Python数据可视化-动态柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts

# 创建柱状图对象
bar = Bar()

# 添加x轴数据（类别）
bar.add_xaxis(["苹果", "香蕉", "橙子", "葡萄", "西瓜"])

# 添加y轴数据（数值）
bar.add_yaxis("销量", [120, 150, 180, 90, 200])

# 设置全局配置
bar.set_global_opts(
    title_opts=opts.TitleOpts(title="水果销量统计图", pos_left="center"),
    xaxis_opts=opts.AxisOpts(name="水果名称"),
    yaxis_opts=opts.AxisOpts(name="销量(kg)"),
    tooltip_opts=opts.TooltipOpts(trigger="axis"),
)

# 生成HTML文件
bar.render("bar_basic.html")
print("✅ 基础柱状图已生成：bar_basic.html")

2. 多系列柱状图

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()

bar.add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])

# 添加多个系列
bar.add_yaxis("产品A", [100, 120, 150, 180, 200, 250])
bar.add_yaxis("产品B", [80, 90, 110, 130, 160, 190])
bar.add_yaxis("产品C", [60, 70, 85, 100, 120, 140])

bar.set_global_opts(
    title_opts=opts.TitleOpts(title="月度产品销售对比", pos_left="center"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额(万元)"),
    legend_opts=opts.LegendOpts(pos_left="70%"),
)

bar.render("bar_multi.html")
print("✅ 多系列柱状图已生成：bar_multi.html")

3. 反转x和y轴（水平柱状图）

from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()

bar.add_xaxis(["苹果", "香蕉", "橙子", "葡萄", "西瓜"])
bar.add_yaxis("销量", [120, 150, 180, 90, 200])

# 反转x轴和y轴（变成水平柱状图）
bar.reversal_axis()

# 设置数值标签在右侧显示
bar.set_series_opts(
    label_opts=opts.LabelOpts(position="right")  # 标签位置：right/left/top/bottom
)

bar.set_global_opts(
    title_opts=opts.TitleOpts(title="水果销量统计图（水平）", pos_left="center"),
    xaxis_opts=opts.AxisOpts(name="销量(kg)"),
    yaxis_opts=opts.AxisOpts(name="水果名称"),
)

bar.render("bar_horizontal.html")
print("✅ 水平柱状图已生成：bar_horizontal.html")

二、基础时间线柱状图

1. 时间线基本使用

from pyecharts.charts import Bar, Timeline
from pyecharts import options as opts

# 创建时间线对象
timeline = Timeline()

# 准备多年份数据
years = ["2020年", "2021年", "2022年", "2023年"]

# 每年数据
data_2020 = [("苹果", 100), ("香蕉", 80), ("橙子", 60), ("葡萄", 90), ("西瓜", 70)]
data_2021 = [("苹果", 110), ("香蕉", 85), ("橙子", 65), ("葡萄", 95), ("西瓜", 75)]
data_2022 = [("苹果", 120), ("香蕉", 90), ("橙子", 70), ("葡萄", 100), ("西瓜", 80)]
data_2023 = [("苹果", 130), ("香蕉", 95), ("橙子", 75), ("葡萄", 105), ("西瓜", 85)]

# 为每年创建柱状图并添加到时间线
for year, data in zip(years, [data_2020, data_2021, data_2022, data_2023]):
    bar = Bar()
    
    # 按数值降序排序
    data_sorted = sorted(data, key=lambda x: x[1], reverse=True)
    x_data = [item[0] for item in data_sorted]
    y_data = [item[1] for item in data_sorted]
    
    bar.add_xaxis(x_data)
    bar.add_yaxis("销量(kg)", y_data)
    bar.reversal_axis()
    bar.set_series_opts(label_opts=opts.LabelOpts(position="right"))
    
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title=f"{year}水果销量", pos_left="center"),
        xaxis_opts=opts.AxisOpts(name="销量(kg)"),
        yaxis_opts=opts.AxisOpts(name="水果名称"),
    )
    
    timeline.add(bar, year)

