数据分析-08PyEcharts 数据可视化

PyEcharts是ECharts的Python封装库，用于生成交互式图表。与Matplotlib的静态图不同，PyEcharts支持工具栏缩放、数据区域缩放、图表切换等丰富的交互功能。

8.1 工具介绍

8.1.1 PyEcharts概述

PyEcharts是Apache ECharts的Python接口，通过简洁的API封装，支持生成超过20种交互式图表类型。相比Matplotlib的静态输出，PyEcharts生成的图表支持鼠标悬停提示、数据区域缩放、图表切换等交互功能，非常适合在Jupyter Notebook和HTML报告中展示。

 # 基础导入
 from pyecharts import options as opts
 from pyecharts.charts import Line, Bar, Pie, Scatter, HeatMap, Grid, Page, Tab, Timeline
 
 # 渲染方式
 chart.render_notebook()  # 在Jupyter中渲染
 chart.render("chart.html")  # 输出为HTML文件

8.1.2 核心概念

概念	说明
InitOpts	初始化配置，控制图表尺寸、主题、背景色等
TitleOpts	标题配置，设置图表主标题和副标题
AxisOpts	坐标轴配置，控制轴的名称、类型、标签样式等
TooltipOpts	提示框配置，控制鼠标悬停时的数据展示方式
LegendOpts	图例配置，控制多系列数据的图例显示
GridOpts	网格配置，控制多图表布局的位置和大小
VisualMapOpts	视觉映射配置，控制热力图等的颜色映射范围

8.1.3 InitOpts 初始化配置

 opts.InitOpts(
     width="800px",      # 图表宽度
     height="400px",     # 图表高度
     theme=ThemeType.LIGHT,  # 主题风格
     page_title="图表",  # HTML页面标题
     js_host="https://cdn.jsdelivr.net/npm/echarts@"  # JS文件CDN地址
 )

8.1.4 TitleOpts 标题配置

 opts.TitleOpts(
     title="主标题",           # 图表主标题
     subtitle="副标题",        # 副标题
     pos_left="center",       # 标题位置：left/center/right 或百分比
     pos_top="10%",           # 标题距离顶部的位置
     title_textstyle_opts=opts.TextStyleOpts(color="#333", font_size=16)
 )

参数	类型	默认值	说明
title	str	None	主标题文本
subtitle	str	None	副标题文本
pos_left	str	None	左边距位置
pos_right	str	None	右边距位置
pos_top	str	None	上边距位置
pos_bottom	str	None	下边距位置

8.1.5 AxisOpts 坐标轴配置

 opts.AxisOpts(
     name="轴名称",              # 坐标轴名称
     type_="category",          # 轴类型：category/value/time/log
     data=None,                 # 分类数据（type_=category时使用）
     axislabel_opts=opts.LabelOpts(rotate=45),  # 标签旋转角度
     name_textstyle_opts=opts.TextStyleOpts(font_size=12)
 )

参数	类型	默认值	说明
name	str	None	坐标轴名称
type_	str	'category'	轴类型
data	list	None	分类数据
name_location	str	'end'	名称位置：start/middle/end
axislabel_opts	LabelOpts	None	刻度标签配置
name_textstyle_opts	TextStyleOpts	None	名称文本样式

8.1.6 TooltipOpts 提示框配置

 opts.TooltipOpts(
     trigger="item",            # 触发类型：item/axis/none
     trigger_on="mousemove",    # 触发时机：mousemove/click
     formatter=None,            # 格式化字符串或函数
     background_color="#fff",   # 背景色
     border_color="#333",       # 边框色
     text_style_opts=opts.TextStyleOpts(color="#333")
 )

参数	类型	默认值	说明
trigger	str	'item'	触发类型：item(数据项), axis(坐标轴), none
trigger_on	str	'mousemove'	触发时机：mousemove/click
formatter	str/function	None	提示框内容格式化
background_color	str	'#fff'	背景颜色
border_width	int	0	边框宽度
text_style_opts	TextStyleOpts	None	文本样式

8.2 基础图表函数详解

8.2.1 Line 折线图

 Line(init_opts=opts.InitOpts())
     .add_xaxis(xaxis_data)           # 添加X轴数据
     .add_yaxis(series_name, y_data,  # 添加Y轴数据系列
                markline_opts=None,   # 标记线配置
                markpoint_opts=None,  # 标记点配置
                linestyle_opts=None,  # 线条样式
                label_opts=None)      # 标签配置
     .set_global_opts(...)            # 设置全局配置
     .set_series_opts(...)           # 设置系列配置

add_xaxis 参数：

参数	类型	默认值	说明
xaxis_data	list	必填	X轴数据列表

add_yaxis 参数：

参数	类型	默认值	说明
series_name	str	必填	系列名称（图例名称）
y_axis	list	必填	Y轴数据列表
is_symbol_show	bool	True	是否显示数据点标记
symbol	str	'circle'	标记形状：circle/rect/roundRect/triangle/diamond
markpoint_opts	MarkPointOpts	None	标记点配置
markline_opts	MarkLineOpts	None	标记线配置
linestyle_opts	LineStyleOpts	None	线条样式
label_opts	LabelOpts	None	标签配置

8.2.2 Bar 柱状图

 Bar(init_opts=opts.InitOpts())
     .add_xaxis(xaxis_data)
     .add_yaxis(series_name, y_data,
                category_gap="30%",     # 分类间距
                bar_max_width=None,     # 最大柱宽
                itemstyle_opts=None,    # 条形样式
                label_opts=None)
     .set_global_opts(...)
     .set_series_opts(...)

