[[383364]]

 pyecharts團隊將其支持的圖表類型歸納為以下幾個類型：基本圖表、直角坐標系圖表、樹型圖表、地理圖表、3D圖表、組合圖表。

對于分析師來講，我們?nèi)粘９ぷ髦惺褂米疃嗟漠攲僬劬€圖、柱狀圖、散點圖、箱型圖等直角坐標系圖表，當然還有屬于基本圖表的餅圖，餅圖及其衍生玫瑰圖在前一篇中已經(jīng)介紹過了。本次我們一起來看下直角坐標系下的圖表：

(請忽略這土掉渣的配色，懶得查RGB了，直接用了顏色的單詞(blue,orange))

在pyecharts的charts模塊中，柱狀圖類名為Bar，與所有圖表類一樣，在創(chuàng)建Bar對象的時候，都有一個init_opts屬性，這是圖表的初始化項，可以通過options模塊中的InitOpts來設(shè)置。同樣的，折線圖類名為Line，初始化方法與柱狀圖一致，且添加數(shù)據(jù)項及配置項的參數(shù)也較為類似，我們僅以柱狀圖舉例。

1 圖表初始化

如圖所見，初始項中有很多個屬性可供設(shè)置，我們僅針對最常用和基礎(chǔ)的來進行介紹：

(1)前兩項width和height，分別為圖表區(qū)域整體的寬度和高度，默認值分別是900px和500px，可以根據(jù)實際需求來調(diào)整圖表大小;

(2)第三項chart_id是本圖表在html文件中唯一id，如果空置，會默認生成一個隨機字符串作為圖表id;

(3)page_tile是頁面整體的標題，并且只有當直接由此圖表render生成html文件時才會生效，如果是在將圖表添加到page類中，則文件標題只會根據(jù)page類中配置的名稱生成!注意是整個頁面的標題名稱，不是單個圖表哦，單個圖表標題的配置要在set_global函數(shù)中完成。

2 添加數(shù)據(jù)項

在創(chuàng)建完柱狀圖后，我們就可以添加數(shù)據(jù)項了，要用add_xaxis和add_xaxis兩個函數(shù)分別來添加x軸和y軸，其中x軸最為簡單，只有一個參數(shù)xaxis_data，可以是列表或數(shù)組等多種數(shù)據(jù)類型，但每個元素必須是字符串，否則在html中就可能出現(xiàn)無法顯示圖表的問題。而y軸配置項就復雜了許多，將常用項展示如下：

(1)首先是數(shù)據(jù)系列的名稱series_name，當有多個數(shù)據(jù)系列當時候用以區(qū)分不同顏色柱子柱子分別代表什么指標

(2)y_axis就是與x軸相對的y軸數(shù)據(jù)，同樣也是支持列表、數(shù)組等多種數(shù)據(jù)格式

(3)當有多個數(shù)據(jù)系列的時候，如果想要使用多個y軸來表示不同單位的指標，就需要使用yaxis_index來指定y軸的索引，本參數(shù)需要與extend_axis配合使用，本文末尾將會以復合圖表的形式來進行示范

(4)label_opts是對系列標簽進行設(shè)置，包括標簽字體、顏色、位置等，可以在添加每條數(shù)據(jù)系列時設(shè)置，也可以在set_series_opts中統(tǒng)一設(shè)置

(5)is_selected指的是在圖表初始化時是否選中本列數(shù)據(jù);background_style是柱子的背景配置，有顏色、陰影、透明度、邊界等多項屬性;后面多項均是對柱子本身格式進行設(shè)置

(6)我們還可以利用markline_opts或markpoint_opts在圖表中添加標記線、標記點

(7)itemstyle_opts可以設(shè)置柱子格式，是對前面所看到的color等屬性的豐富和補充

3 其他設(shè)置

除了對x和y軸添加數(shù)據(jù)及配置外，柱狀圖還有另外兩個函數(shù)可以進行其他方面對配置：

(1)set_global_opts是全局配置項，全局指的是整個圖表區(qū)域，如標題、布局、工具箱、坐標軸等

(2) set_series_opts是系列配置，可以調(diào)整數(shù)據(jù)項的標簽、顯示等

(3)此外還有set_colors可以自定義各數(shù)據(jù)系列的顏色屬性

在本文第一張動圖中，演示了工具箱(toolbox_opts)的部分功能，其中包括柱狀圖和折線圖的轉(zhuǎn)換、圖形模式和數(shù)據(jù)模式的轉(zhuǎn)換，直接在工具箱中點擊操作即可，免去了多次作圖的麻煩;此外，直接坐標系下還可以使用datazoom縮放橫軸，當圖表可用區(qū)域較小、x軸范圍過大時，通過拖拽datazoom選擇要展示的數(shù)據(jù)范圍。

柱狀圖代碼示例

from pyecharts import options 
from pyecharts import charts 
import random 
bar = charts.Bar(init_opts=options.InitOpts(width='900px', height='400px')) 
bar.set_global_opts(title_opts=options.TitleOpts(title='2019年AB商品銷量對比', pos_left='center'), 
                    legend_opts=options.LegendOpts(is_show=True, pos_right='right', pos_top='center', 
                                                   orient='vertical'), toolbox_opts=options.ToolboxOpts(is_show=True) 
                    , brush_opts=options.BrushOpts(tool_box='clear'), datazoom_opts=options.DataZoomOpts(is_show=True)) 
y1 = [random.randrange(500, 1000) for i in range(12)] 
y2 = [random.randrange(800, 1200) for i in range(12)] 
bar.add_xaxis(['{}月'.format(x) for x in range(1, 13)]) 
bar.add_yaxis(series_name='商品A', y_axis=y1, 
              label_opts=options.LabelOpts(is_show=True, position='left', color='blue'), 
              bar_width=20, markline_opts=options.MarkLineOpts(data=[options.MarkLineItem(y=max(y1))]), 
              background_style=options.BarBackgroundStyleOpts(color='rgba(180,180,180,0.2)', border_width=1, 
                                                              border_color='grey'), 
              is_show_background=True) 
bar.add_yaxis(series_name='商品B', y_axis=y2, 
              label_opts=options.LabelOpts(is_show=False), 
              bar_width=20, markline_opts=options.MarkLineOpts(data=[options.MarkLineItem(y=max(y2))]), 
              background_style=options.BarBackgroundStyleOpts(color='rgba(180,180,180,0.2)', border_width=1, 
                                                              border_color='grey'), 
              is_show_background=True) 
bar.set_colors(colors=['blue', 'orange']) 
bar.render('bar.html') 

可視化圖表最根本的目的是展示數(shù)據(jù)，將數(shù)據(jù)中包含的信息更加形象、具體地展示出來。一張看板或大屏好看與否雖然不會影響數(shù)據(jù)的真實性和準確性，但得體的布局、美觀的界面和生動的交互，帶來的不只是賞心悅目的觀看體驗，更多的是數(shù)據(jù)的可讀性的提升。