## 1. Pyecharts入门：从安装到第一个图表 第一次接触Pyecharts时，我被它的简洁语法和惊艳效果震撼到了。这个基于Echarts的Python库，让生成专业级图表变得像写几行Python代码一样简单。还记得当时为了做一个部门销售报表，我折腾了半天Matplotlib都没达到理想效果，换成Pyecharts后，领导看到动态交互图表时眼前一亮。 安装Pyecharts只需要一行命令： ```bash pip install pyecharts ``` 如果你是Jupyter Notebook用户，建议再加装这个扩展： ```bash pip install jupyter-echarts ``` 先来看个最简单的例子 - 绘制月度销售额柱状图。假设我们有某产品上半年的销售数据： ```python from pyecharts.charts import Bar months = ['1月', '2月', '3月', '4月', '5月', '6月'] sales = [125, 168, 132, 205, 189, 156] bar = ( Bar() .add_xaxis(months) .add_yaxis("销售额(万元)", sales) ) bar.render_notebook() # 在Jupyter中直接显示 ``` 这段代码会生成一个带交互功能的柱状图：鼠标悬停可以看到具体数值，点击图例可以隐藏/显示数据系列。我第一次用时就发现，相比静态图表，这种交互性让数据探索变得直观多了。 ## 2. 基础图表实战：五种核心图形详解 ### 2.1 散点图：发现数据相关性 分析用户年龄和消费金额的关系时，散点图是我的首选。Pyecharts的Scatter类用起来非常顺手： ```python from pyecharts.charts import Scatter import numpy as np # 模拟用户数据 np.random.seed(42) ages = np.random.randint(18, 60, 100) spendings = ages * 10 + np.random.normal(0, 50, 100) scatter = ( Scatter() .add_xaxis(ages.tolist()) .add_yaxis("消费金额", spendings.tolist()) .set_global_opts( title_opts={"text": "用户年龄-消费分布"}, xaxis_opts={"name": "年龄"}, yaxis_opts={"name": "消费金额(元)"} ) ) scatter.render("user_analysis.html") ``` **实用技巧**：当数据点过多时，可以设置`symbol_size`调整点的大小，或者用`visualmap`组件实现数据分段着色。 ### 2.2 折线图：时间序列分析 监控系统性能指标时，我经常用折线图观察趋势变化。下面代码展示如何绘制带标记点的折线图： ```python from pyecharts.charts import Line weeks = ['周一', '周二', '周三', '周四', '周五', '周六', '周日'] cpu_usage = [45, 62, 38, 75, 58, 40, 52] line = ( Line() .add_xaxis(weeks) .add_yaxis("CPU使用率%", cpu_usage, markpoint_opts={"data": [{"type": "max"}, {"type": "min"}]}, markline_opts={"data": [{"type": "average"}]}) .set_global_opts(title_opts={"text": "周CPU使用率监控"}) ) ``` **踩坑提醒**：遇到折线断裂的情况，检查数据中是否存在None值。可以用`is_connect_nones=True`参数让折线跨过缺失点。 ### 2.3 饼图与环形图：占比分析 做年度销售占比分析时，我偏爱用环形图： ```python from pyecharts.charts import Pie products = ['手机', '笔记本', '平板', '配件'] sales = [3560, 1890, 1240, 980] pie = ( Pie() .add("", [list(z) for z in zip(products, sales)], radius=["40%", "75%"]) # 内径40%，外径75% .set_global_opts(title_opts={"text": "年度产品销售额占比"}) ) ``` **设计建议**：当类别超过7个时，考虑将较小份额合并为"其他"项，避免饼图过于碎片化。 ### 2.4 柱状图：多维度对比 对比各季度不同产品线的表现，分组柱状图最合适： ```python from pyecharts.charts import Bar quarters = ['Q1', 'Q2', 'Q3', 'Q4'] products = ['产品A', '产品B', '产品C'] data = [ [120, 140, 160, 180], [90, 110, 80, 100], [50, 60, 70, 65] ] bar = ( Bar() .add_xaxis(quarters) .set_global_opts(title_opts={"text": "季度产品销量对比"}) ) for name, values in zip(products, data): bar.add_yaxis(name, values) ``` **交互优化**：添加`datazoom`组件可以让用户自由缩放查看数据细节。 ## 3. 高级图表组合：让数据讲故事 ### 3.1 组合图表：柱状图+折线图 分析销售业绩时，我常把实际销售额(柱状)和达成率(折线)组合展示： ```python from pyecharts.charts import Bar, Line from pyecharts import options as opts months = ['1月', '2月', '3月'] sales = [120, 150, 180] rates = [85, 92, 88] bar = ( Bar() .add_xaxis(months) .add_yaxis("销售额(万)", sales) .extend_axis(yaxis=opts.AxisOpts(axislabel_opts={"formatter": "{value}%"})) ) line = ( Line() .add_xaxis(months) .add_yaxis("达成率", rates, yaxis_index=1) ) bar.overlap(line).render("combo_chart.html") ``` **关键点**：使用`extend_axis`添加右侧Y轴，`yaxis_index=1`将折线绑定到新坐标轴。 ### 3.2 地理数据可视化 展示全国销售分布时，地理坐标系图表特别有用： ```python from pyecharts.charts import Geo from pyecharts.globals import ChartType data = [("北京", 235), ("上海", 187), ("广州", 156), ("深圳", 198)] geo = ( Geo() .add_schema(maptype="china") .add("", data, type_=ChartType.EFFECT_SCATTER) .set_global_opts(title_opts={"text": "全国销售点分布"}) ) ``` **注意事项**：首次使用地图需要`pip install echarts-countries-pypkg`等地图包。 ## 4. 实战案例：电商数据分析看板 ### 4.1 用户行为分析 用桑基图分析用户转化路径： ```python from pyecharts.charts import Sankey nodes = [{"name": "首页"}, {"name": "商品页"}, {"name": "购物车"}, {"name": "支付页"}] links = [ {"source": "首页", "target": "商品页", "value": 1000}, {"source": "商品页", "target": "购物车", "value": 300}, {"source": "购物车", "target": "支付页", "value": 200} ] sankey = ( Sankey() .add("", nodes, links, linestyle_opt=opts.LineStyleOpts(opacity=0.3, curve=0.5), label_opts=opts.LabelOpts(position="right")) ) ``` ### 4.2 销售漏斗分析 ```python from pyecharts.charts import Funnel stages = ["曝光", "点击", "加购", "下单", "支付"] conversions = [10000, 4500, 3000, 1500, 800] funnel = ( Funnel() .add("转化率", [list(z) for z in zip(stages, conversions)], label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)")) ) ``` ### 4.3 完整看板集成 使用`Page`组件组合多个图表： ```python from pyecharts.charts import Page page = Page() page.add( bar.render_notebook(), line.render_notebook(), pie.render_notebook() ) page.render("dashboard.html") ```