add_yaxis 参数：

参数	类型	默认值	说明
series_name	str	必填	系列名称
y_axis	list	必填	Y轴数据列表
category_gap	str/int	'30%'	分类间距
bar_max_width	str	None	最大柱宽度
bar_min_width	str	None	最小柱宽度
itemstyle_opts	ItemStyleOpts	None	条形样式
label_opts	LabelOpts	None	标签配置

8.2.3 Pie 饼图

 Pie(init_opts=opts.InitOpts())
     .add(
         series_name="",           # 系列名称
         data_pair=[["A", 100], ["B", 200]],  # 数据对
         radius=["30%", "70%"],   # 半径：[内径，外径]
         center=["50%", "50%"],   # 圆心位置
         rosetype="radius",        # 玫瑰图类型：radius/area
         label_opts=None)          # 标签配置
     .set_global_opts(...)
     .set_series_opts(...)

add 参数：

参数	类型	默认值	说明
series_name	str	''	系列名称
data_pair	list	必填	数据对列表 [[name, value], ...]
radius	list	None	半径范围 [内半径%, 外半径%]
center	list	None	圆心位置 [x%, y%]
rosetype	str	None	玫瑰图类型：radius/area/none
label_opts	LabelOpts	None	标签配置
emphasis	dict	None	高亮状态配置

8.2.4 Scatter 散点图

Scatter(init_opts=opts.InitOpts())
    .add_xaxis(xaxis_data)
    .add_yaxis(series_name, y_data,
               symbol_size=10,         # 符号大小
               symbol=None,            # 符号形状
               label_opts=None)
    .set_global_opts(...)
    .set_series_opts(...)

参数	类型	默认值	说明
series_name	str	必填	系列名称
y_axis	list	必填	Y轴数据列表
symbol_size	int	10	符号大小（像素）
symbol	str	'circle'	符号形状
label_opts	LabelOpts	None	标签配置
itemstyle_opts	ItemStyleOpts	None	数据项样式

8.2.5 HeatMap 热力图

HeatMap(init_opts=opts.InitOpts())
    .add_xaxis(xaxis_data)
    .add_yaxis(yaxis_data)
    .add_yaxis(series_name, data, value_min=None, value_max=None)
    .set_global_opts(
        visualmap_opts=opts.VisualMapOpts(min_=0, max_=1),
        tooltip_opts=opts.TooltipOpts(trigger="item"))

参数	类型	默认值	说明
series_name	str	''	系列名称
data	list	必填	二维数据 [[x, y, value], ...]
value_min	float	None	视觉映射最小值
value_max	float	None	视觉映射最大值
label_opts	LabelOpts	None	标签配置

8.2.6 Radar 雷达图

Radar(init_opts=opts.InitOpts())
    .add_schema(
        schema=[opts.RadarIndicatorItem(name, max_), ...],  # 指示器配置
        shape="polygon",       # 形状：polygon/circle
        split_number=5,        # 分隔区域数
        splitline_opt=None,    # 分割线样式
        splitarea_opt=None)    # 分隔区域样式
    .add(series_name, data, color=None)
    .set_global_opts(...)

参数	类型	默认值	说明
schema	list	必填	RadarIndicatorItem列表
shape	str	'polygon'	形状：polygon/circle
split_number	int	5	分隔区域数
radius	str	'75%'	半径

8.2.7 WordCloud 词云

WordCloud(init_opts=opts.InitOpts())
    .add(series_name, data,
         word_size_range=[12, 60],  # 词云字体大小范围
         shape="circle",            # 形状：circle/cardio/diamond/star
         word_gap=20,              # 词间距
         text_style_opts=None)
    .set_global_opts(...)

参数	类型	默认值	说明
series_name	str	''	系列名称
data	list	必填	词频数据 [(word, value), ...]
word_size_range	list	[12, 60]	字体大小范围
shape	str	'circle'	形状：circle/radius/diamond/star
word_gap	int	20	词间距（像素）
text_style_opts	TextStyleOpts	None	文本样式

8.3 组合组件详解

8.3.1 Grid 网格布局

Grid用于在同一个坐标系中实现多图表的精确布局。

Grid(init_opts=opts.InitOpts())
    .add(chart, grid_opts=opts.GridOpts(
        pos_top="10%", pos_bottom="50%",
        pos_left="5%", pos_right="5%",
        grid_gap=10))
    .add(chart2, grid_opts=opts.GridOpts(
        pos_top="55%", pos_bottom="5%",
        pos_left="5%", pos_right="5%"))

GridOpts 参数：

参数	类型	默认值	说明
pos_top	str	None	上边距位置（百分比或像素）
pos_bottom	str	None	下边距位置
pos_left	str	None	左边距位置
pos_right	str	None	右边距位置
grid_gap	int	0	网格间距
is_control_axis_index	bool	False	是否控制轴索引
contain_label	bool	False	是否包含标签

8.3.2 Page 分页展示

Page组件将多个图表添加到同一个HTML页面中。

page = Page(layout=Page.SimplePageLayout)
page.add(chart1, chart2, chart3)
page.render("page.html")

参数	类型	默认值	说明
layout	PageLayout	SimplePageLayout	页面布局方式
page_title	str	'Echarts'	页面标题

8.3.3 Tab 标签页切换

Tab通过标签页形式展示多个图表。

tab = Tab()
tab.add(chart1, "图表1标题")
tab.add(chart2, "图表2标题")
tab.render("tab.html")

