📣 概况
Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

✨ 特性
简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持

快速开始

如何查看使用的 pyecharts 版本？

pip(3) install pyecharts

import pyecharts
print(pyecharts.__version__)

首先开始来绘制你的第一个图表

from pyecharts.charts import Bar

bar = Bar()
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
# 也可以传入路径参数，如 bar.render("mycharts.html")
bar.render()

pyecharts 所有方法均支持链式调用。

from pyecharts.charts import Bar

bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
)
bar.render()

使用 options 配置项，在 pyecharts 中，一切皆 Options。

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

# V1 版本开始支持链式调用
# 你所看到的格式其实是 `black` 格式化以后的效果
# 可以执行 `pip install black` 下载使用
bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
    # 或者直接使用字典参数
    # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar.render()

# 不习惯链式调用的开发者依旧可以单独调用方法
bar = Bar()
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
bar.render()

渲染成图片文件，这部分内容请参考 进阶话题-渲染图片

from pyecharts.charts import Bar
from pyecharts.render import make_snapshot

# 使用 snapshot-selenium 渲染图片
from snapshot_selenium import snapshot

bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
)
make_snapshot(snapshot, bar.render(), "bar.png")

使用主题
pyecharts 提供了 10+ 种内置主题，开发者也可以定制自己喜欢的主题，进阶话题-定制主题 有相关介绍。

from pyecharts.charts import Bar
from pyecharts import options as opts
# 内置主题类型可查看 pyecharts.globals.ThemeType
from pyecharts.globals import ThemeType

bar = (
    # ['LIGHT', 'DARK', 'CHALK', 'ESSOS', 'INFOGRAPHIC', 'MACARONS', 'PURPLE_PASSION', 'ROMA', 'ROMANTIC', 'SHINE', 'VINTAGE', 'WALDEN', 'WESTEROS', 'WONDERLAND']
    Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
)
bar.render()

以下是每个主题的特点：

LIGHT：明亮，适合较为清新、轻快的视频内容。
DARK：暗黑，适合营造神秘、诡异或高科技感的视频效果。
CHALK：粉笔，适合营造手绘、有趣的视觉效果。
ESSOS：艾索斯，适合营造古老、奇幻的视觉效果。
INFOGRAPHIC：信息图表，适合添加数据可视化、信息图表等效果。
MACARONS：马卡龙，适合营造柔和、甜美的视觉效果。
PURPLE_PASSION：紫色激情，适合营造浓烈、高调的视觉效果。
ROMA：罗马，适合营造古典、庄重的视觉效果。
ROMANTIC：浪漫，适合营造浪漫、温馨的视觉效果。
SHINE：闪耀，适合添加闪闪发光、眩目的视觉效果。
VINTAGE：复古，适合营造怀旧、复古的视觉效果。
WALDEN：沃尔登，适合营造自然、深邃的视觉效果。
WESTEROS：维斯特洛，适合营造史诗般的战争场面。
WONDERLAND：仙境，适合营造奇幻、童话世界的视觉效果。

Note: 在使用 Pandas&Numpy 时，请确保将数值类型转换为 python 原生的 int/float。比如整数类型请确保为 int，而不是 numpy.int32

使用 Notebook
当然你也可以采用更加酷炫的方式，使用 Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的。pyecharts 支持 Jupyter Notebook / Jupyter Lab / Nteract / Zeppelin 四种环境的渲染。具体内容请参考 进阶话题/Notebook

全局配置项

初识全局配置组件

Note: 配置项章节应该配合图表类型章节中的 example 阅读。

Document

全局配置项可通过 set_global_opts 方法设置
 

AnimationOpts：Echarts 画图动画配置项

class pyecharts.options.Animation

class AnimationOpts(
    # 是否开启动画，默认为 True 开启。
    animation: bool = True,

    # 是否开启动画的阈值，当单个系列显示的图形数量大于这个阈值时会关闭动画。默认 2000。
    animation_threshold: Numeric = 2000,

    # 初始动画的时长，默认值为 1000。
    # 支持回调函数，可以通过每个数据返回不同的 delay 时间实现更戏剧的初始动画效果：
    animation_duration: Union[Numeric, JSFunc] = 1000,

    # 初始动画的缓动效果。
    # 不同的缓动效果可以参考，缓动示例 (https://www.echartsjs.com/gallery/editor.html?c=line-easing)。
    animation_easing: Union[str] = "cubicOut",

    # 初始动画的延迟，默认值为 0。
    # 支持回调函数，可以通过每个数据返回不同的 delay 时间实现更戏剧的初始动画效果。
    animation_delay: Union[Numeric, JSFunc] = 0,

    # 数据更新动画的时长，默认值为 300。
    # 支持回调函数，可以通过每个数据返回不同的 delay 时间实现更戏剧的更新动画效果：
    animation_duration_update: Union[Numeric, JSFunc] = 300,

    # 数据更新动画的缓动效果。
    # 不同的缓动效果可以参考，缓动示例 (https://www.echartsjs.com/gallery/editor.html?c=line-easing)。
    animation_easing_update: Union[Numeric] = "cubicOut",

    # 数据更新动画的延迟，默认值为 0。
    # 支持回调函数，可以通过每个数据返回不同的 delay 时间实现更戏剧的更新动画效果。
    animation_delay_update: Union[Numeric, JSFunc] = 0,
)

使用

from pyecharts.charts import Bar
from pyecharts.faker import Faker
from pyecharts.globals import ThemeType

c = (
    Bar({"theme": ThemeType.MACARONS})
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values())
    .add_yaxis("商家B", Faker.values())
    .set_global_opts(
        title_opts={"text": "Bar-通过 dict 进行配置", "subtext": "我也是通过 dict 进行配置的"}
    )
    .render("bar_base_dict_config.html")
)

参考资料：

Apache ECharts

GitHub - pyecharts/pyecharts: 🎨 Python Echarts Plotting Library

pyecharts - A Python Echarts Plotting Library built with love.

https://gallery.pyecharts.org/