這篇文章介紹的主要內容是，利用Python pyecharts去繪制柱狀圖，涉及到內容知識點還是比較的多的，那么，具體需要怎么操作呢？下面就給大家以案例的形式，去做一個介紹，大家仔細的閱讀下。

　　主題介紹

　　pyecharts里面有很多的主題可以供我們選擇，我們可以根據自己的需要完成主題的配置，這樣就告別了軟件的限制，可以隨意的發揮自己的藝術細胞了。

　　圖表參數

　　'''
　　def add_yaxis(
　　#系列名稱，用于tooltip的顯示，legend的圖例篩選。
　　series_name:str,
　　#系列數據
　　y_axis:Sequence[Numeric,opts.BarItem,dict],
　　#是否選中圖例
　　is_selected:bool=True,
　　#使用的x軸的index，在單個圖表實例中存在多個x軸的時候有用。
　　xaxis_index:Optional[Numeric]=None,
　　#使用的y軸的index，在單個圖表實例中存在多個y軸的時候有用。
　　yaxis_index:Optional[Numeric]=None,
　　#是否啟用圖例hover時的聯動高亮
　　is_legend_hover_link:bool=True,
　　#系列label顏色
　　color:Optional[str]=None,
　　#是否顯示柱條的背景色。通過backgroundStyle配置背景樣式。
　　is_show_background:bool=False,
　　#每一個柱條的背景樣式。需要將showBackground設置為true時才有效。
　　background_style:types.Union[types.BarBackground,dict,None]=None,
　　#數據堆疊，同個類目軸上系列配置相同的stack值可以堆疊放置。
　　stack:Optional[str]=None,
　　#柱條的寬度，不設時自適應。
　　#可以是絕對值例如40或者百分數例如'60%'。百分數基于自動計算出的每一類目的寬度。
　　#在同一坐標系上，此屬性會被多個'bar'系列共享。此屬性應設置于此坐標系中最后一個'bar'系列上才會生效，并且是對此坐標系中所有'bar'系列生效。
　　bar_width:types.Union[types.Numeric,str]=None,
　　#柱條的最大寬度。比barWidth優先級高。
　　bar_max_width:types.Union[types.Numeric,str]=None,
　　#柱條的最小寬度。在直角坐標系中，默認值是1。否則默認值是null。比barWidth優先級高。
　　bar_min_width:types.Union[types.Numeric,str]=None,
　　#柱條最小高度，可用于防止某數據項的值過小而影響交互。
　　bar_min_height:types.Numeric=0,
　　#同一系列的柱間距離，默認為類目間距的20%，可設固定值
　　category_gap:Union[Numeric,str]="20%",
　　#不同系列的柱間距離，為百分比（如'30%'，表示柱子寬度的30%）。
　　#如果想要兩個系列的柱子重疊，可以設置gap為'-100%'。這在用柱子做背景的時候有用。
　　gap:Optional[str]="30%",
　　#是否開啟大數據量優化，在數據圖形特別多而出現卡頓時候可以開啟。
　　#開啟后配合largeThreshold在數據量大于指定閾值的時候對繪制進行優化。
　　#缺點：優化后不能自定義設置單個數據項的樣式。
　　is_large:bool=False,
　　#開啟繪制優化的閾值。
　　large_threshold:types.Numeric=400,
　　#使用dimensions定義series.data或者dataset.source的每個維度的信息。
　　#注意：如果使用了dataset，那么可以在dataset.source的第一行/列中給出dimension名稱。
　　#于是就不用在這里指定dimension。
　　#但是，如果在這里指定了dimensions，那么ECharts不再會自動從dataset.source的第一行/列中獲取維度信息。
　　dimensions:types.Union[types.Sequence,None]=None,
　　#當使用dataset時，seriesLayoutBy指定了dataset中用行還是列對應到系列上，也就是說，系列“排布”到dataset的行還是列上。可取值：
　　#'column'：默認，dataset的列對應于系列，從而dataset中每一列是一個維度（dimension）。
　　#'row'：dataset的行對應于系列，從而dataset中每一行是一個維度（dimension）。
　　series_layout_by:str="column",
　　#如果series.data沒有指定，并且dataset存在，那么就會使用dataset。
　　#datasetIndex指定本系列使用那個dataset。
　　dataset_index:types.Numeric=0,
　　#是否裁剪超出坐標系部分的圖形。柱狀圖：裁掉所有超出坐標系的部分，但是依然保留柱子的寬度
　　is_clip:bool=True,
　　#柱狀圖所有圖形的zlevel值。
　　z_level:types.Numeric=0,
　　#柱狀圖組件的所有圖形的z值。控制圖形的前后順序。
　　#z值小的圖形會被z值大的圖形覆蓋。
　　#z相比zlevel優先級更低，而且不會創建新的Canvas。
　　z:types.Numeric=2,
　　#標簽配置項，參考`series_options.LabelOpts`
　　label_opts:Union[opts.LabelOpts,dict]=opts.LabelOpts(),
　　#標記點配置項，參考`series_options.MarkPointOpts`
　　markpoint_opts:Union[opts.MarkPointOpts,dict,None]=None,
　　#標記線配置項，參考`series_options.MarkLineOpts`
　　markline_opts:Union[opts.MarkLineOpts,dict,None]=None,
　　#提示框組件配置項，參考`series_options.TooltipOpts`
　　tooltip_opts:Union[opts.TooltipOpts,dict,None]=None,
　　#圖元樣式配置項，參考`series_options.ItemStyleOpts`
　　itemstyle_opts:Union[opts.ItemStyleOpts,dict,None]=None,
　　#可以定義data的哪個維度被編碼成什么。
　　encode:types.Union[types.JSFunc,dict,None]=None,
　　)
　　'''