# 时间线配置
timeline.add_schema(
    play_interval=1000,      # 自动播放间隔（毫秒）
    is_auto_play=True,       # 自动播放
    is_loop_play=True,       # 循环播放
    is_timeline_show=True,   # 显示时间线
)

timeline.render("timeline_basic.html")
print("✅ 基础时间线柱状图已生成：timeline_basic.html")

2. 带主题的时间线

from pyecharts.charts import Bar, Timeline
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 创建时间线并设置主题
timeline = Timeline({"theme": ThemeType.LIGHT})  # 可选：LIGHT, DARK, CHALK, PURPLE, WALDEN, WESTEROS, SHINE, MACARONS

# 准备数据
years = ["2020", "2021", "2022", "2023"]
data_by_year = {
    "2020": [("中国", 100), ("美国", 95), ("日本", 80), ("德国", 75), ("英国", 70)],
    "2021": [("中国", 110), ("美国", 100), ("日本", 85), ("德国", 80), ("英国", 75)],
    "2022": [("中国", 120), ("美国", 105), ("日本", 90), ("德国", 85), ("英国", 80)],
    "2023": [("中国", 130), ("美国", 110), ("日本", 95), ("德国", 90), ("英国", 85)],
}

for year in years:
    bar = Bar()
    data = data_by_year[year]
    data_sorted = sorted(data, key=lambda x: x[1], reverse=True)
    
    bar.add_xaxis([item[0] for item in data_sorted])
    bar.add_yaxis("GDP(百亿)", [item[1] for item in data_sorted])
    bar.reversal_axis()
    bar.set_series_opts(label_opts=opts.LabelOpts(position="right"))
    
    bar.set_global_opts(
        title_opts=opts.TitleOpts(title=f"{year}年全球GDP前5名", pos_left="center"),
        xaxis_opts=opts.AxisOpts(name="GDP(百亿美元)"),
        yaxis_opts=opts.AxisOpts(name="国家"),
    )
    
    timeline.add(bar, year)

timeline.add_schema(
    play_interval=1000,
    is_auto_play=True,
    is_loop_play=True,
    is_timeline_show=True,
)

timeline.render("timeline_theme.html")
print("✅ 带主题的时间线柱状图已生成：timeline_theme.html")

三、列表排序补充

1. sort() 与 sorted() 的区别

# sorted()：返回新列表，原列表不变
print("=== sorted() 函数 ===")
numbers = [3, 1, 4, 1, 5, 9, 2]
sorted_numbers = sorted(numbers)
print(f"原列表：{numbers}")        # [3, 1, 4, 1, 5, 9, 2]
print(f"排序后：{sorted_numbers}") # [1, 1, 2, 3, 4, 5, 9]

# sort()：直接修改原列表，返回None
print("\n=== sort() 方法 ===")
numbers = [3, 1, 4, 1, 5, 9, 2]
result = numbers.sort()
print(f"sort返回值：{result}")    # None
print(f"原列表：{numbers}")        # [1, 1, 2, 3, 4, 5, 9]

2. 使用key参数排序

print("=== 带key参数的排序 ===")

# 对字典列表按指定字段排序
students = [
    {"name": "张三", "score": 85},
    {"name": "李四", "score": 92},
    {"name": "王五", "score": 78},
    {"name": "赵六", "score": 88},
]

# 按分数升序
students.sort(key=lambda x: x["score"])
print("按分数升序：")
for s in students:
    print(f"  {s['name']}: {s['score']}")

# 按分数降序
students.sort(key=lambda x: x["score"], reverse=True)
print("\n按分数降序：")
for s in students:
    print(f"  {s['name']}: {s['score']}")

输出：

=== 带key参数的排序 ===
按分数升序：
  王五: 78
  张三: 85
  赵六: 88
  李四: 92

按分数降序：
  李四: 92
  赵六: 88
  张三: 85
  王五: 78

3. 元组列表排序

print("=== 元组列表排序 ===")

