Echarts是百度的开源数据可视化，凭借良好的交互性、精致的图表设计，得到了很多开发者的认可。 Python是一种富有表现力的语言，适用于数据处理。 当数据分析遇到数据可视化时，pyecharts应运而生。 先看官方视频看看pyecharts的魅力吧

pyecharts数据可视化

pyecharts很漂亮。 这比python的其他数据可视化库帅多了，包括Matplotlib、Seaborn、Pandas和Bokeh、Plotly、Cufflinks、Folium、Altair Vega和D3.js 它可以像线程一样顺畅地使用，通过支持链式呼叫，囊括了30种常见的图表。 需要灵活的配置选项，以便轻松集成到主要Web框架，如支持主要Notebook环境、Jupyter Notebook和JupyterLab的Flask和Django。 可以方便地将精美图表的详细文档和示例组合在一起，使开发人员能够更快地获得400个地图文件和本机百度地图，为地理数据可视化提供有力的支持。

pyecharts可视化数据

pyecharts主要功能：

是的，pyecharts很漂亮。 上述数据库的所有动态可视化图表都可以使用pyecharts实现。 使用python代码具体举例说明如何使用pyecharts绘制图表

pyecharts 大数据分析可视化

。

条形图和折线图

条形图和折线图应该是pyecharts中最简单的图表，其他类似的图表当然也可以用pyecharts来实现。 首先，如果python需要使用pyecharts，则必须安装pyecharts

pip安装pye charts就可以了。 当前的软件版本是1.8版。

1.9版有很大的变化。 这是pyecharts政府在我们执行代码时预先警告的。 这不是在代码错误安装完成后，而是一起创建python代码

frompyecharts.yldgbimportcollector

from pyecharts.charts import Page，Bar，Line

frompyechartsimportoptionsasopts

c=收集要创建的图表(# )

@C.funcs

def bar ()-Bar:

c=(

Bar () ) )

. add_Xaxis(['92.6 '、' 227 '、' 333.33 '、' 446.4 '、' 530 '、' 535 '、' 641 '、' 757.6 '、' 833.33 )

. add_Yaxis('1# '，[ 101，227，325，428，510，520，580，622，734，805，895 ]，)

. add_Yaxis(2# )，[ 67，204，312，421，513，526，580，632，749，828，919 ]，)

. add_Yaxis(3# )，[ 73，207，311，419，512，519，581，621，739，811，910 ]，)

. add_Yaxis(4# )，[ 100，228，326，433，511，530，582，628，739，814，905 ]，)

. add_Yaxis(5# )，[ 81，216，319，428，512，527，581，635，746，823，921 ]，)

. set _ global _ opts (title _ opts=opts.title opts ) title='OCP测试数据')、

yxis_opts=opts.axisopts(name='测试值(mA ) )，

XAXIS_opts=opts.axisopts(name='设置值(mA ) )

）

返回c

p>首先，我们导入需要的第三方库，本实例使用链式表达式的方式进行编程

Bar()首先建立了一个柱状图，然后使用链式表达式的形式，首先加入了x轴的数据，然后加入了5条y轴的数据

使用set_global_opts函数来定义整个图表的一些信息，包括title_opts 图标标题，yaxis_opts Y轴展现信息，xaxis_opts X轴展现信息等

最后return返回我们建立的图表

代码截图

以上便是建立了一个柱状图，然后我们再建立一个折线图

@C.funcs def line_base() -> Line: c = ( Line() .add_xaxis(["92.6", "227", "333.33", "446.4","530", "535","630", "641", "757.6","833.33","926"]) .add_yaxis("1#", [9.07, 0, 2.5, 4.12,3.77, 2.8, 7.94,2.96, 3.12, 3.4, 3.35]) .add_yaxis("2#", [27.65, 10.13, 6.4, 5.7,3.76, 1.68, 7.94,1.4, 1.13, 0.6, 0.76]) .add_yaxis("3#", [21.17, 8.81, 6.7, 6.14, 3.78,3, 7.93,3.12, 2.46, 2.68, 1.73]) .add_yaxis("4#", [8, 0.44, 2.2, 3,3.75, 0.935, 7.93,2.02, 2.46, 2.32, 2.27]) .add_yaxis("5#", [12.53, 4.85, 4.3, 4.12, 3.74,1.5,7.93, 0.936, 1.53, 1.24, 0.54]) .set_global_opts(title_opts=opts.TitleOpts(title="OCP 误差%比"), yaxis_opts=opts.AxisOpts(name="误差占比"), xaxis_opts=opts.AxisOpts(name="设置值(mA)"),) ) return c

