這篇“Python繪制折線圖可視化神器pyecharts怎么使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python繪制折線圖可視化神器pyecharts怎么使用”文章吧。

說明：有些數據是調用相關庫資源：from pyecharts.faker import Faker，需要自己添加數據，非常簡單，這個不用擔心。

你覺得上述圖形用的上嗎，我估計在平時的小場景可能用不到，但是做股票好像不錯喲！

折線圖模板系列

自定義標簽數據折線圖

有時候我們不想要把所有的數據標簽都顯示出來，因為這樣太繁雜了，數據可視化的原則就是在炫酷的同時把圖表準確的呈現在用戶的面前，這就需要我們按照特定的場景選擇特定的圖形。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
frompyecharts.fakerimportFaker
frompyecharts.globalsimportThemeType

x,y=Faker.choose(),Faker.values()#更改數據集即可
c=(
Line({"theme":ThemeType.MACARONS})#不添加默認紅色
.add_xaxis(x)
.add_yaxis(
"商家A",
y,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(name="自定義標記點",coord=[x[2],y[2]],value=y[2])]#這里定義要顯示的標簽數據
),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30,#標簽與軸線之間的距離，默認為20，最好不要設置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16#標簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16
#font_weight='bolder',
)),
#toolbox_opts=opts.ToolboxOpts()#工具選項
)
.render("自定義標簽.html")
)

一天用電量折線圖（特定場景）

此模板可以作為一天用電量的應用，也可以在此基礎上進行更改，形成其他類別的折線圖，只是提供模板，你可以根據自己的應用場景來解決問題。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
x_data=[
"00:00",
"01:15",
"02:30",
"03:45",
"05:00",
"06:15",
"07:30",
"08:45",
"10:00",
"11:15",
"12:30",
"13:45",
"15:00",
"16:15",
"17:30",
"18:45",
"20:00",
"21:15",
"22:30",
"23:45",
]
y_data=[
300,
280,
250,
260,
270,
300,
550,
500,
400,
390,
380,
390,
400,
500,
600,
750,
800,
700,
600,
400,
]

(
Line(init_opts=opts.InitOpts(width="1200px",height="600px"))
.add_xaxis(xaxis_data=x_data)
.add_yaxis(
series_name="用電量",
y_axis=y_data,
is_smooth=True,
label_opts=opts.LabelOpts(is_show=False),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="一天用電量分布",subtitle="純屬虛構"),
tooltip_opts=opts.TooltipOpts(trigger="axis",axis_pointer_type="cross"),
xaxis_opts=opts.AxisOpts(boundary_gap=False),
yaxis_opts=opts.AxisOpts(
axislabel_opts=opts.LabelOpts(formatter="{value}W"),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
visualmap_opts=opts.VisualMapOpts(
is_piecewise=True,
dimension=0,
pieces=[
{"lte":6,"color":"green"},
{"gt":6,"lte":8,"color":"red"},
{"gt":8,"lte":14,"color":"green"},
{"gt":14,"lte":17,"color":"red"},
{"gt":17,"color":"green"},
],
),
)
.set_series_opts(
markarea_opts=opts.MarkAreaOpts(
data=[
opts.MarkAreaItem(name="早高峰",x=("07:30","10:00")),
opts.MarkAreaItem(name="晚高峰",x=("17:30","21:15")),
]
)
)
.render("用電量折線圖.html")
)

斷點折線圖（根據場景進行配置）

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
(
Line(init_opts=opts.InitOpts(width="1200px",height="600px"))
.add_xaxis(xaxis_data=["Mon","Tue","Wed","Thu","Fri","Sat","Sun"])
.add_yaxis(
series_name="",
y_axis=[120,200,150,80,70,110,130],
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green",width=4,type_="dashed"),
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3,border_color="yellow",color="blue"
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(type_="category",
name='類別',
name_location='middle',
name_gap=30,#標簽與軸線之間的距離，默認為20，最好不要設置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16#標簽字體大小
)
),
yaxis_opts=opts.AxisOpts(
type_="value",
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
tooltip_opts=opts.TooltipOpts(is_show=False),
)
.render("斷點折線圖.html")
)

雙折線圖顯示最低最高數據標簽（不顯示其他數據標簽）

有時候折線圖里面的數據太多了，但是我們想要一眼就直觀的看到數據的最低最高是多少，雖然pyecharts可以把鼠標放在點上就會顯示，但是如果做出PPT或者圖片，那么就有點不現實了。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
frompyecharts.fakerimportFaker

c=(
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),

)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="min"),
opts.MarkPointItem(type_="max")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30,#標簽與軸線之間的距離，默認為20，最好不要設置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16#標簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16
#font_weight='bolder',
)),
#toolbox_opts=opts.ToolboxOpts()#工具選項
)
.render("雙折線圖顯示最低最高.html")
)

雙折線圖顯示平均刻度數據標簽（數據可顯示）

這個雙折線圖可以運用在我們需要知道一類數據集里面的平均值是多少，那么我們就可以根據這個來配置相關參數了，下面的圖例我們沒有顯示數據，也可以顯示數據。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
frompyecharts.fakerimportFaker

c=(
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),#允許顯示數據
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.add_yaxis(
"商家B",
Faker.values(),
label_opts=opts.LabelOpts(is_show=False),
markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average")]),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30,#標簽與軸線之間的距離，默認為20，最好不要設置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16#標簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16
#font_weight='bolder',
)),
#toolbox_opts=opts.ToolboxOpts()#工具選項
)
.render("雙折線圖顯示平均刻度.html")
)

斷點折線圖（顯示數據項）

前面的圖例里面，沒有對數據進行展示，也沒有數據標簽，這個圖例是對之前的進行改造和設計升級的。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
frompyecharts.fakerimportFaker

c=(
Line()
.add_xaxis(xaxis_data=Faker.choose())
.add_yaxis(
"商家A",
Faker.values(),
symbol="triangle",
symbol_size=20,
linestyle_opts=opts.LineStyleOpts(color="green",width=4,type_="dashed"),
itemstyle_opts=opts.ItemStyleOpts(
border_width=3,border_color="yellow",color="blue"
),#可進行多維疊加
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
xaxis_opts=opts.AxisOpts(
name='類別',
name_location='middle',
name_gap=30,#標簽與軸線之間的距離，默認為20，最好不要設置20
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16#標簽字體大小
)),
yaxis_opts=opts.AxisOpts(
name='數量',
name_location='middle',
name_gap=30,
name_textstyle_opts=opts.TextStyleOpts(
font_family='TimesNewRoman',
font_size=16
#font_weight='bolder',
)),
#toolbox_opts=opts.ToolboxOpts()#工具選項
)
.render("斷點顯示數據.html")
)

面積折線圖（不緊貼）

前面有一個圖形是一個曲線的折線圖，緊貼Y軸，此圖例是不緊貼的且是折線的形式。

importpyecharts.optionsasopts
frompyecharts.chartsimportLine
frompyecharts.fakerimportFaker

c=(
Line()
.add_xaxis(Faker.choose())
.add_yaxis("商家A",Faker.values(),areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.add_yaxis("商家B",Faker.values(),areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("面積折線圖不緊貼.html")
)

3D旋轉彈簧圖

運行生成之后，自動旋轉。有的小伙伴很是好奇，為什么會有這種炫酷的圖形，這種圖形是如何設計出來的，看了代碼我們發現其實并不難，代碼量也不是很復雜，原因就是它基于算法數學設計的，這也就是為什么說有“幾何之美”的這一概念了。

總結

以上是生活随笔為你收集整理的Python绘制折线图可视化神器pyecharts怎么使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。