　　我們可以進行圖表參數的配置，完成我們需要的結果展示。

　　主題詳解

　　下面列舉了比較詳細的主題風格，隨意搭配，碰撞出不一樣的火花！

　　from pyecharts.globals import ThemeType
　　help(ThemeType)
　　"""
　　{"theme":ThemeType.MACARONS}
　　BUILTIN_THEMES=['light','dark','white']
　　|
　　|CHALK='chalk'#粉筆風
　　|
　　|DARK='dark'#暗黑風
　　|
　　|ESSOS='essos'#厄索斯大陸
　　|
　　|INFOGRAPHIC='infographic'#信息圖
　　|
　　|LIGHT='light'#明亮風格
　　|
　　|MACARONS='macarons'#馬卡龍
　　|
　　|PURPLE_PASSION='purple-passion'#紫色激情
　　|
　　|ROMA='roma'#石榴
　　|
　　|ROMANTIC='romantic'#浪漫風
　　|
　　|SHINE='shine'#閃耀風
　　|
　　|VINTAGE='vintage'#復古風
　　|
　　|WALDEN='walden'#瓦爾登湖
　　|
　　|WESTEROS='westeros'#維斯特洛大陸
　　|
　　|WHITE='white'#潔白風
　　|
　　|WONDERLAND='wonderland'#仙境
　　"""

　　柱狀圖模板系列

　　海量數據柱狀圖動畫展示

　　非常多的數據集，我們需要展示的話，我們可以利用這個模板進行展示，下面由于數據量過多我就不展示全部的數據了。

　　import pyecharts.options as opts
　　from pyecharts.charts import Bar
　　category=["類目{}".format(i)for i in range(0,100)]
　　red_bar=['數據集非常多！！！！']
　　(
　　Bar(init_opts=opts.InitOpts(width="1500px",height="700px"))
　　.add_xaxis(xaxis_data=category)
　　.add_yaxis(
　　series_name="系列1",y_axis=red_bar,label_opts=opts.LabelOpts(is_show=False)
　　)
　　.add_yaxis(
　　series_name="系列2",
　　y_axis=blue_bar,
　　label_opts=opts.LabelOpts(is_show=False),
　　)
　　.set_global_opts(
　　title_opts=opts.TitleOpts(title="柱狀圖動畫延遲"),
　　xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=False)),
　　yaxis_opts=opts.AxisOpts(
　　axistick_opts=opts.AxisTickOpts(is_show=True),
　　splitline_opts=opts.SplitLineOpts(is_show=True),
　　),
　　)
　　.render("柱狀圖動畫延遲.html")
　　)
　　print("圖表已生成！請查收！")

