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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 K
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++
958
955
🎉 (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
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
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
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2