Python绘制柱状图可视化神器pyecharts

更新时间：2022年09月29日 16:56:43 作者：王小王_123

这篇文章主要介绍了Python绘制柱状图可视化神器pyecharts,文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下

水晶柱状图
解决X轴标签过长的柱状图
自定义平均刻度标签（方便查看超出范围）
翻转X Y轴柱状图
可以移动的X轴柱状图（适合数据类别过多）
可以移动的Y轴柱状图（适合数据类别过多）
二维简单柱状图（主题可选择）
动画延迟柱状图
直方图按照颜色区分

pyecharts介绍

pyecharts是python与echarts链接，一个用于生成Echarts图标的第三方库，pyecharts分为v0.5.X和v1两个大版本，两者互不兼容，v1是一个全新的版本，经研发团队决定，前者将不再进行更新维护。下面是我个人整理的关于pyecharts绘制柱状图的案例大全，收集整理不易，多多支持！

特性：

简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

优势

pyecharts可以输出网页版的链接，直接调用资源渲染图表，方便快捷，输出不是图片，而是一个可以调节的页面，动态，炫酷，都是它的天地！它可以支持在手机端浏览界面，也可以修改相关参数，总的来说方便至极，而且主题都可以随意搭配，颜色自己调。适用于公司可视化报表，企业展示，日常办公，由于图表过于炫酷，不大适合做科研论文展示，后期会介绍另外一个库，可以作为科研党的首选——matplotlib

展示

总之pyecharts科研绘制很多一般绘制不了的图形，作为一个可视化神器它的便利之处，只有用过的小伙伴才知道，什么叫 “工欲善其事必先利其器”的道理。

柱状图模板系列

水晶柱状图

水晶柱状图适用于几个数据的对比，生成的柱状图具有一种玲珑剔透，清水出芙蓉的美感和清新，最适合做可视化展示。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 水晶柱状图.py
# @CSDN : https://blog.csdn.net/weixin_47723732
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode

data_x = ['可乐', '雪碧', '橙汁', '绿茶', '奶茶', '百威', '青岛']
data_y = [147, 53, 27, 123, 94, 118, 48]
c = (
Bar()
.add_xaxis(data_x)
.add_yaxis("商家A", data_y, category_gap="60%")
.set_series_opts(
itemstyle_opts={
"normal": {
"color": JsCode(
"""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
offset: 0,
color: 'rgba(0, 244, 255, 1)'
}, {
offset: 1,
color: 'rgba(0, 77, 167, 1)'
}], false)"""
),
"barBorderRadius": [30, 30, 30, 30],
"shadowColor": "rgb(0, 160, 221)",
}
}
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("水晶柱状图.html")
)

解决X轴标签过长的柱状图

有时候我们在绘制柱状图的时候，X轴标签过长导致图形显示的不正常，修改字数之后又怕展示效果不够明显。此图例解决了这个难题，适合展示X轴标签过长的问题。

# -*- coding : utf-8 -*-

# @Software : PyCharm
# @File : 解决X轴标签过长的问题.py
from pyecharts import options as opts
from pyecharts.charts import Bar
c = (
Bar()
.add_xaxis(
[
"名字很长的X轴标签1",
"名字很长的X轴标签2",
"名字很长的X轴标签3",
"名字很长的X轴标签4",
"名字很长的X轴标签5",
"名字很长的X轴标签6",
]
)
.add_yaxis("商家A", [10, 20, 30, 40, 50, 40])
.add_yaxis("商家B", [20, 10, 40, 30, 40, 50])
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15),
# name='类型',
# name_location='middle',
# name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
# name_textstyle_opts=opts.TextStyleOpts(
# font_family='Times New Roman',
# font_size=16 # 标签字体大小
# )
),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
title_opts=opts.TitleOpts(title="标题1", subtitle="标题2"),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
)
.render("解决X轴标签过长问题.html")
)
print("图表已生成！请查收！")

自定义平均刻度标签（方便查看超出范围）

有时候数据过于多，柱状图过于密集，我们知道一个平均数，需要快速的查看那些数据超过了这个阈值，那些数据低于平均值，这时候我们可以自己定义一个刻度标签，方便我们理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 自定义平均刻度.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
data_x=['周一', '周二', '周三', '周四', '周五', '周六', '周日']
data_y_1=[40, 119, 79, 83, 107, 133, 95]
data_y_2=[20, 143, 74, 97, 92, 53, 66]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y_1)
.add_yaxis("商家B", data_y_2)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(y=50, name="yAxis=50")]
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("显示平均刻度.html")
)
print("图表已生成！请查收！")

