pyecharts官网使用说明书---保姆级手把手教你画图版

pyecharts经过几次升级后，官网越来越难读懂（规范）了，每次去pyecharts官网找参数，都要了我这个小菜鸡半条命，各个参数含义清晰易懂，就是不知道要放在哪部分里面使用。。。在经过无数次的磨练之后，终于总结出来画图的规律，于是便有了这篇文章。
现在让我们在来拨茧抽丝，接开pyecharts画图的奥秘。
首先放上pyecharts官网：https://pyecharts.org/#/zh-cn/intro

1.画图脚本结构

如果画好一个理想中图表，需要以下四个部分的参数进行整合：
图表函数+数据+全局配置(标题、图纸大小、横纵坐标、工具栏等)+系列配置(图表线条、填充颜色、标签等)

但是如果你要画一个简单的图表，仅用图表函数+数据两部分即可搞定：
例如简单的柱形图：

from pyecharts.charts import Bar
Bar()#先写柱状图的基础函数
.add_xaxis(xaxis_data = ["A","B","C"])#add横轴的数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#add纵轴的数据
.render_notebook()#显示图表

画水滴图：

from pyecharts.charts import Liquid
c = Liquid().add(series_name='水球图',data = [0.6])
c.render_notebook()

只要你在官网中找到可配置的图形函数，在图形函数后加上add(数据)，即可画出相应的图形。
看到这里你可能会有一个疑问，如何知道各个参数后面是接字典，还是列表，还是字符串？为什么有的图形函数后接的是add，有的是add_xaxis和add_yaxis？如何更换图表颜色，设置图表大小，添加图表标题？下面就来解答一下这些问题。

2.参数的类型

先来解答一下第一个问题，如何确定各个参数所对应数据的类型？回答照官网的指示来设置。
虽然pyecharts官网的参数所代表的含义及类型都写的很明确，但是经常会有参数类型不知如何确认，参数不知如何放置的情况。故先说一下参数的类型如何确认。
在官网中，每个参数后面都会标注出所对应的数据类型，下面就来解释一下这些数据类型都是什么含义：

• str：字符串
  （width: str ）➡（width = “900px”）
• int：整数
  （item_gap: int）➡（item_gap = 10）
• Numeric：数据
  （animation_threshold: Numeric）➡（animation_threshold = 2000）
• bool：布尔值
  （animation: bool）➡（animation = True）
• Sequence：列表
  （xaxis_data: Sequence）➡（xaxis_data = [1, 2, 3]）
• Optional：当option出现时，只关注optional后的【】中的类型即可。
  （title_target: Optional[str]）➡（title_target = “self”）
  （tool_box: Optional[Sequence]）➡（tool_box = [“rect”]）
• Union：当Union出现的时候，可根据实际情况选择【】中的一种类型即可。
  （min_: Union[int, float]）➡（min_ = 0）#此为类型选为int
  ➡（min_ = 0.2）#此为类型选为float
  （itemstyle_opts: Union[opts.ItemStyleOpts, dict, None]）➡（itemstyle_opts = opts.ItemStyleOpts() ）
  #也可以是将opts.ItemStyleOpts()中参数对应的数据用字典的形式表示出来➡（{itemstyle_opts = {“color” : “red”}）#写成字典的形式要注意两点1、参数要加引号2、参数后接冒号（：）而非等号

3.参数与结构相结合

之前说过pyecharts主要分为4块：图表函数、add数据、全局配置、系列配置。

3.1图表函数

在这四块构成中，首先要确定的就是图表函数，图表函数很简单，你需要画什么图形，就在官网链接上找到相应的图表函数，from pyecharts.charts import 相应的图表函数，即可使用。
官网基本图表类型链接：https://pyecharts.org/#/zh-cn/basic_charts

#以下分别调用柱状图、折线图、饼图、地图
from pyecharts.charts import Bar, Line, Pie, Map

ps：注意一下官网上函数的所属关系

看日历图这个函数Calendar包含在pyecharts.charts中的，所以调用时应from pyecharts.charts import Calendar

3.2add数据

确认好我们要画的图形函数后，下一步就是在图形中添加相应的数据，而这个数据就是借用add函数来添加。
首先我们还是来看一下这个函数的所属关系：

1、柱状图
常识来看柱状图是需要有x轴和y轴两种数据的。从下图官网截图可以看出函数Bar后所附的为add_yaxis函数，既然有y轴的，也就意味着有对应的x轴add_xaxis。

官网上并未标注出add_xaxis这各部分，但是当你看到一个函数后出现了add_yaxis，也就意味着一定要写add_xaxis这部分。

Bar()#先写柱状图的基础函数
.add_xaxis(xaxis_data = ["A","B","C"])#add横轴的数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#add纵轴的数据