参数	类型	默认值	说明
interval	int	3000	切换时间间隔（毫秒）

8.3.4 Timeline 时间线

Timeline按时间顺序展示数据变化，支持自动播放。

tl = Timeline(init_opts=opts.InitOpts())
tl.add_schema(
    play_interval=2000,      # 播放间隔（毫秒）
    is_auto_play=True,       # 是否自动播放
    is_loop_play=True,       # 是否循环播放
    is_reverse=False,       # 是否反向播放
    orient="horizontal",    # 方向：horizontal/vertical
    symbol="emptyCircle",    # 时间点标记形状
    symbol_size=8)           # 标记大小
tl.add(chart, "时间标签")

add_schema 参数：

参数	类型	默认值	说明
play_interval	int	None	播放间隔（毫秒）
is_auto_play	bool	False	是否自动播放
is_loop_play	bool	True	是否循环
is_reverse	bool	False	是否反向
orient	str	'horizontal'	方向：horizontal/vertical
symbol	str	'emptyCircle'	时间点标记形状
symbol_size	int	8	标记大小
pos_left	str	'5%'	左边距
pos_right	str	'5%'	右边距
pos_top	str	None	上边距
pos_bottom	str	None	下边距

8.4 高级图表函数详解

8.4.1 Gauge 仪表盘

Gauge(init_opts=opts.InitOpts())
    .add(
        series_name="指标",        # 系列名称
        data_pair=[("指标名", 85)],  # 数据对
        split_number=10,           # 分隔段数
        itemstyle_opts=None)       # 样式配置
    .set_global_opts(...)

参数	类型	默认值	说明
series_name	str	''	系列名称
data_pair	list	必填	数据对 [(name, value), ...]
split_number	int	10	分隔段数
min_	int	0	最小值
max_	int	100	最大值
itemstyle_opts	ItemStyleOpts	None	指针样式

8.4.2 Liquid 水球图

Liquid(init_opts=opts.InitOpts())
    .add(
        series_name="进度",       # 系列名称
        data=[0.78],              # 数据（0-1之间）
        is_animation=True,        # 是否动画
        color=None)              # 颜色
    .set_global_opts(...)

参数	类型	默认值	说明
series_name	str	''	系列名称
data	list	必填	数据列表（0-1的浮点数）
is_animation	bool	True	是否显示动画
is_random_height	bool	True	是否随机高度
is_wave_animation	bool	True	是否波浪动画
color	list	None	颜色列表

8.4.3 Sunburst 旭日图

Sunburst(init_opts=opts.InitOpts())
    .add(
        series_name="",           # 系列名称
        data=data,                # 层级数据
        radius=["0%", "100%"],   # 半径范围
        levels=None)              # 层级配置
    .set_global_opts(...)

参数	类型	默认值	说明
series_name	str	''	系列名称
data	list	必填	树形结构数据
radius	list	None	半径范围 [内%, 外%]
levels	list	None	层级配置列表

8.4.4 EffectScatter 涟漪散点图

EffectScatter(init_opts=opts.InitOpts())
    .add_xaxis(xaxis_data)
    .add_yaxis(series_name, y_data,
               symbol=None, symbol_size=None)
    .set_series_opts(
        effect_opts=opts.EffectOpts(scale=3, period=2, color=None))
    .set_global_opts(...)

EffectOpts 参数：

参数	类型	默认值	说明
scale	int	2.5	涟漪扩散大小
period	int	4	动画周期（秒）
color	str	None	涟漪颜色

8.5 数据缩放组件

8.5.1 DataZoomOpts 数据区域缩放

opts.DataZoomOpts(
    range_start=0,           # 起始位置（%）
    range_end=100,           # 结束位置（%）
    orient="horizontal",     # 方向
    pos_top="85%",           # 位置
    type_="slider")          # 类型：slider/inside

参数	类型	默认值	说明
range_start	int	0	起始位置（0-100）
range_end	int	100	结束位置（0-100）
orient	str	'horizontal'	方向：horizontal/vertical
type_	str	'slider'	类型：slider/inside
pos_top	str	None	顶部位置
pos_bottom	str	None	底部位置
pos_left	str	None	左边位置
pos_right	str	None	右边位置

8.6 样式配置详解

8.6.1 LabelOpts 标签配置

opts.LabelOpts(
    is_show=True,           # 是否显示标签
    position="top",          # 位置：top/bottom/left/right/inside
    formatter=None,          # 格式化函数或字符串
    font_size=12,            # 字体大小
    font_style="normal",     # 字体样式：normal/italic/oblique
    font_weight="normal",    # 字体粗细：normal/bold/bolder/lighter
    color="#333")            # 字体颜色

8.6.2 ItemStyleOpts 数据项样式

opts.ItemStyleOpts(
    color=None,              # 填充颜色
    color0=None,            # 备用颜色
    border_color=None,      # 边框颜色
    border_width=0,         # 边框宽度
    opacity=1)              # 透明度（0-1）

8.6.3 LineStyleOpts 线样式

opts.LineStyleOpts(
    width=1,                # 线宽
    color=None,            # 颜色
    type_="solid",         # 类型：solid/dashed/dotted
    opacity=1)             # 透明度

8.7 主题配置

PyEcharts支持通过ThemeType指定内置主题。

from pyecharts.globals import ThemeType

opts.InitOpts(theme=ThemeType.LIGHT)  # 明亮主题
opts.InitOpts(theme=ThemeType.DARK)   # 暗黑主题
opts.InitOpts(theme=ThemeType.MACARONS)  # 马卡龙主题

