Pyecharts绘图教程（2）—— 绘制多种折线图（Line）参数说明+代码实战

大家好，我是 【Python当打之年(点击跳转)】

本期是《Pyecharts绘图教程》的第 2 期，该系列从0到1不断进阶深入，专门 针对零基础和需要进阶提升的小伙伴，逐步掌握使用Pyecharts库进行数据可视化的技能 ，希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

1 简介

折线图是一种常用的可视化图表，可以清晰地展示数据随时间或其他连续变量的变化趋势 ，通过连接数据点，可以观察到数据的上升、下降、波动等变化趋势，帮助人们更直观地理解数据的变化规律。

2 图表配置项

2.1 导入模块

from pyecharts.charts import Line
import pyecharts.options as opts

2.2 数据配置项

通过add_xaxis、add_yaxis函数添加横坐标、纵坐标数据：

def add_xaxis(
	# 系列数据
	xaxis_data: types.Sequence[types.Union[opts.LineItem, dict]]
)

def add_yaxis(
    # 系列名称，用于 tooltip 的显示，legend 的图例筛选。
    series_name: str,

    # 系列数据
    y_axis: types.Sequence[types.Union[opts.LineItem, dict]],

    # 是否选中图例
    is_selected: bool = True,

    # 是否连接空数据，空数据使用 `None` 填充
    is_connect_nones: bool = False,

    # 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
    xaxis_index: Optional[Numeric] = None,

    # 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
    yaxis_index: Optional[Numeric] = None,

    # 系列 label 颜色
    color: Optional[str] = None,

    # 是否显示 symbol, 如果 false 则只有在 tooltip hover 的时候显示。
    is_symbol_show: bool = True,

    # 标记的图形。
    # ECharts 提供的标记类型包括 'circle', 'rect', 'roundRect', 'triangle', 
    # 'diamond', 'pin', 'arrow', 'none'
    # 可以通过 'image://url' 设置为图片，其中 URL 为图片的链接，或者 dataURI。
    symbol: Optional[str] = None,

    # 标记的大小，可以设置成诸如 10 这样单一的数字，也可以用数组分开表示宽和高，
    # 例如 [20, 10] 表示标记宽为 20，高为 10。
    symbol_size: Union[Numeric, Sequence] = 4,

    # 数据堆叠，同个类目轴上系列配置相同的　stack　值可以堆叠放置。
    stack: Optional[str] = None,

    # 是否平滑曲线
    is_smooth: bool = False,

    # 是否裁剪超出坐标系部分的图形。折线图：裁掉所有超出坐标系的折线部分，拐点图形的逻辑按照散点图处理
    is_clip: bool = True,

    # 是否显示成阶梯图
    is_step: bool = False,

    # 是否开启 hover 在拐点标志上的提示动画效果。
    is_hover_animation: bool = True,

    # 折线图所有图形的 zlevel 值。
    # zlevel用于 Canvas 分层，不同zlevel值的图形会放置在不同的 Canvas 中，Canvas 分层是一种常见的优化手段。
    # zlevel 大的 Canvas 会放在 zlevel 小的 Canvas 的上面。
    z_level: types.Numeric = 0,

    # 折线图组件的所有图形的z值。控制图形的前后顺序。z值小的图形会被z值大的图形覆盖。
    # z 相比 zlevel 优先级更低，而且不会创建新的 Canvas。
    z: types.Numeric = 0,

    # 折线图在数据量远大于像素点时候的降采样策略，开启后可以有效的优化图表的绘制效率，默认关闭，也就是全部绘制不过滤数据点。
    # 可选：
    # 'lttb' 采用 Largest-Triangle-Three-Bucket 算法，可以最大程度保证采样后线条的趋势，形状和极值。
    # 'average' 取过滤点的平均值
    # 'max' 取过滤点的最大值
    # 'min' 取过滤点的最小值
    # 'sum' 取过滤点的和
    sampling: types.Optional[str] = None,

    # 使用 dimensions 定义 series.data 或者 dataset.source 的每个维度的信息。
    # 注意：如果使用了 dataset，那么可以在 dataset.source 的第一行/列中给出 dimension 名称。
    # 于是就不用在这里指定 dimension。
    # 但是，如果在这里指定了 dimensions，那么 ECharts 不再会自动从 dataset.source 的第一行/列中获取维度信息。
    dimensions: types.Union[types.Sequence, None] = None,

    # 当使用 dataset 时，seriesLayoutBy 指定了 dataset 中用行还是列对应到系列上，也就是说，系列“排布”到 dataset 的行还是列上。可取值：
    # 'column'：默认，dataset 的列对应于系列，从而 dataset 中每一列是一个维度（dimension）。
    # 'row'：dataset 的行对应于系列，从而 dataset 中每一行是一个维度（dimension）。
    series_layout_by: str = "column",

    # 标记点配置项，参考 `series_options.MarkPointOpts`
    markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,

    # 标记线配置项，参考 `series_options.MarkLineOpts`
    markline_opts: Union[opts.MarkLineOpts, dict, None] = None,

    # 提示框组件配置项，参考 `series_options.TooltipOpts`
    tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,

    # 标签配置项，参考 `series_options.LabelOpts`
    label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),

    # 线样式配置项，参考 `series_options.LineStyleOpts`
    linestyle_opts: Union[opts.LineStyleOpts, dict] = opts.LineStyleOpts(),

    # 填充区域配置项，参考 `series_options.AreaStyleOpts`
    areastyle_opts: Union[opts.AreaStyleOpts, dict] = opts.AreaStyleOpts(),

    # 图元样式配置项，参考 `series_options.ItemStyleOpts`
    itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,

    # 可以定义 data 的哪个维度被编码成什么。
    encode: types.Union[types.JSFunc, dict, None] = None,
)

2.3 全局配置项

通过set_global_opts 函数设置全局样式，包含标题、图例、工具、视觉、图形组件 、坐标轴配置等等，这个目前了解即可，后期会有专门的章节详细介绍每一项的配置：

def set_global_opts(
    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,
    ):

