标线平均值线等data[opts.MarkLineItem(type_”average”, name”平均值”)]一个综合运用全局和系列配置的折线图示例# 示例2配置丰富的折线图 from pyecharts.charts import Line from pyecharts import options as opts import random # 生成模拟数据 categories [周一, 周二, 周三, 周四, 周五, 周六, 周日] data_a [random.randint(10, 50) for _ in range(7)] data_b [random.randint(20, 60) for _ in range(7)] line ( Line() .add_xaxis(categories) .add_yaxis( series_name产品A, # 系列名称 y_axisdata_a, is_smoothTrue, # 平滑曲线 symboltriangle, # 数据点形状 symbol_size12, linestyle_optsopts.LineStyleOpts(width3, type_solid), label_optsopts.LabelOpts(is_showTrue, positiontop), # 显示数据标签 markpoint_optsopts.MarkPointOpts( # 标注点 data[ opts.MarkPointItem(type_max, name最大值), opts.MarkPointItem(type_min, name最小值), ] ), markline_optsopts.MarkLineOpts( # 标注线 data[opts.MarkLineItem(type_average, name平均值)] ), ) .add_yaxis(产品B, data_b, is_smoothTrue, symbolcircle) .set_global_opts( title_optsopts.TitleOpts(title产品周销量趋势, subtitle带标注的折线图), tooltip_optsopts.TooltipOpts(triggeraxis, axis_pointer_typecross), toolbox_optsopts.ToolboxOpts(is_showTrue), xaxis_optsopts.AxisOpts(name日期, boundary_gapFalse), # 坐标轴紧贴边缘 yaxis_optsopts.AxisOpts( name销量, type_value, splitline_optsopts.SplitLineOpts(is_showTrue), # 显示网格线 ), ) ) line.render(configured_line_chart.html)三、高级图表类型实战Pyecharts 支持 ECharts 绝大部分图表类型以下展示几种在 Matplotlib 中实现较复杂或需要更多代码的图表。1. 桑基图 (Sankey)桑基图常用于展示流量、能量或成本的流转路径。在 Pyecharts 中其核心是定义nodes节点和links边。# 示例3桑基图 - 用户行为路径分析 from pyecharts.charts import Sankey from pyecharts import options as opts nodes [ # 定义所有节点 {name: 访问首页}, {name: 浏览商品}, {name: 加入购物车}, {name: 提交订单}, {name: 支付成功}, {name: 完成交易}, {name: 中途离开}, ] links [ # 定义节点间的流量关系 [source, target, value] {source: 访问首页, target: 浏览商品, value: 10000}, {source: 浏览商品, target: 加入购物车, value: 4000}, {source: 浏览商品, target: 中途离开, value: 6000}, {source: 加入购物车, target: 提交订单, value: 3000}, {source: 加入购物车, target: 中途离开, value: 1000}, {source: 提交订单, target: 支付成功, value: 2500}, {source: 提交订单, target: 中途离开, value: 500}, {source: 支付成功, target: 完成交易, value: 2500}, ] sankey ( Sankey(init_optsopts.InitOpts(width1200px, height600px)) .add( series_name, # 桑基图通常不需要系列名 nodesnodes, linkslinks, pos_top10%, focus_node_adjacencyTrue, # 悬停时高亮关联边 linestyle_optopts.LineStyleOpts(opacity0.3, curve0.5, colorsource), label_optsopts.LabelOpts(positionright), ) .set_global_opts(title_optsopts.TitleOpts(title电商用户行为转化桑基图)) ) sankey.render(user_journey_sankey.html)2. 地理坐标系图表 (Geo/Map)Pyecharts 内置了丰富的地图支持可以轻松绘制中国及世界地图。# 示例4中国地图 - 数据分布 from pyecharts.charts import Map from pyecharts import options as opts from pyecharts.globals import ThemeType # 模拟各省份数据 data [ (广东, 190), (北京, 120), (上海, 110), (浙江, 90), (江苏, 85), (四川, 70), (湖北, 65), (湖南, 60), # ... 其他省份数据 ] # 使用Map类适用于分段型数据 map_chart ( Map(init_optsopts.InitOpts(themeThemeType.LIGHT, width1000px, height600px)) .add( series_name销售额亿元, data_pairdata, maptypechina, # 指定地图类型 is_map_symbol_showFalse, # 不显示标记点 label_optsopts.LabelOpts(is_showTrue), # 显示省份名称 ) .set_global_opts( title_optsopts.TitleOpts(title全国销售数据分布), visualmap_optsopts.VisualMapOpts( # 视觉映射组件 max_200, is_piecewiseTrue, # 分段显示 pieces[ {min: 150, label: 150, color: #B22222}, {min: 100, max: 150, label: 100-150, color: #FF4500}, {min: 50, max: 100, label: 50-100, color: #FFD700}, {min: 0, max: 50, label: 0-50, color: #ADFF2F}, ] ), tooltip_optsopts.TooltipOpts( triggeritem, formatter{b}br/{c} (亿元) ), ) ) map_chart.render(china_sales_map.html)3. 