可用主题列表：

主题	说明
LIGHT	默认明亮主题
DARK	暗黑主题
ESSOS	简约灰白主题
WALDEN	户外主题
CHALK	粉笔主题
INFOGRAPHIC	信息图表主题
MACARONS	马卡龙主题
PURPLE_PASSION	紫色主题
ROMANTIC	浪漫主题

graph TD A["PyEcharts交互图表"] --> B["基础图表"] A --> C["组合布局"] A --> D["高级图表"] B --> B1["Line 折线图"] B --> B2["Bar 柱状图"] B --> B3["Pie 饼图"] B --> B4["Scatter 散点图"] B --> B5["HeatMap 热力图"] C --> C1["Grid 网格布局"] C --> C2["Page 分页展示"] C --> C3["Tab 标签页"] C --> C4["Timeline 时间线"] C --> C5["Overlap 图表叠加"] D --> D1["Radar 雷达图"] D --> D2["WordCloud 词云"] D --> D3["Gauge 仪表盘"] D --> D4["Liquid 水球图"] D --> D5["Sunburst 旭日图"] style A fill:#fff3e0 style C fill:#e8f5e9

本教程涵盖基础图表、组合布局和主题配置，重点讲解如何使用Grid组件实现多图表的合理布局。

8.8 基础图表

PyEcharts提供了丰富的基础图表类型。

折线图（Line）

折线图用于展示数据随时间或其他连续变量变化的趋势。

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

# 折线图：2015年月平均气温趋势
line = (
    Line(init_opts=opts.InitOpts(width="800px", height="400px"))
    .add_xaxis(monthly_temp.index.tolist())
    .add_yaxis("最高气温", monthly_temp['temp_max'].round(1).tolist(), 
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]))
    .add_yaxis("最低气温", monthly_temp['temp_min'].round(1).tolist(), 
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="2015年月平均气温趋势", subtitle="单位：摄氏度"),
        xaxis_opts=opts.AxisOpts(name="月份"),
        yaxis_opts=opts.AxisOpts(name="气温 (°C)"),
        tooltip_opts=opts.TooltipOpts(trigger="axis")
    )
)
line.render_notebook()

柱状图（Bar）

柱状图适合展示分类数据之间的对比关系。

from pyecharts.charts import Bar

# 柱状图：各岛屿企鹅数量
bar = (
    Bar(init_opts=opts.InitOpts(width="700px", height="400px"))
    .add_xaxis(island_counts.index.tolist())
    .add_yaxis("数量", island_counts.values.tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各岛屿企鹅数量"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=0)),
        yaxis_opts=opts.AxisOpts(name="数量"),
        tooltip_opts=opts.TooltipOpts(trigger="axis")
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(position="top"),
        itemstyle_opts=opts.ItemStyleOpts(color="#4ECDC4")
    )
)
bar.render_notebook()

饼图（Pie）

饼图适合展示各分类占总体的比例关系。

from pyecharts.charts import Pie

# 饼图：天气类型分布
pie = (
    Pie(init_opts=opts.InitOpts(width="600px", height="400px"))
    .add(
        "",
        [list(z) for z in zip(weather_counts.index.tolist(), [int(x) for x in weather_counts.values.tolist()])],
        radius=["30%", "70%"],
        label_opts=opts.LabelOpts(formatter="{b}: {d}%")
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="天气类型分布", pos_left="center"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_left="left", pos_top="middle")
    )
)
pie.render_notebook()

散点图（Scatter）

散点图用于展示两个连续变量之间的关系。

from pyecharts.charts import Scatter

# 散点图：企鹅喙长与喙深关系
scatter_adelie = (
    Scatter()
    .add_xaxis([float(x) for x in penguins[penguins['species']=='Adelie']['bill_length_mm'].tolist()])
    .add_yaxis('Adelie', [float(y) for y in penguins[penguins['species']=='Adelie']['bill_depth_mm'].tolist()])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)

scatter_chinstrap = (
    Scatter()
    .add_xaxis([float(x) for x in penguins[penguins['species']=='Chinstrap']['bill_length_mm'].tolist()])
    .add_yaxis('Chinstrap', [float(y) for y in penguins[penguins['species']=='Chinstrap']['bill_depth_mm'].tolist()])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)

scatter_gentoo = (
    Scatter()
    .add_xaxis([float(x) for x in penguins[penguins['species']=='Gentoo']['bill_length_mm'].tolist()])
    .add_yaxis('Gentoo', [float(y) for y in penguins[penguins['species']=='Gentoo']['bill_depth_mm'].tolist()])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)

# 叠加所有系列
scatter_chart = scatter_adelie
for s in [scatter_chinstrap, scatter_gentoo]:
    scatter_chart = scatter_chart.overlap(s)

scatter_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="企鹅喙长与喙深关系"),
    xaxis_opts=opts.AxisOpts(name="喙长 (mm)"),
    yaxis_opts=opts.AxisOpts(name="喙深 (mm)"),
    legend_opts=opts.LegendOpts(pos_left="right"),
    tooltip_opts=opts.TooltipOpts(trigger="item")
)
scatter_chart.render_notebook()

8.9 使用真实数据的图表

城市房价对比

# 处理房价数据：各城市平均单价
house_clean = house.dropna(subset=['unit'])
house_clean = house_clean[house_clean['unit'].str.contains('元')]
house_clean['price_num'] = house_clean['unit'].str.extract(r'(\d+)').astype(float)
city_price = house_clean.groupby('province')['price_num'].mean().sort_values(ascending=True).tail(10)

bar2 = (
    Bar(init_opts=opts.InitOpts(width="850px", height="450px"))
    .add_xaxis(city_price.index.tolist())
    .add_yaxis("平均单价", [round(x, 0) for x in city_price.values.tolist()], category_gap="50%")
    .set_global_opts(
        title_opts=opts.TitleOpts(title="各省份房产均价对比 (TOP 10)"),
        xaxis_opts=opts.AxisOpts(name="省份", axislabel_opts=opts.LabelOpts(rotate=30)),
        yaxis_opts=opts.AxisOpts(name="单价 (元/㎡)"),
        tooltip_opts=opts.TooltipOpts(trigger="axis")
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(position="top"),
        itemstyle_opts=opts.ItemStyleOpts(color="#FF6B6B")
    )
)
bar2.render_notebook()

