欢迎大家订阅【Python从入门到精通】专栏，一起探索Python的无限可能！

文章目录

前言

在大数据时代，数据可视化成为了分析和展示数据的重要手段。在众多数据可视化形式中，柱状图以其直观性和易读性而广受欢迎。本章基于案例分析详细讲解了柱状图的不同类型，包括基础柱状图以及动态柱状图。

本篇文章参考：黑马程序员

一、基础柱状图

①基本流程

  1. 导入必要的模块:
  2. 创建柱状图对象
  3. 添加x轴数据
  4. 添加x轴数据
  5. 设置全局选项
  6. 渲染或生成图像

②常见方法

Method Function Example
add_xaxis() 设置 x 轴的数据 bar.add_xaxis(["A", "B", "C", "D"])
add_yaxis() 添加 y 轴的数据 bar.add_yaxis("系列名称", [10, 20, 30, 40])
set_global_opts() 设置全局配置选项 bar.set_global_opts(title_opts=opts.TitleOpts(title="图表标题"))
set_series_opts() 设置系列特定配置 bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
render() 渲染图表并保存为 HTML 文件 bar.render("chart.html")
set_colors() 设置图表中柱子的颜色 bar.set_colors(['#d48265', '#91c7ae'])
reversal_axis() 反转轴 bar.reversal_axis()
set_tooltip() 自定义 tooltip 的显示方式 bar.set_global_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"))
set_legends() 自定义图例 bar.set_series_opts(label_opts=opts.LabelOpts(position="top"))
overlap() 将多个系列重叠显示 bar1.overlap(bar2)
datazoom() 添加数据缩放控件 bar.set_global_opts(datazoom_opts=[opts.DataZoomOpts()])
export_snapshot() 导出快照 bar.export_snapshot("snapshot.png")

绘制垂直柱状图：

# 导包
from pyecharts.charts import Bar
# 使用Bar构建基础柱状图
bar=Bar()
# 添加x轴数据
bar.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
bar.add_yaxis("GDP",["30","20","10"])
# 绘图
bar.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述
绘制水平柱状图：
通过reversal_axis()方法反转x轴和y轴。

# 导包
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
# 使用Bar构建基础柱状图
bar=Bar()
# 添加x轴数据
bar.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar.reversal_axis()
# 绘图
bar.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述

二、动态柱状图

①创建时间线
柱状图主要用于描述分类数据，回答的是每个分类中『有多少？』这个问题，这是柱状图的主要特点。但是柱状图很难动态地描述一个趋势性的数据，这里pyecharts为我们提供了一种解决方案——时间线。
如果说一个Bar或者Line对象是一张图表的话，那时间线就是创建一个一维的x轴，轴上每一个点就是一个图表对象。通过时间线，我们能够直观地展示随时间变化的数据趋势，使得数据的变化和发展过程一目了然。
在这里插入图片描述

方法：
timeline = Timeline()

Timeline()常用语法：

Method Function Example
__init__() 初始化时间线对象 timeline = Timeline()
add() 向时间线添加图表 timeline.add(chart, time)
add_schema() 添加时间线的基本配置 timeline.add_schema(play_interval=1000)
set_global_opts() 设置全局选项 timeline.set_global_opts(title_opts=opts.TitleOpts(title="时间线示例"))
render() 渲染图表并保存为HTML文件 timeline.render("timeline.html")
set_series_opts() 设置系列图表的选项 timeline.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
set_colors() 设置时间线的颜色 timeline.set_colors(["#ff0000", "#00ff00"])
set_tooltip() 设置工具提示 timeline.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="axis"))
clear() 清空时间线中的所有图表 timeline.clear() 
# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象
timeline=Timeline()
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
点1对应的柱状图：
在这里插入图片描述
点2对应的柱状图：
在这里插入图片描述
点3对应的柱状图：
在这里插入图片描述
②自动播放
可通过add_schema()方法添加时间线的基本配置，如是否自动播放、是否循坏播放、是否显示时间线等 。

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象
timeline=Timeline()
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

#自动播放设置
timeline.add_schema(
    # 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。每隔1000ms会轮换一张柱状图。
在这里插入图片描述
③时间线主题设置
在pyecharts中，我们可以通过主题设置来更改图表的外观。

基本语法：
timeline = Timeline({“theme”: 时间线主题})

例如：

# 构建时间线对象并进行主题设置
timeline = Timeline({"theme": ThemeType.LIGHT})

常用时间线主题：
在这里插入图片描述

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象并进行主题设置
timeline = Timeline({"theme": ThemeType.LIGHT})
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

#自动播放设置
timeline.add_schema(
    # 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述

三、案例分析

【案例——GDP动态柱状图】
1960-2019全球GDP数据.csv文本文件存储了2021年08月18日中国各省份疫情相关数据，请根据该数据绘制1960-2019年全球GDP排名前八的动态柱状图。
在这里插入图片描述
要求实现如下效果：
1.GDP数据处理为亿级
2.有时间轴，按照年份为时间轴的点
3.x轴和y轴反转，同时每一年的数据只要前8名国家
4.有标题，标题的年份会动态更改
5.设置了主题为LIGHT
在这里插入图片描述