2、水球图
有一种图，不是直角坐标系图，不需要同时存在x、y轴两种数据，只有单独数据就可以了，如下面的水球图。

在水球图Liquid函数后面接的是add，则使用的时候Liquid().add() 即可。

3.3全局配置参数

在我们可以用函数+add函数来画出一个简单的图形，但是默认配置项很多时候并不能满足我们的需求，这个时候就需要配置参数的帮助，首先我们来说一下全局配置参数。
这个全局配置参数是指官网里面的配置项-全局配置项的参数。
老规矩，先上链接https://pyecharts.org/#/zh-cn/global_options
按照官网的指示，全局配置函数的调用如下

from pyecharts.charts import Liquid
from pyecharts import options as opts
Liquid().add(series_name='水球图',data = [0.6]).set_global_opts(此处应有相应参数)
#设置全局配置项时，在图形函数后调用.set_global_options()即可

下面来说一下set_global_opts()中都可以设置哪些参数：

#以下是来自函数的官方定义
def set_global_opts(
    self,
    title_opts: types.Title = opts.TitleOpts(),
    legend_opts: types.Legend = opts.LegendOpts(),
    tooltip_opts: types.Tooltip = None,
    toolbox_opts: types.Toolbox = None,
    brush_opts: types.Brush = None,
    xaxis_opts: types.Axis = None,
    yaxis_opts: types.Axis = None,
    visualmap_opts: types.VisualMap = None,
    datazoom_opts: types.DataZoom = None,
    graphic_opts: types.Graphic = None,
    axispointer_opts: types.AxisPointer = None,
):

建议函数定义+官网参数详解联合使用，效果翻倍。
比如说我想对工具栏进行相应的设置，首先找到工具栏设置参数：ToolboxOpts，具体代码如下。
设置工具栏的同时对标题部分（TitleOpts）也进行命名：

from pyecharts.charts import Bar
from pyecharts import options as opts
Bar()
.add_xaxis(xaxis_data = ["A","B","C"])#x轴数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#y轴数据
.set_global_opts(toolbox_opts = opts.ToolboxOpts(orient = 'vertical'),#工具栏设置
		 title_opts = opts.TitleOpts(title = "我是标题啊")

需要注意的点：
在官网的全局配置项中，你会发现有一个InitOpts：初始化配置项，这个初始化配置项又不存在于函数set_global_opts中，那这个初始配置项该如何配置呢？这个初始化配置项是在图表函数中进行设置的，还是拿柱状图举例：

若设置柱状图的长和宽：

from pyecharts.charts import Bar
from pyecharts import options as opts
Bar(init_opts=opts.InitOpts(width='720px',height='320px'))#在图表函数中设置初始化配置项
.add_xaxis(xaxis_data = ["A","B","C"])#x轴数据
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])#y轴数据
.render_notebook()#展示图表

3.4系列配置参数

这个系列配置参数主要包含一些图表内部比较细致的配置，线条颜色、文字样式等等。
系列配置项函数：set_series_opts
首先还是系列配置部分官网链接：https://pyecharts.org/#/zh-cn/series_options
接下来是set_series_opts函数的参数构成：

def set_series_opts(
    self,
    label_opts: types.Label = None,
    linestyle_opts: types.LineStyle = None,
    splitline_opts: types.SplitLine = None,
    areastyle_opts: types.AreaStyle = None,
    axisline_opts: types.AxisLine = None,
    markpoint_opts: types.MarkPoint = None,
    markline_opts: types.MarkLine = None,
    markarea_opts: types.MarkArea = None,
    effect_opts: types.Effect = opts.EffectOpts(),
    tooltip_opts: types.Tooltip = None,
    itemstyle_opts: types.ItemStyle = None,
    **kwargs,
):

使用方法同全局设置一样，先找到要设置的参数对应的函数，再一次按照参数类型进行配置即可。
如：我想将之前画的柱状图的颜色改成橘色，首先找到颜色对应的是参数：itemstyle_opts中的color，那代码如下：

Bar(init_opts=opts.InitOpts(width='720px',height='320px'))
.add_xaxis(xaxis_data = ["A","B","C"])
.add_yaxis(series_name="趋势",yaxis_data = [1,2,3])
.set_series_opts(itemstyle_opts = opts.ItemStyleOpts(color="orange")).render_notebook()#在系列配置项中将柱状图颜色定义为橘色

4.总结

pyecharts画图核心部分就是以上四个部分，只要按部就班，找到需要设置的函数所处位置，确定要设置的参数类型，按照顺序一点点堆叠起来，画图就不会有问题了。

5.举个例子

就以2020年的新冠疫情图为例，如果我想做一个有时间趋势的疫情图该如何设置呢？
首先要确定图表函数：中国地图。
其次如何加入时间轴：介入组合图表时间线轮播多图Timeline。