热力图

from pyecharts.charts import HeatMap

# 热力图：企鹅身体指标相关性
num_cols = ["bill_length_mm", "bill_depth_mm", "flipper_length_mm", "body_mass_g"]
corr = penguins[num_cols].corr()

hm = (
    HeatMap(init_opts=opts.InitOpts(width="700px", height="500px"))
    .add_xaxis(corr.columns.tolist())
    .add_yaxis(
        "",
        corr.index.tolist(),
        [[i, j, round(corr.iloc[i, j], 2)] for i in range(len(corr)) for j in range(len(corr))]
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="企鹅身体指标相关性热力图"),
        visualmap_opts=opts.VisualMapOpts(min_=-1, max_=1, is_calculable=True),
        tooltip_opts=opts.TooltipOpts(trigger="item")
    )
)
hm.render_notebook()

8.10 Grid组合布局

重要: Grid组件是实现多图表合理布局的核心工具。通过设置pos_top、pos_bottom、pos_left、pos_right等参数（使用百分比），可以精确控制每个图表在容器中的位置，避免元素重叠。

flowchart TD A["Grid布局原则"] --> B["上下布局"] A --> C["左右布局"] A --> D["四宫格布局"] B --> B1["上方 pos_bottom='52%'"] B --> B2["下方 pos_top='55%'"] B --> B3["间距约3%"] C --> C1["左侧 pos_right='52%'"] C --> C2["右侧 pos_left='55%'"] C --> C3["间距约3%"] D --> D1["每个格子约42-45%"] D --> D2["间距约10%"] D --> D3["确保不重叠"] style A fill:#fff3e0

Grid上下布局

from pyecharts.charts import Line, Bar, Grid

# Grid 上下布局
line_g = (
    Line(init_opts=opts.InitOpts(width="850px", height="300px"))
    .add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])
    .add_yaxis("蒸发量", [50, 70, 90, 120, 150, 180])
    .add_yaxis("降水量", [60, 80, 100, 130, 160, 200])
    .set_global_opts(
        title_opts=opts.TitleOpts(title="气象数据对比", subtitle="2015年月度统计", pos_left="center", pos_top="0%"),
        tooltip_opts=opts.TooltipOpts(trigger="axis")
    )
)

bar_g = (
    Bar(init_opts=opts.InitOpts(width="850px", height="280px"))
    .add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])
    .add_yaxis("蒸发量", [50, 70, 90, 120, 150, 180])
    .add_yaxis("降水量", [60, 80, 100, 130, 160, 200])
    .set_series_opts(
        label_opts=opts.LabelOpts(position="top"),
        itemstyle_opts=opts.ItemStyleOpts(color="#45B7D1")
    )
)

grid = (
    Grid(init_opts=opts.InitOpts(width="900px", height="800px"))
    .add(line_g, grid_opts=opts.GridOpts(pos_top="10%", pos_bottom="52%", pos_left="5%", pos_right="5%"))
    .add(bar_g, grid_opts=opts.GridOpts(pos_top="55%", pos_bottom="10%", pos_left="5%", pos_right="5%"))
)
grid.render_notebook()

Grid左右布局

from pyecharts.charts import Scatter, Bar, Grid

# 左侧散点图
scatter_left = (
    Scatter()
    .add_xaxis([10, 20, 30, 40, 50])
    .add_yaxis("A组", [20, 30, 40, 50, 60], xaxis_index=0, yaxis_index=0)
    .add_yaxis("B组", [30, 40, 50, 60, 70], xaxis_index=0, yaxis_index=0)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="分组对比", pos_left="10%"),
        xaxis_opts=opts.AxisOpts(type_="value", name="指标"),
        yaxis_opts=opts.AxisOpts(type_="value", name="数值")
    )
)

# 右侧柱状图
bar_right = (
    Bar()
    .add_xaxis(["A组", "B组", "C组"])
    .add_yaxis("数值", [45, 55, 48], xaxis_index=1, yaxis_index=1)
    .set_series_opts(label_opts=opts.LabelOpts(position="top"))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="分组统计", pos_left="62%"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(name="数值")
    )
)

# Grid 布局
grid_lr = (
    Grid(init_opts=opts.InitOpts(width="980px", height="500px"))
    .add(
        scatter_left,
        grid_opts=opts.GridOpts(pos_left="8%", pos_right="55%", pos_top="18%", pos_bottom="14%"),
        is_control_axis_index=True
    )
    .add(
        bar_right,
        grid_opts=opts.GridOpts(pos_left="60%", pos_right="8%", pos_top="18%", pos_bottom="14%"),
        is_control_axis_index=True
    )
)
grid_lr.render_notebook()

Grid四宫格仪表盘

from pyecharts.charts import Bar, Line, Scatter, Pie, Grid

# 左上：柱状图
bar1 = (
    Bar()
    .add_xaxis(["衬衫", "毛衣", "裙子", "裤子", "风衣"])
    .add_yaxis("数量", [20, 30, 40, 35, 25], xaxis_index=0, yaxis_index=0)
    .add_yaxis("库存", [50, 40, 30, 45, 55], xaxis_index=0, yaxis_index=0)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="服装销量", pos_left="8%", pos_top="3%"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value")
    )
)