# 数据格式：[（国家, GDP）, ...]
gdp_data = [
    ("美国", 21000), ("中国", 15000), ("日本", 5000),
    ("德国", 4000), ("英国", 3000), ("印度", 2800),
    ("法国", 2700), ("意大利", 2000), ("巴西", 1800),
]

# 按GDP降序排序（取前5）
gdp_data.sort(key=lambda x: x[1], reverse=True)
top5 = gdp_data[:5]

print("GDP前5名：")
for country, gdp in top5:
    print(f"  {country}: {gdp}亿美元")

输出：

=== 元组列表排序 ===
GDP前5名：
  美国: 21000亿美元
  中国: 15000亿美元
  日本: 5000亿美元
  德国: 4000亿美元
  英国: 3000亿美元

四、GDP动态柱状图绘制（完整案例）

1. 数据处理

import json

# 模拟GDP数据（实际从JSON文件读取）
# 格式：{年份: [(国家, GDP), ...]}
gdp_data = {
    1960: [("美国", 5433), ("苏联", 4123), ("英国", 732), ("法国", 622), ("德国", 724)],
    1970: [("美国", 10725), ("苏联", 5634), ("日本", 2120), ("德国", 2150), ("英国", 1306)],
    1980: [("美国", 28564), ("日本", 11133), ("苏联", 9400), ("德国", 8500), ("英国", 5630)],
    1990: [("美国", 59631), ("日本", 31372), ("德国", 17636), ("英国", 11214), ("法国", 12687)],
    2000: [("美国", 102523), ("日本", 47671), ("德国", 19456), ("英国", 16482), ("法国", 13617)],
    2010: [("美国", 149920), ("中国", 60872), ("日本", 57010), ("德国", 34170), ("英国", 24780)],
    2019: [("美国", 214332), ("中国", 143429), ("日本", 50818), ("德国", 38611), ("英国", 28316)],
}

print("=== 数据处理 ===")
print(f"共 {len(gdp_data)} 年数据")

# 查看某一年数据
print(f"\n2019年GDP数据（原始）：")
for country, gdp in gdp_data[2019]:
    print(f"  {country}: {gdp}亿美元")

# 转换为亿为单位（如果原始数据是亿，这里不需要除以10000）
# 假设原始数据已经是亿美元，直接使用
print("\n数据已准备完成")

2. 创建动态GDP柱状图

from pyecharts.charts import Bar, Timeline
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# GDP数据（单位：亿美元）
gdp_data = {
    1960: [("美国", 5433), ("苏联", 4123), ("英国", 732), ("法国", 622), ("德国", 724), ("日本", 443), ("中国", 597)],
    1970: [("美国", 10725), ("苏联", 5634), ("日本", 2120), ("德国", 2150), ("英国", 1306), ("法国", 1470), ("中国", 926)],
    1980: [("美国", 28564), ("日本", 11133), ("苏联", 9400), ("德国", 8500), ("英国", 5630), ("法国", 6960), ("中国", 1911)],
    1990: [("美国", 59631), ("日本", 31372), ("德国", 17636), ("英国", 11214), ("法国", 12687), ("意大利", 11360), ("中国", 3614)],
    2000: [("美国", 102523), ("日本", 47671), ("德国", 19456), ("英国", 16482), ("法国", 13617), ("中国", 12100), ("意大利", 11068)],
    2010: [("美国", 149920), ("中国", 60872), ("日本", 57010), ("德国", 34170), ("英国", 24780), ("法国", 26480), ("印度", 16700)],
    2019: [("美国", 214332), ("中国", 143429), ("日本", 50818), ("德国", 38611), ("英国", 28316), ("印度", 28700), ("法国", 27100)],
}

print("=== 创建动态GDP柱状图 ===")

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

# 按年份排序
years = sorted(gdp_data.keys())

for year in years:
    # 获取该年数据
    data = gdp_data[year]
    
    # 按GDP降序排序，取前8名
    data_sorted = sorted(data, key=lambda x: x[1], reverse=True)[:8]
    
    # 提取国家名和GDP
    countries = [item[0] for item in data_sorted]
    gdps = [round(item[1]) for item in data_sorted]  # 取整
    
    print(f"处理{year}年数据，前{len(countries)}名：{countries[:3]}...")
    