翻转X Y轴柱状图

直观的展示柱状图过于单调，有时候我们需要适当的调整一下这个主题，把xy轴翻转一下，这样更能直观的对比显示，适用多个数据类别进行比较。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 翻转XY轴.p
from pyecharts import options as opts
from pyecharts.charts import Bar
data_x = ['可乐', '雪碧', '橙汁', '绿茶', '奶茶', '百威', '青岛']
data_y = [147, 53, 27, 123, 94, 118, 48]
c = (
Bar()
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.add_yaxis("商家B", data_y)
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="标题"),
xaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("翻转XY轴.html")
)
print("图表已生成！请查收！")

可以移动的X轴柱状图（适合数据类别过多）

可以移动的X轴，我们可以通过鼠标的控制展示我们想要展示的X轴的维度，这个用于数据类别过多，一般的可视化无法展示的情况，比如展示一个的销售额，我们可以用这个，显示30个数据类别。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 可以变动的X轴.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

data_x=['0天', '1天', '2天', '3天', '4天', '5天', '6天', '7天', '8天', '9天', '10天', '11天', '12天', '13天', '14天', '15天', '16天', '17天', '18天', '19天', '20天', '21天', '22天', '23天', '24天', '25天', '26天', '27天', '28天', '29天']

data_y=[5, 27, 27, 7, 13, 5, 1, 2, 29, 20, 21, 28, 5, 22, 23, 4, 20, 26, 25, 1, 3, 14, 23, 11, 4, 8, 2, 22, 13, 22]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
datazoom_opts=opts.DataZoomOpts(),
# 需要的时候可以加入，添加列表形式即可
# datazoom_opts=opts.DataZoomOpts(type_="inside")

)
.render("变动X轴柱状图.html")
)
print("图表已生成！请查收！")

可以移动的Y轴柱状图（适合数据类别过多）

既然X轴可以，那么Y轴必然也可以，下面来看看这个效果如何。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 可以变动的Y轴.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType

data_x = ['0天', '1天', '2天', '3天', '4天', '5天', '6天', '7天', '8天', '9天', '10天', '11天', '12天', '13天', '14天', '15天', '16天',
'17天', '18天', '19天', '20天', '21天', '22天', '23天', '24天', '25天', '26天', '27天', '28天', '29天']

data_y = [5, 27, 27, 7, 13, 5, 1, 2, 29, 20, 21, 28, 5, 22, 23, 4, 20, 26, 25, 1, 3, 14, 23, 11, 4, 8, 2, 22, 13, 22]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_x)
.add_yaxis("商家A", data_y)
.set_global_opts(
title_opts=opts.TitleOpts(title="标题"),
datazoom_opts=opts.DataZoomOpts(orient="vertical"),

)

.render("变动Y轴柱状图.html")
)
print("图表已生成！请查收！")

二维简单柱状图（主题可选择）

一个柱状图里面可以展示多种类别的数据，主题可以选择，便于我们对数据进行直观的对比和理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 柱状图-主题可选择.py
# from pyecharts.charts import Bar
# from pyecharts.faker import Faker
from pyecharts.globals import ThemeType
from pyecharts import options as opts
from pyecharts.charts import Bar

data_0=['周一', '周二', '周三', '周四', '周五', '周六', '周日']
data1=[23, 52, 108, 93, 110, 108, 48]
data2=[97, 81, 118, 149, 134, 47, 66]
c = (
Bar({"theme": ThemeType.MACARONS})
.add_xaxis(data_0)
.add_yaxis("商家A", data1) #gap="0%" 这个可设置柱状图之间的距离
.add_yaxis("商家B", data2) #gap="0%" 这个可设置柱状图之间的距离
.set_global_opts(title_opts={"text": "B标题1", "subtext": "标题2"}, #该标题的颜色跟随主题
# 该标题默认为黑体显示，一般作为显示常态
# title_opts=opts.TitleOpts(title="标题")
xaxis_opts=opts.AxisOpts(
name='星期',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),

# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)

