前言
在大数据时代，数据可视化成为了分析和展示数据的重要手段。Pyecharts 是一个基于 Python 的强大数据可视化库，能够快速生成易于分享和交互的可视化图表。本章详细讲解了 Pyecharts 的官网资源、安装流程、全局配置项以及如何创建折线图。
本篇文章参考：黑马程序员
一、Pyecharts介绍
Pyecharts 是一个基于 Echarts 实现的 Python 可视化库，可以轻松创建交互式的图表。
①pyecharts官网
pyecharts官网提供了详细的文档和使用手册，介绍了 Pyecharts 的各种功能、API 和用法。
②pyecharts画廊官网
Pyecharts 画廊官网展示了大量实际图表的示例，包括各种复杂和多样化的图表。画廊中的图表通常是交互式的，可以在网页上直接与图表进行互动，例如缩放、筛选或者查看详细数据。
二、安装Pyecharts
Win R 打开运行对话框，在对话框中输入cmd并回车进入命令提示符。
输入pip install pyecharts即可通过网络快速安装第三方包。
检验pyecharts是否可以正常使用，输入python并回车进入python解释器环境，接着输入import pyecharts导入pyecharts包并回车，如果没有报错即可正常使用。
三、全局配置项
Pyecharts 提供了多种全局配置选项，可以帮助我们调整图表的整体外观和行为。这些全局配置项可以在创建图表时进行设置，以改变图表的样式、颜色、标题等属性。
常见的全局配置项：
类别 | 配置项 | 说明 |
|---|---|---|
图表标题 |
| 主标题 |
图表标题 |
| 副标题 |
图表标题 |
| 副标题详细信息 |
图表标题 |
| 点击标题跳转的链接 |
图表标题 |
| 标题链接的目标 |
图表标题 |
| 字体样式（如颜色、大小等） |
提示框 |
| 是否显示提示框 |
提示框 |
| 提示框触发方式（如 |
提示框 |
| 自定义格式化函数 |
图例 |
| 图例的朝向（ |
图例 |
| 图例的左边距 |
图例 |
| 图例的上边距 |
图例 |
| 显示的图例名称列表 |
坐标轴 |
| 坐标轴名称 |
坐标轴 |
| 坐标轴类型（如 |
坐标轴 |
| 坐标轴标签样式 |
坐标轴 |
| 是否显示坐标轴分隔线 |
数据缩放 |
| 数据缩放的类型（如 |
数据缩放 |
| 控制哪个 X 轴的数据缩放 |
数据缩放 |
| 控制哪个 Y 轴的数据缩放 |
背景 |
| 图表的背景颜色 |
背景 |
| 视觉映射配置 |
网格 |
| 网格的左边距 |
网格 |
| 网格的右边距 |
网格 |
| 网格的上边距 |
网格 |
| 网格的下边距 |
网格 |
| 是否包含坐标轴的标签 |
其他选项 |
| 动画关于图表的显示（开启/关闭） |
其他选项 |
| 提示框的整体设置 |
其他选项 |
| 针对特定系列的设置 |
四、绘制折线图
①基本流程
1.导入必要的模块 2.创建折线图对象 3.添加 X 轴数据 4.添加 Y 轴数据 5.设置全局选项 6.渲染或生成图像
②常见方法
方法 | 作用 | 示例 |
|---|---|---|
| 创建折线图对象 |
|
| 添加数据系列 |
|
| 设置全局配置，如标题、工具提示等 |
|
| 设置系列特定配置，如标签、样式等 |
|
| 渲染图表并保存为 HTML 文件 |
|
| 自定义折线颜色 |
|
| 自定义 tooltip 的显示方式 |
|
| 自定义 x 轴的名称或类型 |
|
| 自定义 y 轴的名称或类型 |
|
| 设置图例 |
|
| 添加数据缩放控件 |
|
# 导包，导入Line功能构建折线图对象
from pyecharts.charts import Line
# 创建一个折线图对象
line=Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["中国","美国","英国"])
# 给折线图对象添加y轴的数据
line.add_yaxis("CDP",[30,20,10])
# 通过render方法将代码生成图像
line.render()运行后line.render()方法会创建并保存一个包含该折线图的HTML文件。通常情况下，这个文件会被保存在当前工作目录下，文件名默认是 render.html。
打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的折线图。
进行全局配置后：
代码语言：python代码运行次数：0复制# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts
from pyecharts.options import LegendOpts
from pyecharts.options import ToolboxOpts
from pyecharts.options import VisualMapOpts
# 创建一个折线图对象
line=Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["中国","美国","英国"])
# 给折线图对象添加y轴的数据
line.add_yaxis("CDP",[30,20,10])
# 通过set_global_pots设置全局配置项
line.set_global_opts(
title_opts=TitleOpts(title="GDP展示",pos_left="center",pos_bottom="1%"),
legend_opts=LegendOpts(is_show=True),
toolbox_opts=ToolboxOpts(),
visualmap_opts=VisualMapOpts(is_show=True),
)