# 右上：折线图
line1 = (
    Line()
    .add_xaxis(["周一", "周二", "周三", "周四", "周五"])
    .add_yaxis("销量", [120, 200, 150, 80, 70], xaxis_index=1, yaxis_index=1)
    .add_yaxis("访问量", [300, 350, 280, 400, 380], xaxis_index=1, yaxis_index=1)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="访问趋势", pos_left="58%", pos_top="3%"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value")
    )
)

# 左下：散点图
scatter1 = (
    Scatter()
    .add_xaxis(["A", "B", "C", "D", "E"])
    .add_yaxis("数据", [50, 60, 70, 80, 90], xaxis_index=2, yaxis_index=2)
    .set_series_opts(symbol_size=14)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="数据分布", pos_left="8%", pos_top="53%"),
        xaxis_opts=opts.AxisOpts(type_="category"),
        yaxis_opts=opts.AxisOpts(type_="value")
    )
)

# 右下：饼图
pie1 = (
    Pie()
    .add(
        "",
        [["北京", 45], ["上海", 35], ["广州", 20]],
        center=["75%", "74%"],
        radius=["12%", "22%"]
    )
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    .set_global_opts(title_opts=opts.TitleOpts(title="城市占比", pos_left="58%", pos_top="53%"))
)

grid4 = (
    Grid(init_opts=opts.InitOpts(width="1000px", height="800px"))
    .add(bar1, grid_opts=opts.GridOpts(pos_left="8%", pos_right="56%", pos_top="12%", pos_bottom="56%"), is_control_axis_index=True)
    .add(line1, grid_opts=opts.GridOpts(pos_left="58%", pos_right="8%", pos_top="12%", pos_bottom="56%"), is_control_axis_index=True)
    .add(scatter1, grid_opts=opts.GridOpts(pos_left="8%", pos_right="56%", pos_top="62%", pos_bottom="10%"), is_control_axis_index=True)
    .add(pie1, grid_opts=opts.GridOpts(pos_left="58%", pos_right="8%", pos_top="62%", pos_bottom="10%"))
)
grid4.render_notebook()

叠加图表：折线+柱状混合

from pyecharts.charts import Line, Bar

overlap_base = (
    Bar(init_opts=opts.InitOpts(width="800px", height="450px"))
    .add_xaxis(["周一", "周二", "周三", "周四", "周五", "周六", "周日"])
    .add_yaxis("咖啡销量", [120, 150, 90, 180, 200, 250, 280])
    .add_yaxis("茶销量", [80, 60, 100, 70, 90, 120, 110])
    .set_series_opts(label_opts=opts.LabelOpts(position="top"))
)

line_overlay = (
    Line()
    .add_xaxis(["周一", "周二", "周三", "周四", "周五", "周六", "周日"])
    .add_yaxis("总利润", [200, 210, 190, 250, 290, 370, 390])
    .set_series_opts(
        linestyle_opts=opts.LineStyleOpts(width=3, color="#FF6B6B"),
        label_opts=opts.LabelOpts(is_show=True, position="top")
    )
)

overlap_chart = overlap_base.overlap(line_overlay)
overlap_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="饮品销量与利润对比"),
    tooltip_opts=opts.TooltipOpts(trigger="axis")
)
overlap_chart.render_notebook()

8.11 组合组件

Page - 多图表分页

Page组件允许将多个图表放在同一个页面中。

from pyecharts.charts import Page

page = Page(layout=Page.SimplePageLayout)

line_p = (
    Line()
    .add_xaxis(["1月", "2月", "3月", "4月"])
    .add_yaxis("产品A", [100, 120, 130, 150])
    .add_yaxis("产品B", [80, 90, 100, 110])
    .set_global_opts(title_opts=opts.TitleOpts(title="产品销售趋势"))
)

bar_p = (
    Bar()
    .add_xaxis(["手机", "电脑", "平板", "耳机"])
    .add_yaxis("销量", [300, 450, 200, 150])
    .add_yaxis("库存", [100, 200, 300, 250])
    .set_global_opts(title_opts=opts.TitleOpts(title="电子产品销售统计"))
)

pie_p = (
    Pie()
    .add("", [["已完成", 60], ["进行中", 30], ["未开始", 10]], radius=["40%", "70%"])
    .set_global_opts(title_opts=opts.TitleOpts(title="项目进度"))
)

page.add(line_p, bar_p, pie_p)
page.render_notebook()

Tab - 标签页切换

Tab组件通过标签页的形式展示多个图表。

from pyecharts.charts import Tab

tab = Tab()

line_tab = (
    Line()
    .add_xaxis(["周一", "周二", "周三", "周四", "周五"])
    .add_yaxis("本周", [120, 140, 150, 170, 190])
    .add_yaxis("上周", [100, 110, 120, 130, 140])
    .set_global_opts(title_opts=opts.TitleOpts(title="销售趋势对比"))
)

bar_tab = (
    Bar()
    .add_xaxis(["北京", "上海", "广州", "深圳"])
    .add_yaxis("销售额", [5000, 6000, 4500, 5500])
    .add_yaxis("利润", [1500, 1800, 1200, 1600])
    .set_global_opts(title_opts=opts.TitleOpts(title="城市销售对比"))
)

pie_tab = (
    Pie()
    .add("", [["已完成", 60], ["进行中", 30], ["未开始", 10]], radius=["40%", "70%"])
    .set_global_opts(title_opts=opts.TitleOpts(title="项目进度"))
)

tab.add(line_tab, "趋势图")
tab.add(bar_tab, "对比图")
tab.add(pie_tab, "进度图")
tab.render_notebook()