折线图的建立方法，跟柱状图的建立方法完全一样，只是我们改了一个名字line()

代码截图

通过以上代码，我们建立了一个柱状图与一个折线图，当然，这时候若运行代码，我们并不能看到新建的图表，我们需要在代码最后加入如下：

#C = Collector() #收集需要建立的图表，这个函数，我们在前面建立，主要用途便是收集各个新建的图表 Page().add(*[fn() for fn, _ in C.charts]).render() #这句代码的意思，就是在一个page里面显示所有的收集到的图表，并通过render()函数，最终运行到一个 html文件中

通过运行以上代码，我们会在python同目录下，看到一个render.html文件，用浏览器打开这个文件，依然看不到任何图表，不急，这里主要是pyecharts是一个JS代码演变过来的，一些python代码需要引用JS的代码，所以，需要到官方下载echarts.min.js文件，放到一个目录下，便可以看到我们新建的图表了

柱状图

折线图

pyecharts生成的图片是不是很漂亮，而且可以动态展示数据，简直不能太爱了

通过以上代码，我们只能每个图表展示一个数据，能不能把我们的数据同时展示在一张图表中？答案当然是肯定的

pyecharts如何实现双坐标Y轴

pyecharts实现双坐标Y轴

类似以上的双Y轴，2个数据同时展示在同一个图表中如何实现？？

import time import matplotlib.pyplot as plt import pandas as pd from pyecharts.charts import Page, Bar, Line from pyecharts import options as opts path = "111.xlsx" data = pd.DataFrame(pd.read_excel(format(path), sheet_name=0)) k = 0 x_h = [] y_1_current = [] y_2_voltage = [] while k < data.shape[0]: x_h.append(str(data.iloc[k, 0])) y_1_current.append(str(data.iloc[k, 1])[0:6]) y_2_voltage.append(str(data.iloc[k, 2])[0:5]) k = k + 1

以上代码我们导入第三方库，并加载我们的数据，然后保存在三个list里面

x_h = [] X 轴 y_1_current = [] y轴数据1 y_2_voltage = [] y轴数据2

代码截图

def line_base() -> Line: line1 = Line() line2 = Line() line1.add_xaxis(x_h) line1.add_yaxis("充电电流", y_1_current, is_smooth=True, areastyle_opts=opts.AreaStyleOpts(opacity=0.3)) line1.extend_axis( yaxis=opts.AxisOpts( axislabel_opts=opts.LabelOpts(formatter="{value}"), name="充电电压(V)", interval=3, ) ) line1.set_global_opts(title_opts=opts.TitleOpts(title="充电曲线"), yaxis_opts=opts.AxisOpts(name="充电电流(mA)"), xaxis_opts=opts.AxisOpts(name="时间(s)"), ) line2.add_xaxis(x_h) line2.add_yaxis("充电电压", y_2_voltage, yaxis_index=1,is_smooth=True,) line2.set_global_opts(yaxis_opts=opts.AxisOpts(name="充电电压"),) line1.overlap(line2) return line1 line_base().render()

这里我们使用2条折线图为例，当然其他图表类似，首先我们新建了2条折线图，然后按照折线图的定义，定义了2条数据，这里在折线1中，特意添加了另外一个坐标轴，这也是添加双Y轴的关键代码的第一步：

line1.extend_axis( yaxis=opts.AxisOpts( axislabel_opts=opts.LabelOpts(formatter="{value}"), name="充电电压(V)", interval=3, ) )

然后按照建立折线图的定义，定义好折线图的坐标意思，新建另外一个折线图，最后使用：

line1.overlap(line2) #此行代码便是把line2 加入到line1中 return line1 #返回line1即可 line_base().render() #最后使用render（）函数保存图表

代码截图

以上便建立了一个双Y轴的数据可视化图表，此部分代码使用非链式代码，大家按照自己的代码喜欢格式来设计自己的代码即可

双Y轴数据可视化

pyecharts是python第三方数据可视化工具，使用pyecharts可以展示很漂亮的动态数据可视化大屏

pyecharts助力python大数据分析

pyecharts助力python大数据分析，实现数据动态可视化，最后，来看看pyecharts可视化数据图表全家桶

视频加载中...