在Pyecharts中实现柱状图与甘特图组合效果的技术方案
2025-05-15 21:48:39作者:管翌锬
在数据可视化领域,Pyecharts作为优秀的Python可视化库,能够帮助开发者快速构建各种图表。本文将详细介绍如何通过Pyecharts实现柱状图与甘特图的组合效果,这种可视化方式特别适合展示项目进度与目标值的对比场景。
核心实现思路
要实现柱状图上叠加横线的效果,本质上是需要在柱状图的基础上添加辅助线。Pyecharts提供了两种主要的技术方案:
-
堆叠柱状图+标记线方案
- 使用Bar组件的stack参数创建堆叠柱状图
- 通过markline_opts参数添加标记线
- 可以自定义标记线的样式和位置
-
多系列颜色区分方案
- 创建多个数据系列
- 通过不同颜色区分实际值和目标值
- 利用视觉差异形成对比效果
具体实现方法
堆叠柱状图实现
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.faker import Faker
bar = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("实际值", Faker.values(), stack="stack1")
.add_yaxis(
"目标值",
[[-i] for i in Faker.values()],
stack="stack1",
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(y=50)]
)
)
.set_global_opts(title_opts=opts.TitleOpts(title="项目进度对比"))
)
bar.render("bar_with_target.html")
多系列颜色方案
bar = (
Bar()
.add_xaxis(Faker.choose())
.add_yaxis("实际进度", Faker.values(), category_gap="50%")
.add_yaxis(
"目标线",
[50]*len(Faker.choose()),
itemstyle_opts=opts.ItemStyleOpts(color="rgba(255,0,0,0.3)"),
bar_width=20
)
.set_global_opts(title_opts=opts.TitleOpts(title="项目进度监控"))
)
技术要点解析
-
堆叠参数:stack参数可以将多个系列的数据堆叠显示,形成整体效果
-
标记线定制:
- 可以通过MarkLineItem的x/y参数精确定位标记线
- symbol参数控制标记点的样式
- linestyle_opts控制线条样式
-
视觉优化技巧:
- 适当调整柱状图的宽度和间距
- 使用半透明颜色增强可读性
- 添加图例说明各元素的含义
应用场景建议
这种组合图表特别适用于:
- 项目实际进度与计划进度的对比
- 销售业绩与目标的差距分析
- 资源使用率与限额的监控
- 任何需要同时展示绝对值和参考值的场景
总结
通过Pyecharts的灵活配置,开发者可以轻松实现柱状图与甘特图的组合效果。无论是使用标记线还是多系列颜色方案,都能有效传达数据背后的业务含义。在实际项目中,可以根据具体需求选择最适合的实现方式,并通过样式微调获得最佳的可视化效果。
登录后查看全文
热门项目推荐
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 StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook098
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239
项目优选
收起
暂无描述
Dockerfile
750
4.87 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
841
1.84 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
642
1.28 K
Ascend Extension for PyTorch
Python
689
834
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
451
419
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++
1.02 K
1.04 K
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
1.59 K
172
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
956
561
昇腾LLM分布式训练框架
Python
173
214
暂无简介
Dart
998
259