　　收入支出柱狀圖（適用于記賬）

　　我們在日常的生活中，有收入也有支出，這個模板就是把收入和支出直觀的展示在讀者面前。

　　from pyecharts.charts import Bar
　　from pyecharts import options as opts
　　#一般不適用
　　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"))
　　.render("收入支出柱狀圖.html")
　　)
　　print("圖表已生成！請查收！")
　　三維數據疊加
　　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(),stack="stack1")
　　.add_yaxis("商家B",Faker.values(),stack="stack1")
　　.add_yaxis("商家C",Faker.values(),stack="stack1")
　　.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
　　.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
　　.render("三維數據折疊.html")
　　)
　　print("圖表已生成！查收！")

　　柱狀圖與折線圖多維展示（同屏展示）

　　柱狀圖里面也有折線圖，適合我們在特定情況下進行數據展示，效果還是比較的直觀，方便我們可以直接get到數據的價值。

　　import pyecharts.options as opts
　　from pyecharts.charts import Bar,Line
　　x_data=["1月","2月","3月","4月","5月","6月","7月","8月","9月","10月","11月","12月"]
　　bar=(
　　Bar(init_opts=opts.InitOpts(width="1100px",height="600px"))
　　.add_xaxis(xaxis_data=x_data)
　　.add_yaxis(
　　series_name="蒸發量",
　　y_axis=[
　　2.0,
　　4.9,
　　7.0,
　　23.2,
　　25.6,
　　76.7,
　　135.6,
　　162.2,
　　32.6,
　　20.0,
　　6.4,
　　3.3,
　　],
　　label_opts=opts.LabelOpts(is_show=False),
　　)
　　.add_yaxis(
　　series_name="降水量",
　　y_axis=[
　　2.6,
　　5.9,
　　9.0,
　　26.4,
　　28.7,
　　70.7,
　　175.6,
　　182.2,
　　48.7,
　　18.8,
　　6.0,
　　2.3,
　　],
　　label_opts=opts.LabelOpts(is_show=False),
　　)
　　.extend_axis(
　　yaxis=opts.AxisOpts(
　　name="溫度",
　　type_="value",
　　min_=0,
　　max_=25,
　　interval=5,
　　axislabel_opts=opts.LabelOpts(formatter="{value}°C"),
　　)
　　)
　　.set_global_opts(
　　tooltip_opts=opts.TooltipOpts(
　　is_show=True,trigger="axis",axis_pointer_type="cross"
　　),
　　xaxis_opts=opts.AxisOpts(
　　name='月份',
　　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='Times New Roman',
　　font_size=16,#標簽字體大小
　　#type_="category",
　　#axispointer_opts=opts.AxisPointerOpts(is_show=True,type_="shadow"),
　　)),
　　yaxis_opts=opts.AxisOpts(
　　name="水量",
　　type_="value",
　　min_=0,
　　max_=250,
　　interval=50,
　　axislabel_opts=opts.LabelOpts(formatter="{value}ml"),
　　axistick_opts=opts.AxisTickOpts(is_show=True),
　　splitline_opts=opts.SplitLineOpts(is_show=True),
　　),
　　)
　　)
　　line=(
　　Line()
　　.add_xaxis(xaxis_data=x_data)
　　.add_yaxis(
　　series_name="平均溫度",
　　yaxis_index=1,
　　y_axis=[2.0,2.2,3.3,4.5,6.3,10.2,20.3,23.4,23.0,16.5,12.0,6.2],
　　label_opts=opts.LabelOpts(is_show=False),
　　)
　　)
　　bar.overlap(line).render("折線圖-柱狀圖多維展示.html")
　　print("圖表已生成！請查收！")

