每日五個pyecharts可視化圖表-bars（5）

探索pyecharts庫中條形圖的高級用法與定制技巧，打造精美數據可視化圖表

在數據可視化中，條形圖是最常用的圖表類型之一。它能夠清晰地展示不同類別的數據對比，幫助我們快速理解數據特征。本文將為您介紹pyecharts庫中條形圖的5種高級用法，從基礎到進階，讓您輕松掌握條形圖的各種定制技巧。pyecahts源碼

- 圖表一：帶標記線的條形圖（指定類型）
- - 代碼解析
  - 使用場景
- 圖表二：帶Graphic組件的條形圖
- - 代碼解析
  - 技巧提示
  - 應用場景
- 圖表三：瀑布圖
- - 代碼解析
  - 實現原理
  - 應用場景
- 圖表四：漸變圓柱條形圖
- - 代碼解析
  - 設計技巧
  - 應用場景
- 圖表五：單系列柱間距離條形圖
- - 代碼解析
  - 參數說明
  - 應用場景
  - 注意事項
- 注意事項與最佳實踐
- 總結

歡迎來到每日五個pyecharts可視化圖表系列的第五篇。在本文中，我們將繼續探索pyecharts庫中條形圖（Bar）的各種高級用法和定制技巧。

圖表一：帶標記線的條形圖（指定類型）

在數據對比分析中，除了展示原始數據外，我們常常需要突出顯示數據中的關鍵統計指標。本圖表展示了如何在條形圖中添加標記線，包括最小值、最大值和平均值標記，幫助讀者快速把握數據分布特征。

from pyecharts import options as opts 
from pyecharts.charts import Bar 
from pyecharts.faker import Faker c = (Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values()) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-MarkLine（指定類型）")) .set_series_opts(label_opts=opts.LabelOpts(is_show=False),markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="min", name="最小值"),opts.MarkLineItem(type_="max", name="最大值"),opts.MarkLineItem(type_="average", name="平均值"),]),)
)
c.render_notebook()

代碼解析

數據生成：使用Faker.choose()生成隨機的類別數據作為X軸，Faker.values()生成隨機數值作為Y軸數據
標記線配置：通過markline_opts參數添加標記線，支持多種類型：
- min: 顯示最小值標記線，幫助快速定位數據中的最低點
- max: 顯示最大值標記線，突出數據中的峰值
- average: 顯示平均值標記線，展示數據的集中趨勢
標簽設置：設置label_opts為不顯示標簽，避免標簽過多導致圖表雜亂

使用場景

這種帶標記線的條形圖特別適合于需要快速把握數據分布特征的場景，如銷售數據對比、性能指標分析等。通過標記線，我們可以直觀地看到數據的極值和平均水平，為決策提供參考。
在這里插入圖片描述

圖表二：帶Graphic組件的條形圖

在數據可視化中，有時我們需要為圖表添加一些自定義的圖形元素或文本，以增強圖表的信息傳達能力或視覺效果。pyecharts的Graphic組件提供了強大的自定義圖形功能，讓我們可以在圖表上添加各種圖形元素。

from pyecharts import options as opts 
from pyecharts.charts import Bar 
from pyecharts.commons.utils import JsCode 
from pyecharts.faker import Faker c = (Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values()) .add_yaxis("商家B", Faker.values()) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-Graphic 組件示例"),graphic_opts=[opts.GraphicGroup(graphic_item=opts.GraphicItem(rotation=JsCode("Math.PI / 4"),bounding="raw",right=110,bottom=110,z=100,),children=[opts.GraphicRect(graphic_item=opts.GraphicItem(left="center", top="center", z=100),graphic_shape_opts=opts.GraphicShapeOpts(width=400, height=50),graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="rgba(0,0,0,0.3)"),),opts.GraphicText(graphic_item=opts.GraphicItem(left="center", top="center", z=100),graphic_textstyle_opts=opts.GraphicTextStyleOpts(text="pyecharts bar chart",font="bold 26px Microsoft YaHei",graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(fill="#fff"),),),],)],)
)
c.render_notebook()

代碼解析

數據生成：使用Faker.choose()和Faker.values()生成模擬數據
圖形組件配置：通過graphic_opts參數添加圖形元素
圖形組創建：創建了一個GraphicGroup，包含一個旋轉的矩形和文本
JavaScript集成：使用JsCode來編寫JavaScript代碼，實現旋轉效果
屬性設置：詳細設置了圖形元素的位置、大小、顏色等屬性
視覺設計：矩形使用半透明黑色背景，文本使用白色粗體字，形成鮮明對比
層級控制：通過z參數設置圖形元素的層級，確保它們顯示在圖表上方

技巧提示

可以通過調整rotation參數來改變圖形的旋轉角度
使用bounding參數可以控制圖形的邊界計算方式
通過調整right和bottom參數可以精確控制圖形的位置
可以添加多個GraphicGroup來創建復雜的圖形組合