Timeline - 时间线动画

Timeline组件允许按时间顺序展示数据的变化。

from pyecharts.charts import Timeline

tl = Timeline(init_opts=opts.InitOpts(width="800px", height="400px"))
tl.add_schema(
    play_interval=2000,  # 播放间隔 2 秒
    is_auto_play=True,   # 自动播放
    is_loop_play=True    # 循环播放
)

for year in [2013, 2014, 2015]:
    line_t = (
        Line()
        .add_xaxis(["1月", "2月", "3月", "4月"])
        .add_yaxis("销量", [100 + year * 10, 120 + year * 10, 130 + year * 10, 150 + year * 10])
        .add_yaxis("利润", [80 + year * 8, 90 + year * 8, 100 + year * 8, 120 + year * 8])
        .set_global_opts(title_opts=opts.TitleOpts(title=f"{year}年销售数据", pos_left="center"))
    )
    tl.add(line_t, f"{year}年")

tl.render_notebook()

8.12 高级图表

雷达图（Radar）

雷达图适合展示多维度数据的综合对比。

from pyecharts.charts import Radar

radar = (
    Radar(init_opts=opts.InitOpts(width="700px", height="500px"))
    .add_schema(
        schema=[
            opts.RadarIndicatorItem(name="经济", max_=100),
            opts.RadarIndicatorItem(name="交通", max_=100),
            opts.RadarIndicatorItem(name="环境", max_=100),
            opts.RadarIndicatorItem(name="教育", max_=100),
            opts.RadarIndicatorItem(name="医疗", max_=100)
        ],
        splitline_opt=opts.SplitLineOpts(is_show=True),
        splitarea_opt=opts.SplitAreaOpts(is_show=True)
    )
    .add("北京", [[85, 90, 80, 75, 88]], color="#1f77b4")
    .add("上海", [[90, 85, 85, 80, 86]], color="#ff7f0e")
    .set_global_opts(title_opts=opts.TitleOpts(title="城市发展雷达图"))
)
radar.render_notebook()

词云（WordCloud）

词云适合展示文本数据中高频关键词的可视化。

from pyecharts.charts import WordCloud

words = [
    ("Python", 10000), ("数据分析", 8000), ("机器学习", 7500),
    ("可视化", 6000), ("Pandas", 5500), ("PyEcharts", 5000),
    ("NumPy", 4500), ("Scikit-learn", 4000), ("深度学习", 3500),
    ("TensorFlow", 3000), ("PyTorch", 2800), ("NLP", 2600)
]

wordcloud = (
    WordCloud(init_opts=opts.InitOpts(width="800px", height="500px"))
    .add("", words, word_size_range=[20, 80], shape="diamond")
    .set_global_opts(title_opts=opts.TitleOpts(title="技术关键词词云"))
)
wordcloud.render_notebook()

涟漪散点图（EffectScatter）

涟漪散点图带有动态涟漪效果，适合突出显示重点数据。

from pyecharts.charts import EffectScatter
from pyecharts.globals import SymbolType

escatter = (
    EffectScatter(init_opts=opts.InitOpts(width="700px", height="400px"))
    .add_xaxis(["北京", "上海", "广州", "深圳", "成都", "杭州"])
    .add_yaxis("GDP排名", [1, 2, 3, 4, 5, 6], symbol=SymbolType.DIAMOND, symbol_size=20)
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=True, position="top"),
        effect_opts=opts.EffectOpts(scale=3, period=2, color="#FF6B6B")
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="城市GDP排名（涟漪效果）"),
        yaxis_opts=opts.AxisOpts(is_inverse=True)
    )
)
escatter.render_notebook()

水球图（Liquid）

水球图适合展示百分比或进度类的数据。

from pyecharts.charts import Liquid

liquid = (
    Liquid(init_opts=opts.InitOpts(width="400px", height="400px"))
    .add("完成率", [0.78], is_animation=True, color=["#4ECDC4"])
    .set_global_opts(title_opts=opts.TitleOpts(title="项目完成率", pos_left="center"))
)
liquid.render_notebook()

仪表盘（Gauge）

仪表盘适合展示单一指标的当前值与目标范围的关系。

from pyecharts.charts import Gauge

gauge = (
    Gauge(init_opts=opts.InitOpts(width="500px", height="400px"))
    .add("满意度", [("评分", 85)], split_number=10)
    .set_global_opts(title_opts=opts.TitleOpts(title="用户满意度评分", pos_left="center"))
)
gauge.render_notebook()

旭日图（Sunburst）

旭日图是一种高级饼图，可以展示具有层级关系的数据。

from pyecharts.charts import Sunburst

data = [
    {"name": "企鹅", "children": [
        {"name": "Adelie", "value": 150},
        {"name": "Gentoo", "value": 120},
        {"name": "Chinstrap", "value": 68}
    ]},
    {"name": "栖息地", "children": [
        {"name": "Torgersen", "value": 50},
        {"name": "Biscoe", "value": 100},
        {"name": "Dream", "value": 88}
    ]}
]

sunburst = (
    Sunburst(init_opts=opts.InitOpts(width="600px", height="500px"))
    .add("", data)
    .set_global_opts(title_opts=opts.TitleOpts(title="企鹅分类旭日图", pos_left="center"))
)
sunburst.render_notebook()