　　import pyecharts.options as opts
　　from pyecharts.charts import Bar,Line
　　colors=["#5793f3","#d14a61","#675bba"]
　　x_data=["1月","2月","3月","4月","5月","6月","7月","8月","9月","10月","11月","12月"]
　　legend_list=["蒸發量","降水量","平均溫度"]
　　evaporation_capacity=[
　　2.0,
　　4.9,
　　7.0,
　　23.2,
　　25.6,
　　76.7,
　　135.6,
　　162.2,
　　32.6,
　　20.0,
　　6.4,
　　3.3,
　　]
　　rainfall_capacity=[
　　2.6,
　　5.9,
　　9.0,
　　26.4,
　　28.7,
　　70.7,
　　175.6,
　　182.2,
　　48.7,
　　18.8,
　　6.0,
　　2.3,
　　]
　　average_temperature=[2.0,2.2,3.3,4.5,6.3,10.2,20.3,23.4,23.0,16.5,12.0,6.2]
　　bar=(
　　Bar(init_opts=opts.InitOpts(width="1100px",height="600px"))
　　.add_xaxis(xaxis_data=x_data)
　　.add_yaxis(
　　series_name="蒸發量",
　　y_axis=evaporation_capacity,
　　yaxis_index=0,
　　color=colors[1],
　　)
　　.add_yaxis(
　　series_name="降水量",y_axis=rainfall_capacity,yaxis_index=1,color=colors[0]
　　)
　　.extend_axis(
　　yaxis=opts.AxisOpts(
　　name="蒸發量",
　　type_="value",
　　min_=0,
　　max_=250,
　　position="right",
　　axisline_opts=opts.AxisLineOpts(
　　linestyle_opts=opts.LineStyleOpts(color=colors[1])
　　),
　　axislabel_opts=opts.LabelOpts(formatter="{value}ml"),
　　)
　　)
　　.extend_axis(
　　yaxis=opts.AxisOpts(
　　type_="value",
　　name="溫度",
　　min_=0,
　　max_=25,
　　position="left",
　　axisline_opts=opts.AxisLineOpts(
　　linestyle_opts=opts.LineStyleOpts(color=colors[2])
　　),
　　axislabel_opts=opts.LabelOpts(formatter="{value}°C"),
　　splitline_opts=opts.SplitLineOpts(
　　is_show=True,linestyle_opts=opts.LineStyleOpts(opacity=1)
　　),
　　)
　　)
　　.set_global_opts(
　　yaxis_opts=opts.AxisOpts(
　　type_="value",
　　name="降水量",
　　min_=0,
　　max_=250,
　　position="right",
　　offset=80,
　　axisline_opts=opts.AxisLineOpts(
　　linestyle_opts=opts.LineStyleOpts(color=colors[0])
　　),
　　axislabel_opts=opts.LabelOpts(formatter="{value}ml"),
　　),
　　tooltip_opts=opts.TooltipOpts(trigger="axis",axis_pointer_type="cross"),
　　)
　　)
　　line=(
　　Line()
　　.add_xaxis(xaxis_data=x_data)
　　.add_yaxis(
　　series_name="平均溫度",y_axis=average_temperature,yaxis_index=2,color=colors[2]
　　)
　　)
　　bar.overlap(line).render("多維展示顯示數據.html")

