Python数据可视化实战：Pyecharts入门与图表配置详解

小林子

发布时间：2026-10-15| 5人浏览过

原创

本文深入解析Python中Pyecharts库的使用，涵盖饼图、柱状图、箱线图及热力图等常见图表的创建方法。详细讲解add_xaxis、add_yaxis及set_global_opts等核心API，并提供链式调用与面向对象两种编程风格的代码示例，帮助开发者快速实现交互式数据可视化。

针对Web Flask项目的可视化数据分析需求，经检索发现Pyecharts工具包是理想选择。

Echarts作为百度开源的数据可视化库，凭借出色的交互性和精巧的图表设计广受开发者认可。Python语言表达力强，非常适合数据处理。当数据分析与数据可视化结合时，Pyecharts应运而生。

Pyecharts中文文档提供了详尽说明，本文记录个人关注的部分及对应的使用结果。

整体说明

Pyecharts绘图步骤可简化为：

新建合适的图表对象，常见类型包括：

Pie: 饼图

Bar: 柱状图/条状图

Boxplot: 箱形图

HeatMap: 热力图

Line: 折线图/面积图

Scatter: 散点图

特别地，可使用Overlap进行层叠多图组合。更详细信息可参考官方文档-图表类型。

bar = Bar()

后续操作均通过该对象的方法实现。

为图表对象增加数据，例如使用.add_xaxis()添加x轴、.add_yaxis()添加y轴数据。

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])

全局配置项：所有内容均通过.set_global_opts()方法添加。

bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))

常用配置包括：

TitleOpts：标题配置项

LegendOpts：图例配置项

VisualMapOpts：视觉映射配置项

AxisLineOpts: 坐标轴轴线配置项

AxisTickOpts: 坐标轴刻度配置项

AxisPointerOpts: 坐标轴指示器配置项

AxisOpts：坐标轴配置项

SingleAxisOpts：单轴配置项

详见官方文档配置项-全局配置项。

例子

Boxplot

箱型图是一种简洁的统计值可视化方法。

import random
from pyecharts import options as opts
from pyecharts.charts import Boxplot
import numpy as np
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 长度为1的str list
x_label = ['随机数'] 
data = np.random.randint(1000, size=100)
# 这里data应为2维数组，长度和x_label相同的 list list
data = [data.tolist()]  
boxplot = Boxplot()
boxplot.add_xaxis(x)
# 调用自带的函数，计算箱型图需要的数据
y_value = boxplot.prepare_data(y_value)
boxplot.add_yaxis('', y_value)
boxplot.set_global_opts(title_opts=opts.TitleOpts(title='box plot demo'))
boxplot.render()

Bar

Bar较为简单，适合入门。设定一个x轴和一个y轴后，即可render生成图表。

# -*- coding: utf-8 -*-
from pyecharts.charts import Bar
from pyecharts import options as opts
import numpy as np
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
# 随机数组，0~255的数字，10000个
x = np.random.randint(255, size=1000) 
# 统计直方图
sum = np.zeros(256, dtype=np.int32)
for cur_x in x:
    sum[cur_x] += 1
# 绘图
bar = Bar()
# x轴 0~255
x_label = [str(label) for label in list(range(256))]
bar.add_xaxis(x_label)
# y轴 频数, 这里的list一定要是标准int,不能为 np.int，所有 y_axis=list(sum)的话是不可以的
bar.add_yaxis(series_name='频数', y_axis=sum.tolist())
# 设置标题
bar.set_global_opts(title_opts=opts.TitleOpts(title='直方图统计'))
# 生成网页，会在当前目录下生成一个render.html
bar.render()

HeatMap

热力图。本文已叙述得很好，以下为引用。注：引文中的代码采用链式写法，官方推荐此方式。

import random
from pyecharts import options as opts
from pyecharts.charts import HeatMap
from pyecharts.faker import Faker
# 离线资源，有网络下可以不管
from pyecharts.globals import CurrentConfig
CurrentConfig.ONLINE_HOST = "http://127.0.0.1:8889/assets/"
value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]
heatmap = (
    HeatMap()
    .add_xaxis(Faker.clock)
    .add_yaxis(
        "",
        Faker.week,
        value,
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="基础热力图"),
        visualmap_opts=opts.VisualMapOpts(),
    )
)
heatmap.render()

以上就是Python可视化数据分析Pyecharts初步尝试的详细内容，更多关于Python可视化数据分析Pyecharts的资料请关注本站其它相关文章！