8.13 主题与样式

PyEcharts支持多种内置主题。

from pyecharts.globals import ThemeType

# 不同主题的折线图示例
themes = [ThemeType.LIGHT, ThemeType.DARK, ThemeType.MACARONS]
for theme in themes:
    line_theme = (
        Line(init_opts=opts.InitOpts(theme=theme, width="600px", height="300px"))
        .add_xaxis(["周一", "周二", "周三", "周四", "周五"])
        .add_yaxis("销量", [120, 150, 90, 180, 200])
        .add_yaxis("利润", [80, 100, 60, 120, 140])
        .set_global_opts(title_opts=opts.TitleOpts(title=f"主题演示: {theme}"))
    )
    line_theme.render_notebook()

可用主题： LIGHT, DARK, ESSOS, WALDEN, CHALK, INFOGRAPHIC, MACARONS, PURPLE_PASSION等

8.14 DataZoom数据区域缩放

DataZoom组件允许用户通过拖拽或滑块来缩放数据区域。

# 数据区域缩放
dates = [f"2024-{i//28+1:02d}-{i%28+1:02d}" for i in range(360)]
values = [100 + i * 0.5 + random.randint(-20, 20) for i in range(360)]

line_zoom = (
    Line(init_opts=opts.InitOpts(width="900px", height="400px"))
    .add_xaxis(dates)
    .add_yaxis("访问量", values)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="日访问量趋势（可缩放）"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=45)),
        datazoom_opts=opts.DataZoomOpts(
            range_start=0,
            range_end=30,
            orient="horizontal",
            pos_top="85%"
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis")
    )
)
line_zoom.render_notebook()

8.15 核心组件速查

flowchart TD A["组件"] --> B["Grid"] A --> C["Page"] A --> D["Tab"] A --> E["Timeline"] A --> F["Overlap"] B --> B1["多图表网格布局"] C --> C1["多图表分页"] D --> D1["标签页切换"] E --> E1["时间线动画"] F --> F1["图表叠加"] style A fill:#fff3e0

组件	用途
Grid	多图表网格布局，支持精确定位
Page	多图表分页展示
Tab	多图表标签页切换
Timeline	时间线动画展示
Overlap	图表叠加（折线+柱状混合）

8.16 Grid防重叠要点

上下布局：上方图表设置pos_bottom="52%"，下方图表设置pos_top="55%"
左右布局：左侧图表设置pos_right="52%"，右侧图表设置pos_left="55%"
四宫格：每个格子约42-45%，间距约10%，确保pos_top + pos_bottom < 100%
使用grid_gap：增加格子之间的间距

8.17 小结

mindmap root((PyEcharts核心知识点)) 基础图表 Line 折线图 Bar 柱状图 Pie 饼图 Scatter 散点图 HeatMap 热力图高级图表 Radar 雷达图 WordCloud 词云 Gauge 仪表盘 Liquid 水球图 Sunburst 旭日图 EffectScatter 涟漪散点组合组件 Grid 网格布局 Page 分页展示 Tab 标签页切换 Timeline 时间线 Overlap 图表叠加布局技巧防重叠原则百分比定位 grid_gap间距

核心要点回顾：

PyEcharts是ECharts的Python封装，支持丰富的交互功能
基础图表：Line、Bar、Pie、Scatter、HeatMap
组合布局：Grid实现多图表精确定位，避免重叠
组合组件：Page、Tab、Timeline增强展示效果
高级图表：Radar、WordCloud、Gauge、Liquid、Sunburst等
主题：支持LIGHT、DARK、MACARONS等多种内置主题

推荐学习资源：

PyEcharts官方文档：https://pyecharts.org
ECharts官方示例：https://echarts.apache.org/examples/

建议多加练习，将交互式可视化应用到数据分析报告中，制作出更加专业的图表。

数据分析-08PyEcharts 数据可视化

8.1 工具介绍

8.1.1 PyEcharts概述

8.1.2 核心概念

8.1.3 InitOpts 初始化配置

8.1.4 TitleOpts 标题配置

8.1.5 AxisOpts 坐标轴配置

8.1.6 TooltipOpts 提示框配置

8.2 基础图表函数详解

8.2.1 Line 折线图

8.2.2 Bar 柱状图

8.2.3 Pie 饼图

8.2.4 Scatter 散点图

8.2.5 HeatMap 热力图

8.2.6 Radar 雷达图

8.2.7 WordCloud 词云

8.3 组合组件详解

8.3.1 Grid 网格布局

8.3.2 Page 分页展示

8.3.3 Tab 标签页切换

8.3.4 Timeline 时间线

8.4 高级图表函数详解

8.4.1 Gauge 仪表盘

8.4.2 Liquid 水球图

8.4.3 Sunburst 旭日图

8.4.4 EffectScatter 涟漪散点图

8.5 数据缩放组件

8.5.1 DataZoomOpts 数据区域缩放

8.6 样式配置详解

8.6.1 LabelOpts 标签配置

8.6.2 ItemStyleOpts 数据项样式

8.6.3 LineStyleOpts 线样式

8.7 主题配置

8.8 基础图表

折线图（Line）

柱状图（Bar）

饼图（Pie）

散点图（Scatter）

8.9 使用真实数据的图表

城市房价对比

热力图

8.10 Grid组合布局

Grid上下布局

Grid左右布局

Grid四宫格仪表盘

叠加图表：折线+柱状混合

8.11 组合组件

Page - 多图表分页

Tab - 标签页切换

Timeline - 时间线动画

8.12 高级图表

雷达图（Radar）

词云（WordCloud）

涟漪散点图（EffectScatter）

水球图（Liquid）

仪表盘（Gauge）

旭日图（Sunburst）

8.13 主题与样式

8.14 DataZoom数据区域缩放

8.15 核心组件速查

8.16 Grid防重叠要点

8.17 小结

评论区

数据分析-08PyEcharts 数据可视化