官方数据教程：
柱状图-Bar
1//导入柱状图-Bar 2from pyecharts import Bar 3//设置行名 4columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"] 5//设置数据 6data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3] 7data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3] 8//设置柱状图的主标题与副标题 9bar = Bar("柱状图", "一年的降水量与蒸发量") 10//添加柱状图的数据及配置项 11bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"]) 12bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"]) 13//生成本地文件（默认为.html文件） 14bar.render()
运行结果如下：
饼图-Pie
1//导入饼图Pie 2from pyecharts import Pie 3//设置主标题与副标题，标题设置居中，设置宽度为900 4pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900) 5//加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示 6pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False) 7//加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签 8pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True) 9//保存图表 10pie.render()
img
箱体图-Boxplot
1//导入箱型图Boxplot 2from pyecharts import Boxplot 3boxplot = Boxplot("箱形图", "一年的降水量与蒸发量") 4x_axis = ['降水量','蒸发量'] 5y_axis = [data1,data2] 6//prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max] 7yaxis = boxplot.prepare_data(y_axis) 8boxplot.add("天气统计", x_axis, _yaxis) 9boxplot.render()
img
折线图-Line
1from pyecharts import Line 2line = Line("折线图","一年的降水量与蒸发量") 3//is_label_show是设置上方数据是否显示 4line.add("降水量", columns, data1, is_label_show=True) 5line.add("蒸发量", columns, data2, is_label_show=True) 6line.render()
img
雷达图-Rader
1from pyecharts import Radar 2radar = Radar("雷达图", "一年的降水量与蒸发量") 3//由于雷达图传入的数据得为多维数据，所以这里需要做一下处理 4radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]] 5radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]] 6//设置column的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同 7schema = [ 8 ("Jan", 5), ("Feb",10), ("Mar", 10), 9 ("Apr", 50), ("May", 50), ("Jun", 200), 10 ("Jul", 200), ("Aug", 200), ("Sep", 50), 11 ("Oct", 50), ("Nov", 10), ("Dec", 5) 12] 13//传入坐标 14radar.config(schema) 15radar.add("降水量",radar_data1) 16//一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色 17radar.add("蒸发量",radar_data2,item_color="#1C86EE") 18radar.render()
img
散点图-scatter
1from pyecharts import Scatter 2scatter = Scatter("散点图", "一年的降水量与蒸发量") 3//xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置 4scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量", 5 yaxis_name_gap=40) 6scatter.render()
img
图表布局 Grid
由于标题与图表是属于两个不同的控件，所以这里必须对下方的图表Line进行标题位置设置，否则会出现标题重叠的bug。
1from pyecharts import Grid 2//设置折线图标题位置 3line = Line("折线图","一年的降水量与蒸发量",title_top="45%") 4line.add("降水量", columns, data1, is_label_show=True) 5line.add("蒸发量", columns, data2, is_label_show=True) 6grid = Grid() 7//设置两个图表的相对位置 8grid.add(bar, grid_bottom="60%") 9grid.add(line, grid_top="60%") 10grid.render()
img
1from pyecharts import Overlap 2overlap = Overlap() 3bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量") 4bar.add("降水量", columns, data1, mark_point=["max", "min"]) 5bar.add("蒸发量", columns, data2, mark_point=["max", "min"]) 6overlap.add(bar) 7overlap.add(line) 8overlap.render()
img
总结
- 导入相关图表包
- 进行图表的基础设置，创建图表对象
- 利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)
- 利用render()方法来进行图表保存
pyecharts还有许多好玩的3D图表和地图图表，个人觉得地图图表是最好玩的，各位有兴趣可以去pyecharts的使用手册查看，有中文版的非常方便：pyecharts。