pyecharts-gallery 数据可视化图库完全指南
2026-02-06 04:49:11作者:平淮齐Percy
pyecharts-gallery 是一个基于 pyecharts 的丰富图表示例集合,展示了如何使用 pyecharts 库创建各种类型的数据可视化图表。该项目按照图表类型进行组织,提供了从基础到高级的多种图表实现示例。
项目概述
pyecharts-gallery 基于 pyecharts 2.0.3 版本,旨在模仿 Apache ECharts 官方示例的功能。项目代码结构按照 pyecharts 支持的组件按大写字母顺序进行模块划分,每个模块包含多个具体的图表实现示例。
快速开始
环境准备
首先克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/py/pyecharts-gallery
cd pyecharts-gallery
安装必要的依赖:
pip install -r requirements.txt
运行所有示例
项目提供了一个方便的脚本 run_all.py 来运行所有图表示例:
python run_all.py
这个脚本会自动执行以下操作:
- 清理旧的生成文件
- 格式化代码
- 运行所有 Python 脚本生成对应的 HTML 和 Markdown 文件
- 更新项目侧边栏导航
图表类型概览
pyecharts-gallery 包含了丰富的图表类型,主要包括:
基础图表
- 柱状图 (Bar) - 包含超过 50 种不同样式的柱状图实现
- 折线图 (Line) - 多种折线图变体
- 饼图 (Pie) - 基础饼图和环形图
- 散点图 (Scatter) - 2D 和 3D 散点图
高级图表
- 地图 (Map/Geo) - 中国地图、世界地图、地理坐标图
- 3D 图表 (Bar3D/Line3D/Scatter3D) - 三维数据可视化
- 关系图 (Graph) - 网络关系图展示
- 桑基图 (Sankey) - 流量关系图
- 旭日图 (Sunburst) - 层级数据可视化
专业图表
- K 线图 (Candlestick) - 金融数据图表
- 热力图 (Heatmap) - 密度分布图
- 仪表盘 (Gauge) - 指标展示
- 词云图 (WordCloud) - 文本数据可视化
柱状图示例解析
以柱状图模块为例,展示了丰富的配置选项:
基础柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts
bar = Bar()
bar.add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
bar.set_global_opts(title_opts=opts.TitleOpts(title="某商场销售情况"))
bar.render("bar_chart.html")
高级特性示例 项目包含了多种柱状图的高级配置:
- 数据缩放 (DataZoom) - 支持内部缩放和滑动条
- 标记点线 (MarkPoint/MarkLine) - 自定义标记点和标记线
- 动画效果 - 图表显示动画和延迟
- 多 Y 轴 - 支持多个数值轴的对比
- 堆叠柱状图 - 数据堆叠展示
项目结构
每个图表类型模块都包含以下文件:
.py文件 - Python 源代码.html文件 - 生成的图表页面.md文件 - 对应的文档说明README.md- 模块说明文件
最佳实践
- 代码组织:按照功能模块化组织代码,便于维护和扩展
- 配置管理:使用 options 模块统一管理图表配置
- 性能优化:合理使用异步加载和数据处理
- 响应式设计:确保图表在不同设备上的显示效果
扩展应用
pyecharts-gallery 不仅可以作为学习参考,还可以作为项目开发的起点。开发者可以:
- 快速原型开发:直接使用现有示例进行修改
- 功能验证:测试 pyecharts 的特定功能实现
- 教学演示:作为数据可视化教学的案例库
- 项目参考:在实际项目中参考最佳实践
总结
pyecharts-gallery 是一个功能丰富、组织良好的 pyecharts 示例库,涵盖了从基础到高级的各种图表类型。通过学习和使用这个项目,开发者可以快速掌握 pyecharts 的使用技巧,提升数据可视化能力。
无论是初学者还是有经验的开发者,都能从这个项目中获得有价值的知识和实践经验。项目的模块化结构和完整的示例代码使其成为学习和参考的优秀资源。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
deepin linux kernel
C
27
14
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
657
4.26 K
Ascend Extension for PyTorch
Python
502
606
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
862
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
334
378
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195
openGauss kernel ~ openGauss is an open source relational database management system
C++
180
258
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
891
昇腾LLM分布式训练框架
Python
142
168