　　單列多維數據展示

　　from pyecharts import options as opts
　　from pyecharts.charts import Bar
　　from pyecharts.commons.utils import JsCode
　　from pyecharts.globals import ThemeType
　　'''
　　功能：定義多個列表，一個單列柱狀圖里面可以顯示多個產品的數量（顯示各自所占比例）達到一圖多效果展示
　　應用場景：比如有3個產品，分別在星期一到星期天有不同的銷售額，每一天三個不同的產品也都有各自的銷售額
　　需要同時展示出這些信息，并分析出每一個產品在一天中所占比例是多少
　　涉及知識：列表里面嵌套多個字典
　　'''
　　list2=[
　　{"value":12,"percent":12/(12+3)},#對于各自的值，同時對于各自的百分比
　　{"value":23,"percent":23/(23+21)},
　　{"value":33,"percent":33/(33+5)},
　　{"value":3,"percent":3/(3+52)},
　　{"value":33,"percent":33/(33+43)},
　　{"value":45,"percent":45/(45+3)},
　　{"value":23,"percent":23/(23+13)},
　　]
　　list3=[
　　{"value":3,"percent":3/(12+3)},
　　{"value":21,"percent":21/(23+21)},
　　{"value":5,"percent":5/(33+5)},
　　{"value":52,"percent":52/(3+52)},
　　{"value":43,"percent":43/(33+43)},
　　{"value":3,"percent":45/(45+3)},
　　{"value":13,"percent":13/(23+13)},
　　]
　　#可以添加多個列表
　　#list4=[]
　　c=(
　　Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
　　.add_xaxis([1,2,3,4,5,6,7])#橫坐標變量參數
　　#數據堆疊，同個類目軸上系列配置相同的stack值可以堆疊放置
　　#同一系列的柱間距離，默認為類目間距的20%，可設固定值
　　.add_yaxis("產品1",list2,stack="stack1",category_gap="50%")
　　.add_yaxis("產品2",list3,stack="stack1",category_gap="50%")
　　.set_series_opts(
　　label_opts=opts.LabelOpts(
　　position="right",
　　formatter=JsCode(
　　"function(x){return Number(x.data.percent*100).toFixed()+'%';}"
　　),
　　)
　　)
　　#X Y軸的系列配置
　　.set_global_opts(title_opts=opts.TitleOpts(title="標題"),
　　xaxis_opts=opts.AxisOpts(
　　name='星期',
　　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='Times New Roman',
　　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='Times New Roman',
　　font_size=16
　　#font_weight='bolder',
　　)),
　　#toolbox_opts=opts.ToolboxOpts()#工具選項
　　)
　　.render("單列多維占比層次柱狀圖.html")
　　)
　　print("圖表已生成！請查收！")

　　3D柱狀圖

　　這類圖表一般不會用到，但是pyecharts也可以生成這種炫酷的3D模板，來看看吧！

　　上述3D圖形都可以通過鼠標進行控制，翻轉

　　import random
　　from pyecharts import options as opts
　　from pyecharts.charts import Bar3D
　　x_data=y_data=list(range(10))
　　def generate_data():
　　data=[]
　　for j in range(10):
　　for k in range(10):
　　value=random.randint(0,9)
　　data.append([j,k,value*2+4])
　　return data
　　bar3d=Bar3D(init_opts=opts.InitOpts(width="1500px",height="700px"))
　　for _ in range(10):
　　bar3d.add(
　　"",
　　generate_data(),
　　shading="lambert",
　　xaxis3d_opts=opts.Axis3DOpts(data=x_data,type_="value"),
　　yaxis3d_opts=opts.Axis3DOpts(data=y_data,type_="value"),
　　zaxis3d_opts=opts.Axis3DOpts(type_="value"),
　　)
　　bar3d.set_global_opts(title_opts=opts.TitleOpts("Bar3D-堆疊柱狀圖示例"))
　　bar3d.set_series_opts(**{"stack":"stack"})
　　bar3d.render("3D堆疊柱狀圖.html")

　　柱狀圖的模板大全差不多都是這些了，下期文章我們一起領略折線圖的魅力吧！

　　到此為止，這篇文章就給大家介紹到這里了，希望可以給大家帶來幫助。