.render("简单柱状图.html")
)
print("图表已生成！请查收！")

动画延迟柱状图

个人感觉这个就是设置的一个元素，延迟展示了一下，没有什么太大的用处，当然也可以用到需要的场景。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 动画延迟.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker

c = (
Bar(
init_opts=opts.InitOpts(
animation_opts=opts.AnimationOpts(
animation_delay=1000, animation_easing="elasticOut"
)
)
)
.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="标题"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=40,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# datazoom_opts=opts.DataZoomOpts(type_="inside"), #鼠标可以滑动控制
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)
.render("动画延迟.html")
)
print('图表已生成！请查收！')

直方图按照颜色区分

直方图更加的直观的展示，这个案例更是可以运用到统计里面，颜色的区分让我们更加的快速理解。

# -*- coding : utf-8 -*-
# @Software : PyCharm
# @File : 直方图.py
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
x = Faker.dogs + Faker.animal
xlen = len(x)
y = []
for idx, item in enumerate(x):
if idx <= xlen / 2:
y.append(
opts.BarItem(
name=item,
value=(idx + 1) * 10,
itemstyle_opts=opts.ItemStyleOpts(color="#749f83"),
)
)
else:
y.append(
opts.BarItem(
name=item,
value=(xlen + 1 - idx) * 10,
itemstyle_opts=opts.ItemStyleOpts(color="#d48265"),
)
)

c = (
Bar()
.add_xaxis(x)
.add_yaxis("series0", y, category_gap=0, color=Faker.rand_color())
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方图（颜色区分）"),
xaxis_opts=opts.AxisOpts(
name='类别',
name_location='middle',
name_gap=30, # 标签与轴线之间的距离，默认为20，最好不要设置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16 # 标签字体大小
)),
yaxis_opts=opts.AxisOpts(
name='数量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='Times New Roman',
font_size=16
# font_weight='bolder',
)),
# toolbox_opts=opts.ToolboxOpts() # 工具选项
# brush_opts=opts.BrushOpts() #可以保存选择
)

.render("直方图.html")
)
print("图表已生成！请查收！")

到此这篇关于Python绘制柱状图可视化神器pyecharts的文章就介绍到这了,更多相关Python pyecharts内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python seek()和tell()函数的具体使用
本文主要介绍了Python seek()和tell()函数的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-02-02
Python使用Selenium模拟浏览器自动操作功能
这篇文章主要介绍了Python使用Selenium模拟浏览器自动操作功能，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
2020-09-09
Python简明入门教程
这篇文章主要介绍了Python简明入门教程,较为详细的分析了Python的基本概念及语法基础,有助于Python初学者更好的掌握Python的基本语法与使用技巧,需要的朋友可以参考下
2015-08-08
web.py在模板中输出美元符号的方法
这篇文章主要介绍了web.py在模板中输出美元符号的方法,即在web.py的模板中输出$符号的方法,需要的朋友可以参考下
2014-08-08
python 用pandas实现数据透视表功能
这篇文章主要介绍了python 用pandas实现数据透视表功能的方法，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
2020-12-12
详解pygame中Rect对象
Rect是pygame中的一个创建矩形的对象，它包含一些属性主要是两块：坐标和长宽，Pygame 通过 Rect 对象存储和操作矩形区域，这篇文章主要介绍了pygame中Rect对象,需要的朋友可以参考下
2022-07-07
写好Python代码的几条重要技巧
好的代码具有易理解、可扩展、易维护的特点，简直是人见人爱。本文就将介绍写好python代码的多个技巧
2021-05-05
python opencv检测直线 cv2.HoughLinesP的实现
cv2.HoughLines()函数是在二值图像中查找直线，本文结合示例详细的介绍了cv2.HoughLinesP的用法，感兴趣的可以了解一下
2021-06-06
python使用正则来处理各种匹配问题
这篇文章主要介绍了python使用正则来处理各种匹配问题,本文通过实例代码给大家讲解的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下
2019-12-12
提升Python编程水平必不可少的重构技巧
在Python中,编写可读性强且Pythonic的代码是至关重要的,重构技巧是指通过调整代码结构和风格,使其更符合Python的惯例和标准,从而提高代码的可读性、简洁性和可维护性,本文将深入探讨八项重构技巧,帮助您编写更Pythonic的代码
2024-01-01