解题思路：

  1. 需求分析
  2. 处理数据
  3. 列表排序
  4. 准备时间线
  5. 自动播放和绘图

【知识补充】
在前面我们学习过sorted()函数，可以对数据容器进行排序。而在该案例中，我们需要对列表进行排序，并指定排序规则，但sorted()函数无法完成该任务。这时我们需要补充学习列表的sort()方法。

①基本语法
列表.sort(key=选择排序依据的函数, reverse=True|False)

  • 参数key：要求传入一个函数，表示将列表的每一个元素都传入函数中，返回排序的依据
  • 参数reverse：是否反转排序结果，True表示降序，False表示升序

②书写方式
写法一：基于带名函数

# 准备列表
my_list=[["a",33],["b",55],["c",11]]

# 排序（基于带名函数）
def choose_sort_key(element):
return element[1]

my_list.sort(key=choose_sort_key,reverse=True)
print(my_list)

输出结果：
[[‘b’, 55], [‘a’, 33], [‘c’, 11]]

写法二：基于lambda函数
lambda函数相关知识点见Chapter 15 Python函数进阶这篇文章。

# 准备列表
my_list=[["a",33],["b",55],["c",11]]

# 排序（基于lambda函数）
my_list.sort(key=lambda element:element[1],reverse=True)
print(my_list)

输出结果：
[[‘b’, 55], [‘a’, 33], [‘c’, 11]]

例题代码：

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts,TitleOpts
from pyecharts.globals import ThemeType

# 读取数据
# GB2312是针对简体中文字符集的编码，适用于处理中文文本
f=open("D:/1960-2019全球GDP数据.csv","r",encoding="GB2312")
data_lines=f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储
# 格式为：{年份：[国家,gdp],[国家,gdp],……}
data_dict={}
for line in data_lines:
    year=int(line.split(",")[0])   #得到年份
    country=line.split(",")[1]   #得到国家
    # 通过float将科学计数法表示的GDP值转换为正常的浮点数
    gdp=float(line.split(",")[2])   #得到GDP数据
    # 如何判断字典有没有指定的key呢？
    try:
        data_dict[year].append([country,gdp])
    except KeyError:
        data_dict[year]=[]
        data_dict[year].append(([country,gdp]))
# print(data_dict)   可以打印出来观察数据，方便理解
#输出数据：{1960: [['美国', 543000000000.0], ['英国', 73233967692.0],……],2019: [['美国', 21400000000000.0], ['中国', 14300000000000.0],……]}

# 排序年份
sorted_year_list=sorted(data_dict.keys())
# print(sorted_year_list)   可以打印出来观察数据，方便理解
#输出数据：[1960, 1961, 1962, ……]

# 创建时间线对象并设置主题
timeline=Timeline({"theme":ThemeType.LIGHT})

# 排序每个年份各国的GDP
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element:element[1],reverse=True)
    # 取出本年份GDP前8名的国家
    year_data=data_dict[year][0:8]
    # print(year_data)   可以打印出来观察数据，方便理解
    """
    输出结果:
    [['美国', 543000000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0], ['日本', 44307342950.0], ['加拿大', 40461721692.0], ['意大利', 40385288344.0], ['印度', 37029883875.0]]
    [['美国', 563000000000.0], ['英国', 77741965703.0], ['法国', 67461644222.0], ['日本', 53508617739.0], ['中国', 50056868957.0], ['意大利', 44842760293.0], ['加拿大', 40934952063.0], ['印度', 39232435784.0]]
    [['美国', 605000000000.0], ['英国', 81247564156.0], ['法国', 75607529809.0], ['日本', 60723018683.0], ['意大利', 50383891898.0], ['中国', 47209359005.0], ['加拿大', 42227447631.0], ['印度', 42161481858.0]]
    [['美国', 639000000000.0], ['英国', 86561961812.0], ['法国', 84759195105.0], ['日本', 69498131797.0], ['意大利', 57710743059.0], ['中国', 50706799902.0], ['印度', 48421923458.0], ['加拿大', 45029988561.0]]
    ……
    """

    x_data=[]
    y_data=[]
    # for循坏每一年的数据，基于每一年的数据，创建每一年的bar对象
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1])   # y轴添加GDP数据

    # 构建柱状图
    bar=Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)",y_data,label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图标的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球排名前八GDP数据")
    )

    # 将每一年的bar对象添加到时间线中
    # str(year): 将年份转换为字符串，以确保它可以正确地与 bar 关联
    timeline.add(bar,str(year))

# 设置时间线自动播放
timeline.add_schema(
# 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)
# 绘图
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
请添加图片描述
请添加图片描述

# 信息可视化 # python # pycharm # 数据可视化
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模

avatar 魔乐社区
cover

替你试过了，消费级显卡可以跑的开源文生图SOTA模型，顶级渲染、高密度文本绘图

avatar 魔乐社区
cover

量化挑战赛冠军专访：4小时啃下W4A8量化，我靠的是这些经验

avatar 魔乐社区