当前位置：首页 > ai >正文

每日五个pyecharts可视化图表-bars（1）

ai 2025/8/6 13:06:48

在数据可视化中，柱状图是一种常用且直观的图表类型。本文将介绍五个使用pyecharts库创建的柱状图示例，每个示例都有详细的代码解释和实现原理。
pyecahts图表源码

图表一：带百分比标签的堆叠柱状图

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType# 准备数据，包含值和百分比
list2 = [{"value": 12, "percent": 12 / (12 + 3)},{"value": 23, "percent": 23 / (23 + 21)},{"value": 33, "percent": 33 / (33 + 5)},{"value": 3, "percent": 3 / (3 + 52)},{"value": 33, "percent": 33 / (33 + 43)},
]list3 = [{"value": 3, "percent": 3 / (12 + 3)},{"value": 21, "percent": 21 / (23 + 21)},{"value": 5, "percent": 5 / (33 + 5)},{"value": 52, "percent": 52 / (3 + 52)},{"value": 43, "percent": 43 / (33 + 43)},
]# 创建图表对象并设置主题
c = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))# 添加X轴数据.add_xaxis([1, 2, 3, 4, 5])# 添加Y轴数据，设置堆叠和分类间距.add_yaxis("product1", list2, stack="stack1", category_gap="50%").add_yaxis("product2", list3, stack="stack1", category_gap="50%")# 设置系列配置项，特别是标签格式.set_series_opts(label_opts=opts.LabelOpts(position="right",formatter=JsCode("function(x){return Number(x.data.percent * 100).toFixed() + '%';}"),))
)
# 在notebook中显示图表
c.render_notebook()

首先，我们导入了必要的模块，包括pyecharts的选项、柱状图类、JS代码工具和主题设置。然后，我们准备了两组数据，每组数据都包含具体值和对应的百分比。

通过，我们创建了一个Bar对象并设置了主题为LIGHT。接着，我们添加了X轴数据和两组Y轴数据，并将它们设置为堆叠显示，分类间距为50%。

因为需要在图表上显示百分比，我们使用了JsCode工具来自定义标签格式化函数，将数据中的percent字段乘以100并取整，最后添加百分号。标签位置设置为右侧，以便更好地展示。
在这里插入图片描述

图表二：旋转X轴标签的柱状图

from pyecharts import options as opts
from pyecharts.charts import Bar# 创建图表对象
c = (Bar()# 添加X轴数据，注意这里使用了较长的标签名称.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",])# 添加两组Y轴数据.add_yaxis("商家A", [10, 20, 30, 40, 50, 40]).add_yaxis("商家B", [20, 10, 40, 30, 40, 50])# 设置全局配置项.set_global_opts(# 旋转X轴标签以解决过长问题xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),# 设置标题和副标题title_opts=opts.TitleOpts(title="Bar-旋转X轴标签", subtitle="解决标签名字过长的问题"),)
)
# 在notebook中显示图表
c.render_notebook()

首先，我们导入了必要的模块。然后，创建了一个Bar对象并添加了X轴数据，这里特意使用了较长的标签名称来演示问题。

通过，我们添加了两组Y轴数据，分别代表商家A和商家B。

因为X轴标签过长可能会导致重叠，我们在全局配置项中设置了X轴标签的旋转角度为-15度，这样标签会倾斜显示，避免重叠。同时，我们还设置了图表的标题和副标题，使图表更加完整。
在这里插入图片描述

图表三：基础堆叠柱状图

from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker# 创建图表对象
c = (Bar()# 使用Faker库生成X轴数据.add_xaxis(Faker.choose())# 添加两组Y轴数据并设置堆叠.add_yaxis("商家A", Faker.values(), stack="stack1").add_yaxis("商家B", Faker.values(), stack="stack1")# 设置系列配置项，隐藏标签.set_series_opts(label_opts=opts.LabelOpts(is_show=False))# 设置全局配置项，添加标题.set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（全部）"))
)
# 在notebook中显示图表
c.render_notebook()

首先，我们导入了必要的模块，包括Faker库用于生成模拟数据。

通过，我们创建了一个Bar对象，并使用Faker.choose()生成了X轴的类别数据。然后，添加了两组Y轴数据，都使用Faker.values()生成随机数值，并将它们设置为堆叠显示。

