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 StartedRust0119- 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
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。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
暂无描述
Dockerfile
718
4.6 K
Ascend Extension for PyTorch
Python
588
729
deepin linux kernel
C
29
16
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++
980
965
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
792
119
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
420
366
Oohos_react_native
React Native鸿蒙化仓库
C++
341
390
昇腾LLM分布式训练框架
Python
155
183
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
142
226
暂无简介
Dart
963
240