3D 图表Pyecharts 也支持基础的 3D 图表如 3D 散点图、曲面图等。# 示例53D散点图 from pyecharts.charts import Scatter3D from pyecharts import options as opts import random # 生成3D随机数据 data [[random.randint(0, 100), random.randint(0, 100), random.randint(0, 100)] for _ in range(80)] scatter3d ( Scatter3D(init_optsopts.InitOpts(width800px, height600px)) .add( series_name, datadata, xaxis3d_optsopts.Axis3DOpts(type_value, nameX轴), yaxis3d_optsopts.Axis3DOpts(type_value, nameY轴), zaxis3d_optsopts.Axis3DOpts(type_value, nameZ轴), grid3d_optsopts.Grid3DOpts(width100, depth100, is_rotateTrue), # 启用自动旋转 ) .set_global_opts( title_optsopts.TitleOpts(title3D散点图示例), visualmap_optsopts.VisualMapOpts( dimension2, # 根据第三维Z轴的值进行颜色映射 max_100, range_color[#313695, #4575b4, #74add1, #abd9e9, #e0f3f8, #ffffbf, #fee090, #fdae61, #f46d43, #d73027, #a50026], ), ) ) scatter3d.render(3d_scatter.html)四、进阶特性与组合应用1. 图表组合 (Grid, Tab, Page)Pyecharts 提供了Grid,Tab,Page等布局类用于将多个图表组合在一起。# 示例6使用Grid组合多个图表并排显示 from pyecharts.charts import Bar, Line, Grid from pyecharts import options as opts bar ( Bar() .add_xaxis([A, B, C, D, E]) .add_yaxis(系列1, [10, 20, 30, 40, 50]) .set_global_opts(title_optsopts.TitleOpts(title柱状图, pos_left5%)) ) line ( Line() .add_xaxis([A, B, C, D, E]) .add_yaxis(系列2, [25, 20, 36, 28, 45]) .set_global_opts( title_optsopts.TitleOpts(title折线图, pos_right5%), legend_optsopts.LegendOpts(pos_right20%), ) ) # 使用Grid布局将两个图表左右排列 grid ( Grid(init_optsopts.InitOpts(width1200px)) .add(bar, grid_optsopts.GridOpts(pos_left55%)) # 柱状图占左侧55% .add(line, grid_optsopts.GridOpts(pos_right55%)) # 折线图占右侧55% ) grid.render(grid_layout.html)2. 自定义主题与渲染配置Pyecharts 支持多种内置主题并允许自定义颜色。from pyecharts.globals import ThemeType, CurrentConfig from pyecharts.charts import Pie # 使用内置主题 pie ( Pie(init_optsopts.InitOpts(themeThemeType.DARK)) # 使用暗色主题 .add(, [(A, 55), (B, 25), (C, 20)]) .set_series_opts(label_optsopts.LabelOpts(formatter{b}: {c} ({d}%))) ) pie.render(dark_theme_pie.html) # 自定义主题颜色需在渲染前设置 CurrentConfig.ONLINE_HOST https://cdn.jsdelivr.net/npm/echarts5.4.3/dist/ # 指定在线资源地址 # 更复杂的主题定制可以通过注册 ThemeType 实现3. 在 Jupyter Notebook 中实现完美交互在 Jupyter 环境中render_notebook()方法可以直接渲染出交互式图表。为了获得最佳体验可以使用Snapshopt或JupyterLab等扩展。# 在Jupyter Notebook单元格中直接运行 from pyecharts.charts import Bar from pyecharts.globals import CurrentConfig, NotebookType # 配置Jupyter渲染环境可选新版本通常自动检测 CurrentConfig.NOTEBOOK_TYPE NotebookType.JUPYTER_NOTEBOOK bar Bar().add_xaxis([Python, Java, C]).add_yaxis(流行度, [100, 80, 60]) bar.load_javascript() # 确保JS依赖加载 bar.render_notebook() # 直接在单元格输出图表五、总结Pyecharts 的优势与适用场景Pyecharts 成功地将 ECharts 的威力带入了 Python 生态。其声明式、链式调用的 API 使得图表构建逻辑清晰直观。相比于 Matplotlib它在交互性缩放、拖拽、数据视图、提示框和图表美观度上具有压倒性优势特别适合生成用于Web展示、报告或仪表盘的 HTML 文件。对于需要复杂地理可视化、关系图桑基图、关系图或3D图表的场景Pyecharts 提供了远比 Matplotlib 更简单的实现路径。然而它也有其局限性作为 Python 和 JavaScript 之间的桥梁其渲染依赖于浏览器环境无法直接生成高质量的静态出版级图片如 PDF 或高分辨率 PNG虽然可以通过selenium或pyppeteer等无头浏览器工具进行截图。对于需要深度集成到桌面 GUI 应用如 PyQt或进行复杂数值计算后实时渲染的场景Matplotlib 可能仍是更直接的选择。总而言之Pyecharts 是 Python 数据科学家和分析师将分析结果快速转化为交互式、可共享的可视化报告的首选工具之一。它极大地降低了创建专业级 Web 图表的门槛是连接数据分析与成果展示的高效桥梁。参考来源Teechart使用指南.doc资源-CSDN下载『Echarts』基本使用-腾讯云开发者社区-腾讯云Tecplot的使用入门与技巧.rar_tecplot_tecplot资源-CSDN下载