因为这里主要展示堆叠效果，我们隐藏了数据标签以避免图表过于拥挤。最后，我们添加了图表标题，使图表更加清晰。
在这里插入图片描述

图表四：带时间轴的宏观经济指标组合图表

这个图表是一个动态的组合可视化，通过时间轴展示2002-2011年全国各地区的多维度经济数据，并结合柱状图和饼图呈现详细数据与占比关系。

代码实现解析

首先，定义了核心函数 get_year_overlap_chart，它接收一个年份参数并返回该年份的组合图表：

#数据可以去pyecharts官网获取
#####################################################################################
# 2002 - 2011 年的数据
def get_year_overlap_chart(year: int) -> Bar:# 创建柱状图bar = (Bar().add_xaxis(xaxis_data=name_list)  # 添加地区名称作为X轴# 添加6个数据系列.add_yaxis(series_name="GDP", y_axis=total_data["dataGDP"][year], label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name="金融", y_axis=total_data["dataFinancial"][year], label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name="房地产", y_axis=total_data["dataEstate"][year], label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name="第一产业", y_axis=total_data["dataPI"][year], label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name="第二产业", y_axis=total_data["dataSI"][year], label_opts=opts.LabelOpts(is_show=False)).add_yaxis(series_name="第三产业", y_axis=total_data["dataTI"][year], label_opts=opts.LabelOpts(is_show=False))# 设置全局配置.set_global_opts(title_opts=opts.TitleOpts(title="{}全国宏观经济指标".format(year), subtitle="数据来自国家统计局"),tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="shadow"),legend_opts=opts.LegendOpts(selected_map={"GDP": False, "金融": False, "房地产": False})))# 创建饼图pie = (Pie().add(series_name="GDP占比",data_pair=[["第一产业", total_data["dataPI"]["{}sum".format(year)]],["第二产业", total_data["dataSI"]["{}sum".format(year)]],["第三产业", total_data["dataTI"]["{}sum".format(year)]]],center=["75%", "35%"], radius="28%").set_series_opts(tooltip_opts=opts.TooltipOpts(is_show=True, trigger="item")))return bar.overlap(pie)  # 重叠饼图到柱状图上

通过这段代码，我们可以看到：

柱状图部分：展示了各地区（name_list）在六个经济指标上的数据，包括GDP、金融、房地产、第一产业、第二产业和第三产业。所有标签都被隐藏以避免图表拥挤。
图例配置：默认将GDP、金融、房地产三个系列设置为不选中状态（selected_map），因为这三个指标数值通常远大于产业数据，这样设置可以让初始视图更清晰地展示产业结构。
饼图部分：位于图表右侧（center=["75%", "35%"]），展示了该年份第一、二、三产业在GDP中的占比情况，数据来自各产业的年度总和（如total_data["dataPI"]["{}sum".format(year)]）。
重叠显示：使用.overlap(pie)方法将饼图叠加到柱状图上，实现了两种图表类型的融合展示。

时间轴功能

代码的第二部分创建了时间轴，实现了数据的动态展示：

timeline = Timeline()
for y in range(2002, 2012):timeline.add(get_year_overlap_chart(year=y), time_point=str(y))
timeline.add_schema(is_auto_play=True, play_interval=1000)
timeline.render_notebook()

因为添加了时间轴，图表可以自动播放（is_auto_play=True），每1000毫秒切换一个年份（play_interval=1000），直观地展示2002-2011年十年间经济数据的变化趋势。

图表特点

多维度数据展示：同时呈现六个经济指标，提供全面的经济图景。
组合可视化：柱状图展示地区差异，饼图展示产业结构，互补性强。
交互式体验：时间轴动画展示数据变化，图例可交互切换指标显示。
数据层次清晰：通过默认隐藏大数值指标，突出展示产业结构比例。

这个图表设计巧妙，既展示了各地区的详细经济数据，又呈现了全国层面的产业结构，同时通过时间轴展示了十年间的变化趋势，是一个信息密度高、交互性强的综合可视化作品。
在这里插入图片描述

图表五：使用字典配置的基础柱状图

这个图表展示了pyecharts库的另一种配置方式——通过字典进行配置，更加灵活简洁。

代码实现解析

from pyecharts.charts import Bar 
from pyecharts.faker import Faker 
from pyecharts.globals import ThemeType c = (Bar({"theme": ThemeType.MACARONS})  # 使用字典配置主题.add_xaxis(Faker.choose())  # 添加X轴数据.add_yaxis("商家A", Faker.values())  # 添加商家A的数据.add_yaxis("商家B", Faker.values())  # 添加商家B的数据.set_global_opts(title_opts={"text": "Bar-通过 dict 进行配置", "subtext": "我也是通过 dict 进行配置的"} )#.render("bar_base_dict_config.html") 
)
c.render_notebook()

核心特点

字典配置方式：与之前使用opts对象不同，这里直接使用Python字典进行配置。例如：
- Bar({"theme": ThemeType.MACARONS})：通过字典设置主题
- title_opts={"text": "Bar-通过 dict 进行配置", "subtext": "我也是通过 dict 进行配置的"}：通过字典设置标题
马卡龙主题：使用了ThemeType.MACARONS主题，这是pyecharts提供的一种色彩鲜艳、现代感强的主题风格。
模拟数据：继续使用Faker库生成模拟数据：
- Faker.choose()：生成类别数据作为X轴
- Faker.values()：生成随机数值作为Y轴数据
简洁明了：代码结构简单，易于理解，适合初学者上手。