Pyecharts 简介
Pyecharts 是一个基于 ECharts 的 Python 数据可视化库，它能够帮助用户轻松创建各种交互式图表。作为 ECharts 的 Python 接口，Pyecharts 继承了 ECharts 强大的可视化能力，同时提供了 Python 友好的 API 设计，使得数据科学家和分析师能够快速构建专业级的数据可视化作品。
Pyecharts 的核心优势在于：
- 丰富的图表类型：支持超过 30 种常见图表类型，包括折线图、柱状图、饼图、散点图、地图等
- 高度可定制化：几乎每个图表元素都可以自定义，从颜色、字体到交互行为
- 交互式体验：原生支持缩放、拖拽、悬停提示等交互功能
- 多种输出格式：可输出为 HTML、图片或 Jupyter Notebook 内嵌展示
- 简洁的 API：采用链式调用设计，代码直观易读
饼状图是数据可视化中展示比例关系的经典图表。本文将基于 Pyecharts 展示多种饼状图的绘制方法，包括基础饼图、南丁格尔玫瑰图等高级形式，并提供完整的代码示例和效果展示。
基础饼状图
展示高中同学职业分布的比例关系：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
from pyecharts import options as opts from pyecharts.charts import Pie
categories = ['程序员','教师','医生','护士','警察','老板','律师','翻译','运动员'] values = [18, 5, 3, 4, 8, 2, 2, 5, 1]
pie = ( Pie() .add('高中同学职业占比', list(zip(categories, values))) .set_global_opts(title_opts=opts.TitleOpts(title="职业分布")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) ) pie.render_notebook() |
效果特点：
- 清晰展示各职业占比
- 悬浮显示具体数值
- 交互式图例开关
调整图例位置
当图例项较多时，优化图例位置可提升可读性：
|
1 2 3 4 5 6 7 8 |
pie = ( Pie() .add('职业占比', list(zip(categories, values))) .set_global_opts( title_opts=opts.TitleOpts(title="优化图例位置"), legend_opts=opts.LegendOpts(pos_left="25%") # 图例左移 ) ) |
关键参数：
- pos_left/pos_right：控制水平位置
- pos_top/pos_bottom：控制垂直位置
- orient：图例方向（horizontal/vertical）
自定义颜色方案
为不同职业分配特定颜色:
|
1 2 3 4 5 6 7 8 |
custom_colors = ["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22"]
pie = ( Pie() .add('职业占比', list(zip(categories, values))) .set_colors(custom_colors) # 应用自定义颜色 ) |
南丁格尔玫瑰图
用半径长度反映数值大小的玫瑰图：
|
1 2 3 4 5 6 7 8 9 10 11 |
pie = ( Pie() .add( series_name='职业占比', data_pair=list(zip(categories, values)), rosetype="radius", # 半径模式 radius="85%", # 图表大小 label_opts=opts.LabelOpts(is_show=False) ) .set_global_opts(legend_opts=opts.LegendOpts(is_show=False)) ) |
玫瑰图模式说明：
- radius：半径反映数值大小
- area：所有扇形角度相同，仅半径不同
滚动图例
当分类过多时使用滚动图例：
|
1 2 3 4 5 6 7 8 9 10 11 |
pie = ( Pie() .add('职业占比', list(zip(categories, values))) .set_global_opts( legend_opts=opts.LegendOpts( type_="scroll", # 滚动模式 pos_left="80%", # 右侧放置 orient="vertical" # 垂直方向 ) ) ) |
双玫瑰图对比
在同一画布展示两种玫瑰图类型：
|
1 2 3 4 5 6 7 8 9 10 11 |
pie = ( Pie() .add("", list(zip(categories, values)), radius=["30%", "75%"], center=["25%", "50%"], # 左侧图表 rosetype="radius") # 半径模式 .add("", list(zip(categories, values)), radius=["30%", "75%"], center=["75%", "50%"], # 右侧图表 rosetype="area") # 面积模式 ) |
对比效果：
- 左图：半径+角度双重编码
- 右图：仅半径编码数据
给读者的学习建议
1. 学习路径规划
对于 Pyecharts 的学习，建议按照以下路径循序渐进：
初级阶段（1-2周）：
- 掌握基础图表（柱状图、折线图、饼图）的绘制
- 了解全局配置项和系列配置项的区别
- 熟悉常见样式设置（颜色、标题、图例等）
中级阶段（2-4周）：
- 学习组合图表（如折线+柱状图）的绘制
- 掌握地图和地理坐标系的用法
- 了解数据预处理与 Pyecharts 的结合
高级阶段（1个月以上）：
- 研究自定义主题和扩展组件
- 学习与 Web 框架（如 Flask、Django）的集成
- 探索大数据量下的性能优化