應用場景

這種帶Graphic組件的條形圖適合于需要添加水印、注釋或自定義裝飾元素的場景，如報表封面、演示文稿中的圖表展示等。
在這里插入圖片描述

圖表三：瀑布圖

瀑布圖是一種特殊類型的柱狀圖，它能夠清晰地展示一個初始值如何通過一系列正值和負值的累積，最終到達結果值。瀑布圖特別適合展示起始值到最終值的累積過程，在財務分析、銷售數據變化、項目預算等場景中有著廣泛的應用。

from pyecharts.charts import Bar 
from pyecharts import options as opts x_data = [f"11月{str(i)}日" for i in range(1, 12)] 
y_total = [0, 900, 1245, 1530, 1376, 1376, 1511, 1689, 1856, 1495, 1292] 
y_in = [900, 345, 393, "-", "-", 135, 178, 286, "-", "-", "-"] 
y_out = ["-", "-", "-", 108, 154, "-", "-", "-", 119, 361, 203] bar = (Bar() .add_xaxis(xaxis_data=x_data) .add_yaxis(series_name="", y_axis=y_total, stack="總量", itemstyle_opts=opts.ItemStyleOpts(color="rgba(0,0,0,0)"), ) .add_yaxis(series_name="收入", y_axis=y_in, stack="總量") .add_yaxis(series_name="支出", y_axis=y_out, stack="總量") .set_global_opts(yaxis_opts=opts.AxisOpts(type_="value")) 
)
bar.render_notebook()

代碼解析

X軸數據：手動構建了日期數據作為X軸，更符合實際業務場景
系列配置：使用了三個數據系列來實現瀑布圖效果：
- y_total: 表示累計總量，設置為透明色使其不可見
- y_in: 表示收入數據，使用正值
- y_out: 表示支出數據，使用負值
堆疊設置：通過stack="總量"將三個系列堆疊顯示
圖例控制：使用空字符串作為第一個系列的名稱，使其不在圖例中顯示
缺失數據處理：使用"-"表示沒有數據的點
坐標軸設置：設置Y軸為數值型坐標軸

實現原理

瀑布圖的關鍵在于使用堆疊柱狀圖的特性，通過透明的總量系列和正負值的堆疊來展示數據的累積過程。收入數據（正值）向上堆疊，支出數據（負值）向下堆疊，最終形成從起始值到最終值的完整路徑展示。

應用場景

瀑布圖常用于財務分析中的收支分析、銷售數據的增減變化分析、項目預算的構成分析等場景。它能夠清晰地展示各個因素對最終結果的貢獻程度，幫助決策者更好地理解數據背后的故事。
在這里插入圖片描述

圖表四：漸變圓柱條形圖

在數據可視化中，美觀的圖表能夠更好地吸引觀眾的注意力，提升數據傳達的效果。本圖表展示了如何創建具有漸變顏色和圓角效果的圓柱條形圖，通過精美的視覺設計提升數據展示的吸引力。

from pyecharts import options as opts 
from pyecharts.charts import Bar 
from pyecharts.commons.utils import JsCode 
from pyecharts.faker import Faker c = (Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values(), category_gap="60%") .set_series_opts(itemstyle_opts={"normal": {"color": JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(0, 244, 255, 1)'}, {offset: 1,color: 'rgba(0, 77, 167, 1)'}], false)"""),"barBorderRadius": [30, 30, 30, 30],"shadowColor": "rgb(0, 160, 221)",}}) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-漸變圓柱")) 
)
c.render_notebook()

代碼解析

數據生成：使用Faker.choose()和Faker.values()生成模擬數據
間距設置：通過category_gap="60%"設置類別之間的間距，使圖表更加通透
樣式配置：使用itemstyle_opts詳細配置條形圖的樣式：
- color: 使用JsCode創建線性漸變顏色，從頂部的亮藍色到底部的深藍色，形成視覺層次感
- barBorderRadius: 設置四個角的圓角半徑均為30，實現完美的圓柱效果
- shadowColor: 添加陰影效果，增強立體感和深度感
標題設置：設置圖表標題為"Bar-漸變圓柱"

設計技巧

漸變顏色的方向可以通過調整LinearGradient的前四個參數來改變
可以嘗試不同的顏色組合，以適應不同的主題和場景
圓角半徑的大小可以根據數據量和圖表尺寸進行調整
陰影效果可以增強圖表的立體感，但不宜過于強烈，以免喧賓奪主

應用場景

這種漸變圓柱條形圖特別適合需要強調視覺效果的演示場合，如產品發布會、營銷報告、數據可視化大屏等。精美的視覺設計能夠讓數據展示更加生動和吸引人，提升觀眾的關注度和理解度。
在這里插入圖片描述

圖表五：單系列柱間距離條形圖

在創建條形圖時，柱間距離的設置對圖表的美觀度和可讀性有著重要影響。本圖表展示了如何調整單系列柱狀圖的柱間距離，以優化圖表的視覺效果和數據展示。

第五個圖表展示了如何設置單系列柱狀圖的柱間距離。通過調整柱間距離，可以使圖表更加美觀，也可以根據數據量的多少來優化展示效果。

from pyecharts import options as opts 
from pyecharts.charts import Bar 
from pyecharts.faker import Faker c = (Bar() .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.values(), category_gap="80%") .set_global_opts(title_opts=opts.TitleOpts(title="Bar-單系列柱間距離")) #.render("bar_same_series_gap.html") 
)
c.render_notebook()

代碼解析

數據生成：使用Faker.choose()生成隨機的類別數據作為X軸，Faker.values()生成隨機數值作為Y軸數據
柱間距離設置：通過category_gap="80%"設置柱間距離為80%。需要注意的是，對于單系列條形圖，category_gap實際上控制的是類別之間的間距，而不是同一類別中不同系列的間距（因為只有一個系列）
標題設置：設置圖表標題為"Bar-單系列柱間距離"