    # 创建柱状图
    bar = Bar()
    
    # 添加数据
    bar.add_xaxis(countries)
    bar.add_yaxis("GDP(亿美元)", gdps)
    
    # 反转x和y轴（变成水平柱状图）
    bar.reversal_axis()
    
    # 设置数值标签在右侧显示
    bar.set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter="{c} 亿美元"
        )
    )
    
    # 设置全局配置
    bar.set_global_opts(
        title_opts=opts.TitleOpts(
            title=f"{year}年全球GDP前8名",
            subtitle="单位：亿美元",
            pos_left="center",
            title_textstyle_opts=opts.TextStyleOpts(font_size=18)
        ),
        xaxis_opts=opts.AxisOpts(
            name="GDP",
            name_location="middle",
            name_gap=30,
            axislabel_opts=opts.LabelOpts(formatter="{value} 亿")
        ),
        yaxis_opts=opts.AxisOpts(
            name="国家",
            name_location="middle",
            name_gap=40,
            axislabel_opts=opts.LabelOpts(font_size=12)
        ),
        tooltip_opts=opts.TooltipOpts(
            trigger="axis",
            axis_pointer_type="shadow",
            formatter="{b}<br/>GDP: {c} 亿美元"
        ),
        legend_opts=opts.LegendOpts(is_show=False),
    )
    
    # 添加到时间线
    timeline.add(bar, str(year))

# 时间线配置
timeline.add_schema(
    play_interval=800,           # 播放间隔（毫秒）
    is_auto_play=True,           # 自动播放
    is_loop_play=True,           # 循环播放
    is_timeline_show=True,       # 显示时间线
    orient="horizontal",         # 水平方向
    label_opts=opts.LabelOpts(rotate=0)
)

# 生成HTML文件
timeline.render("gdp_timeline.html")
print("\n✅ 动态GDP柱状图已生成：gdp_timeline.html")
print("请在浏览器中打开文件，查看1960-2019年GDP动态变化")

3. 带颜色渐变的动态柱状图

from pyecharts.charts import Bar, Timeline
from pyecharts import options as opts
from pyecharts.globals import ThemeType

gdp_data = {
    1960: [("美国", 5433), ("苏联", 4123), ("德国", 724), ("英国", 732), ("法国", 622), ("日本", 443), ("中国", 597)],
    1980: [("美国", 28564), ("日本", 11133), ("苏联", 9400), ("德国", 8500), ("法国", 6960), ("英国", 5630), ("中国", 1911)],
    2000: [("美国", 102523), ("日本", 47671), ("德国", 19456), ("英国", 16482), ("法国", 13617), ("中国", 12100), ("意大利", 11068)],
    2019: [("美国", 214332), ("中国", 143429), ("日本", 50818), ("德国", 38611), ("英国", 28316), ("印度", 28700), ("法国", 27100)],
}

# 主题列表
themes = {
    1960: ThemeType.CHALK,
    1980: ThemeType.PURPLE,
    2000: ThemeType.MACARONS,
    2019: ThemeType.WESTEROS,
}

timeline = Timeline()

for year, data in gdp_data.items():
    data_sorted = sorted(data, key=lambda x: x[1], reverse=True)[:7]
    countries = [item[0] for item in data_sorted]
    gdps = [item[1] for item in data_sorted]
    
    bar = Bar({"theme": themes.get(year, ThemeType.LIGHT)})
    bar.add_xaxis(countries)
    bar.add_yaxis(
        "GDP(亿美元)",
        gdps,
        itemstyle_opts=opts.ItemStyleOpts(
            borderRadius=[0, 10, 10, 0],  # 圆角
            shadow_color="rgba(0,0,0,0.3)",
            shadow_blur=10
        )
    )
    bar.reversal_axis()
    bar.set_series_opts(
        label_opts=opts.LabelOpts(
            position="right",
            formatter="{c} 亿",
            font_size=12
        )
    )
    