# 通过render方法将代码生成图像
line.render() 
【例题】
根据如下三个文本文件画出2020年ABC三国某疾病确诊人数对比折线图。
A国.txt文本文件内容：
jsonp_1629344292311_69436({"status":0,"msg":"success","data":{"name":"A国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":34,34,34,53,57},{"name":"治愈","data":0,0,3,0,0},{"name":"死亡","data":0,0,0,0,0},{"name":"新增确诊","data":23,0,0,19,4}}}});
B国.txt文本文件内容：
jsonp_1629350871167_29498({"status":0,"msg":"success","data":{"name":"B国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":93,105,132,144,156},{"name":"治愈","data":23,24,24,26,27},{"name":"死亡","data":1,1,1,1,1},{"name":"新增确诊","data":9,12,27,12,12}}}});
C国.txt文本文件内容：
jsonp_1629350745930_63180({"status":0,"msg":"success","data":{"name":"C国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":54,59,67,76,84},{"name":"治愈","data":468,506,620,774,969},{"name":"死亡","data":164,178,226,249,288},{"name":"新增确诊","data":533,565,809,875,846}}}});
代码语言：python代码运行次数：0复制import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts
# 处理数据
f_a = open("D:/A国.txt", "r", encoding="UTF-8")
a_data = f_a.read() # A国的全部内容
f_b = open("D:/B国.txt", "r", encoding="UTF-8")
b_data = f_b.read() # B国的全部内容
f_c = open("D:/C国.txt", "r", encoding="UTF-8")
c_data = f_c.read() # C国的全部内容
# 去掉不合JSON规范的开头
a_data = a_data.replace("jsonp_1629344292311_69436(", "")
b_data = b_data.replace("jsonp_1629350871167_29498(", "")
c_data = c_data.replace("jsonp_1629350745930_63180(", "")
# 去掉不合JSON规范的结尾
a_data = a_data[:-2]
b_data = b_data[:-2]
c_data = c_data[:-2]
# JSON转Python字典
us_dict = json.loads(a_data)
jp_dict = json.loads(b_data)
in_dict = json.loads(c_data)
# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# 获取日期数据，用于x轴
us_x_data = us_trend_data['updateDate']
jp_x_data = jp_trend_data['updateDate']
in_x_data = in_trend_data['updateDate']
# 获取确认数据，用于y轴
us_y_data = us_trend_data['list'][0]['data']
jp_y_data = jp_trend_data['list'][0]['data']
in_y_data = in_trend_data['list'][0]['data']
# 生成图表
line = Line() # 构建折线图对象
# 添加x轴数据
line.add_xaxis(us_x_data) # x轴是公用的，所以使用一个国家的数据即可
# 添加y轴数据
line.add_yaxis("A国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False)) # 添加A国的y轴数据
line.add_yaxis("B国确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False)) # 添加B国本的y轴数据
line.add_yaxis("C国确诊人数", in_y_data, label_opts=LabelOpts(is_show=False)) # 添加C国的y轴数据
# 设置全局选项
line.set_global_opts(
# 标题设置
title_opts=TitleOpts(title="2020年ABC三国某疾病确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)
# 调用render方法，生成图表
line.render("render2.html")
# 关闭文件对象
f_a.close()
f_b.close()
f_c.close()运行后打开render2.html文件并在浏览器中查看创建的折线图：