#输入2020-01-28，2020-02-02两天的新冠确诊人数数据
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Map,Timeline 
data = pd.DataFrame([['2020-01-28', '湖北', 272.0],['2020-01-28', '浙江', 299.0],['2020-01-28', '广东', 229.0],['2020-01-28', '河南', 27.0],['2020-01-28', '湖南', 222.0],['2020-01-28', '江西', 72.0],['2020-01-28', '安徽', 157.0],['2020-01-28', '重庆', 147.0], ['2020-01-28', '山东', 121.0], ['2020-01-28', '四川', 18.0], ['2020-01-28', '江苏', 1.0], ['2020-01-28', '上海', 8.0], ['2020-01-28', '北京', 91.0], ['2020-01-28', '福建', 82.0], ['2020-01-28', '广西', 58.0], ['2020-01-28', '陕西', 46.0], ['2020-01-28', '河北', 48.0], ['2020-01-28', '云南', 51.0], ['2020-01-28', '黑龙江', 37.0], ['2020-01-28', '海南', 43.0], ['2020-01-28', '辽宁', 36.0], ['2020-01-28', '山西', 2.0], ['2020-01-28', '天津', 24.0], ['2020-01-28', '甘肃', 24.0], ['2020-01-28', '宁夏', 12.0], ['2020-01-28', '内蒙古', 15.0], ['2020-01-28', '新疆', 13.0], ['2020-01-28', '贵州', 9.0], ['2020-01-28', '吉林', 9.0], ['2020-01-28', '香港', 8.0], ['2020-01-28', '台湾', 8.0], ['2020-01-28', '青海', 6.0], ['2020-01-28', '澳门', 7.0], ['2020-01-28', '西藏', np.nan], ['2020-02-02', '湖北', 11177.0], ['2020-02-02', '浙江', 724.0], ['2020-02-02', '广东', 683.0], ['2020-02-02', '河南', 566.0], ['2020-02-02', '湖南', 521.0], ['2020-02-02', '江西', 391.0], ['2020-02-02', '安徽', 48.0], ['2020-02-02', '重庆', 3.0], ['2020-02-02', '山东', 246.0], ['2020-02-02', '四川', 254.0], ['2020-02-02', '江苏', 271.0], ['2020-02-02', '上海', 193.0], ['2020-02-02', '北京', 191.0], ['2020-02-02', '福建', 159.0], ['2020-02-02', '广西', 127.0], ['2020-02-02', '陕西', 128.0], ['2020-02-02', '河北', 113.0], ['2020-02-02', '云南', 15.0], ['2020-02-02', '黑龙江', 118.0], ['2020-02-02', '海南', 71.0], ['2020-02-02', '辽宁', 7.0], ['2020-02-02', '山西', 6.0], ['2020-02-02', '天津', 54.0], ['2020-02-02', '甘肃', 51.0], ['2020-02-02', '宁夏', 288.0], ['2020-02-02', '内蒙古', 27.0], ['2020-02-02', '新疆', 24.0], ['2020-02-02', '贵州', 46.0], ['2020-02-02', '吉林', 31.0], ['2020-02-02', '香港', 15.0], ['2020-02-02', '台湾', 1.0], ['2020-02-02', '青海', 13.0], ['2020-02-02', '澳门', 8.0], ['2020-02-02', '西藏', 1.0]],columns=["日期","地区","确诊病例"])
#定义一个timeline和map的组合图
def timeline_map(data):
    tl = Timeline().add_schema(play_interval =300,height=40,is_rewind_play=True,is_loop_play = True,is_auto_play=True)#设置播放速度、是否循环播放等参数
    for day in sorted(list(set(data["日期"].tolist()))):
        x =data[data["日期"]==day]['地区'].values.tolist()#选取指定日期地区数据
        y=data[data["日期"]==day]['确诊病例'].values.tolist() #选取指定日期确诊数据
        map_shape = (
            Map()
            .add("确诊病例",[list(z) for z in zip(x, y)])#打包输入地区及对应确诊数据
            .set_series_opts(label_opts=opts.LabelOpts("{b}"))#配置系列参数，{b}为显示地区数据
            .set_global_opts(
                title_opts=opts.TitleOpts(title="举个例子"),#全局参数中设置标题
                visualmap_opts=opts.VisualMapOpts(max_=1000,#设置映射配置项的最大值
                                                  is_piecewise=True,#设置是否为分段显示
                                                  pos_top = "60%",#映射配置项距图片上部的距离
                                                  pieces=[
                                                        {
     "min": 1000, "label": '>1000人', "color": "#FF0000"}, # 分段指定颜色及名称
                                                        {
     "min": 500, "max": 1000, "label": '500-1000人', "color": "#FF3333"},
                                                        {
     "min": 100, "max": 499, "label": '100-499人', "color": "#FF6666"},
                                                        {
     "min": 10, "max": 99, "label": '10-99人', "color": "#FF9999"},
                                                        {
     "min": 1, "max": 9, "label": '1-9人', "color": "#FFCCCC"}])
        ))
        tl.add(map_shape, "{}".format(day))#将不同日期的数据加入到timeline中
    return tl
timeline_map(data).render_notebook()

结果如下图所示。

本文如果问题，欢迎指正。