3 代码实战

3.1 基础折线

x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
y_data1 = [120, 132, 101, 134, 90, 200, 180]
y_data2 = [i/2 for i in y_data1]
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1)
    .add_yaxis("利润", y_data2)
    .set_global_opts(title_opts=opts.TitleOpts(title="示例1"))
)
line.render_notebook()

3.2 平滑曲线（is_smooth）

is_smooth 参数设置是否平滑显示：

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, is_smooth=True)
    .add_yaxis("利润", y_data2)
    .set_global_opts(title_opts=opts.TitleOpts(title="示例2"))
)
line.render_notebook()

3.3 阶梯折线（is_step）

is_step 参数设置是否阶梯显示：

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data, is_step=True)
    .add_yaxis("利润", y_data2)
    .set_global_opts(title_opts=opts.TitleOpts(title="示例3"))
)
line.render_notebook()

3.4 空值过渡（is_connect_nones）

is_connect_nones 参数设置是否连接空数据，空数据使用 None 填充：

y_data = [120, None, 101, 134, 90,None,180]
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data, is_connect_nones=True)
    .add_yaxis("利润", y_data2)
    .set_global_opts(title_opts=opts.TitleOpts(title="示例4"))
)
line.render_notebook()

3.5 线条颜色（color）

color 参数设置线条颜色：

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue')
    .add_yaxis("利润", y_data2, color='green')
    .set_global_opts(title_opts=opts.TitleOpts(title="示例5"))
)
line.render_notebook()

注意！注意！注意！

颜色设置这里有一个经常出错的地方：代码里销量折线 color=‘blue’，利润折线 color=‘green’，但是图上两个颜色是相反的，为什么？小伙伴们可以思考一下，正常要求图像应该是下面这样的：

3.6 标记点配置项（markpoint_opts）

markpoint_opts 参数设置特殊标注点，type_ 取值： min 最大值、max 最大值、average 平均值。

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]),
              )
    .add_yaxis("利润", y_data2, color='green',
               markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min")]),
              )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例6"))
)
line.render_notebook()

3.7 标记的图形（symbol）

symbol 参数设置标记图形，echarts 提供的标记类型包括 ：circle、rect、roundRect、triangle、diamond、pin、arrow、none，也可以通过 image://url 设置为图片，其中 URL 为图片的链接，或者 dataURI。

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',symbol="diamond", symbol_size=20,
              )
    .add_yaxis("利润", y_data2, color='green',symbol="triangle", symbol_size=20,
              )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例7"))
)
line.render_notebook()

3.8 标记线配置项（markline_opts）

markline_opts 参数设置特殊标注线，type_ 取值： min 最大值、max 最大值、average 平均值。

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',symbol="diamond", symbol_size=20,
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
              )
    .add_yaxis("利润", y_data2, color='green',symbol="triangle", symbol_size=20,
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="min")]),
              )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例8"))
)
line.render_notebook()

3.9 线样式配置项（linestyle_opts）

linestyle_opts 参数设置线条样式，width 线宽；opacity 图形透明度，支持从 0 到 1 的数字，为 0 时不绘制该图形；curve 线的弯曲度，0 表示完全不弯曲；type_ 线的类型，可选：solid、dashed、dotted

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',symbol="diamond", symbol_size=20,
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
               linestyle_opts=opts.LineStyleOpts(color="green", width=2, type_="dotted"),
              )
    .add_yaxis("利润", y_data2, color='green',symbol="triangle", symbol_size=20,
               markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="min")]),
               linestyle_opts=opts.LineStyleOpts(color="blue", width=4, type_="dashed"),
              )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例9"))
)
line.render_notebook()

3.10 填充区域配置项（areastyle_opts）

areastyle_opts 参数设置填充区域，opacity 图形透明度，支持从 0 到 1 的数字，为 0 时不绘制该图形；color 填充的颜色

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',symbol="diamond",symbol_size=20,
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
              )
    .add_yaxis("利润", y_data2, color='green',symbol="triangle",symbol_size=20,
               areastyle_opts=opts.AreaStyleOpts(opacity=0.5)
              )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例10"))
)
line.render_notebook()

3.11 标记区域（markarea_opts）

markarea_opts 参数设置标记区域，data 标记区域数据； X 相对容器的屏幕 x 坐标，单位像素，支持百分比形式；Y 相对容器的屏幕 y 坐标，单位像素，支持百分比形式；itemstyle_opts 标记样式

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("销量", y_data1, color='blue',symbol="diamond",symbol_size=20,
              )
    .add_yaxis("利润", y_data2, color='green',symbol="triangle",symbol_size=20,
              )
    .set_series_opts(
        markarea_opts=opts.MarkAreaOpts(
            data=[
                opts.MarkAreaItem(name="工作日", x=("周一", "周五"),itemstyle_opts=opts.ItemStyleOpts(color='#EF5350',opacity=0.2)),
                opts.MarkAreaItem(name="休息日", x=("周六", "周日"),itemstyle_opts=opts.ItemStyleOpts(color='#26C6DA',opacity=0.2)),
            ]
        )
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="示例11"))
)
line.render_notebook()

更多可视化项目源码+数据

点击跳转：【全部可视化项目源码+数据】

---

以上就是本期为大家整理的全部内容了，赶快练习起来吧，原创不易，喜欢的朋友可以点赞、收藏也可以分享（注明出处）让更多人知道。