    # 添加视觉映射（颜色渐变）
    bar.set_global_opts(
        title_opts=opts.TitleOpts(
            title=f"{year}年全球GDP排名",
            pos_left="center",
            title_textstyle_opts=opts.TextStyleOpts(font_size=20)
        ),
        xaxis_opts=opts.AxisOpts(name="GDP(亿美元)"),
        yaxis_opts=opts.AxisOpts(name="国家"),
        visualmap_opts=opts.VisualMapOpts(
            is_show=False,
            min_=min(gdps),
            max_=max(gdps),
            range_color=["#50a3ba", "#eac736", "#d94e5d"]
        ),
    )
    
    timeline.add(bar, str(year))

timeline.add_schema(
    play_interval=1500,
    is_auto_play=True,
    is_loop_play=False,
    is_timeline_show=True,
)

timeline.render("gdp_timeline_style.html")
print("✅ 带样式的动态GDP柱状图已生成：gdp_timeline_style.html")

五、主题类型参考

from pyecharts.globals import ThemeType

# 可用主题列表
themes = [
    ThemeType.LIGHT,      # 亮色主题（默认）
    ThemeType.DARK,       # 暗色主题
    ThemeType.CHALK,      # 粉笔风格
    ThemeType.PURPLE,     # 紫色风格
    ThemeType.WALDEN,     # 瓦尔登湖风格
    ThemeType.WESTEROS,   # 维斯特洛风格
    ThemeType.SHINE,      # 闪亮风格
    ThemeType.MACARONS,   # 马卡龙风格
    ThemeType.ROMANTIC,   # 浪漫风格
]

# 使用方式
# bar = Bar({"theme": ThemeType.DARK})
# timeline = Timeline({"theme": ThemeType.CHALK})

六、时间线配置速查

参数	说明	示例
`play_interval`	自动播放间隔（毫秒）	`play_interval=1000`
`is_auto_play`	是否自动播放	`is_auto_play=True`
`is_loop_play`	是否循环播放	`is_loop_play=True`
`is_timeline_show`	是否显示时间线控件	`is_timeline_show=True`
`orient`	方向（horizontal/vertical）	`orient="horizontal"`

七、完整代码总结

# 导入模块
from pyecharts.charts import Bar, Timeline
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 1. 基础柱状图
bar = Bar()
bar.add_xaxis(["A", "B", "C"])
bar.add_yaxis("数值", [10, 20, 30])
bar.render("bar.html")

# 2. 水平柱状图（反转x/y轴）
bar.reversal_axis()
bar.set_series_opts(label_opts=opts.LabelOpts(position="right"))

# 3. 时间线动态图
timeline = Timeline({"theme": ThemeType.LIGHT})
for year in years:
    bar = Bar()
    # ... 添加数据
    timeline.add(bar, str(year))

timeline.add_schema(play_interval=1000, is_auto_play=True)
timeline.render("timeline.html")

# 4. 列表排序（用于数据处理）
data.sort(key=lambda x: x[1], reverse=True)  # 降序
data.sort(key=lambda x: x[1])                 # 升序
top_n = data[:8]  # 取前8名

亚马逊云科技技术品牌专区

更多推荐

Kiro Editor 开发实战：使用 Cargo 构建、测试与性能优化指南

欢迎来到这篇终极指南，我们将深入探索如何使用Rust构建高性能的终端文本编辑器Kiro Editor。无论你是Rust新手还是经验丰富的开发者，这篇完整教程将带你了解如何利用Cargo工具链进行高效的开发、测试和性能优化，打造一款快速、轻量且功能强大的UTF-8文本编辑器。## 什么是Kiro Editor？Kiro Editor是一款使用Rust编写的极简终端文本编辑器，它最初是著名编辑