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
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0133技术站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0133技术站！
以上就是Python绘制柱状图可视化神器pyecharts的详细内容，更多请关注0133技术站其它相关文章！
