当前位置：首页 > news >正文

每日五个pyecharts可视化图表-line：从入门到精通（2）

news 2025/8/11 6:49:23

在当今数据驱动的时代，折线图因其简洁直观的特性，成为展示时间序列数据、揭示趋势变化的黄金工具。无论是金融分析中的股票走势、科学研究中的实验数据，还是业务决策中的销售趋势，折线图都能帮助我们快速把握数据背后的规律。

本系列文章将带您从基础到高级，全面掌握pyecharts折线图的使用技巧。本文是系列的第二篇，将深入介绍五种实用折线图类型：堆叠折线图（展示累积效应）、基本折线图（经典趋势展示）、对数轴折线图（处理指数增长数据）、雨量流量关系图（多图表关联分析）和基础面积图（强调数据范围）。每种图表都配有完整代码和详细讲解，帮助您轻松应对不同的数据可视化场景。pyecahts源码

- 图表1：堆叠折线图——展示数据的累积效应
- - 代码解释：
  - 应用场景：
  - 注意事项：
- 图表2：基本折线图——经典趋势展示
- - 代码解释：
  - 应用场景：
  - 注意事项：
- 图表3：对数轴折线图——处理指数增长数据
- - 代码解释：
  - 应用场景：
  - 注意事项：
- 图表4：雨量流量关系图——多图表关联分析
- - 代码解释：
  - 应用场景：
  - 注意事项：
- 图表5：基础面积图——强调数据的范围与 magnitude
- - 代码解释：
  - 应用场景：
  - 注意事项：
- 总结：如何选择合适的折线图类型

图表1：堆叠折线图——展示数据的累积效应

堆叠折线图是一种特殊的折线图，它将多个数据系列垂直堆叠，不仅能显示每个系列的变化趋势，还能直观展示总量的变化。这种图表特别适合分析"部分与整体"的关系，比如不同渠道的流量占比、不同产品的销售构成等。

import pyecharts.options as opts 
from pyecharts.charts import Line # 定义x轴数据
x_data = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]# 创建折线图对象
line_chart = Line()# 添加x轴数据
line_chart.add_xaxis(xaxis_data=x_data)# 添加邮件营销折线
line_chart.add_yaxis(series_name="邮件营销",stack="总量",  # 设置堆叠名称，相同名称的系列会堆叠显示y_axis=[120, 132, 101, 134, 90, 230, 210],label_opts=opts.LabelOpts(is_show=False),  # 不显示数据标签
)# 添加联盟广告折线
line_chart.add_yaxis(series_name="联盟广告",stack="总量",y_axis=[220, 182, 191, 234, 290, 330, 310],label_opts=opts.LabelOpts(is_show=False),
)# 添加视频广告折线
line_chart.add_yaxis(series_name="视频广告",stack="总量",y_axis=[150, 232, 201, 154, 190, 330, 410],label_opts=opts.LabelOpts(is_show=False),
)# 添加直接访问折线
line_chart.add_yaxis(series_name="直接访问",stack="总量",y_axis=[320, 332, 301, 334, 390, 330, 320],label_opts=opts.LabelOpts(is_show=False),
)# 添加搜索引擎折线
line_chart.add_yaxis(series_name="搜索引擎",stack="总量",y_axis=[820, 932, 901, 934, 1290, 1330, 1320],label_opts=opts.LabelOpts(is_show=False),
)# 设置全局配置
line_chart.set_global_opts(title_opts=opts.TitleOpts(title="折线图堆叠"),tooltip_opts=opts.TooltipOpts(trigger="axis"),  # 触发类型为坐标轴yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),  # 显示y轴刻度splitline_opts=opts.SplitLineOpts(is_show=True),  # 显示分割线),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),  # 无边界间隙
)# 在notebook中渲染
line_chart.render_notebook()

代码解释：

x_data 定义了x轴的星期数据
stack="总量" 设置堆叠名称，相同名称的系列会堆叠显示
label_opts=opts.LabelOpts(is_show=False) 不显示数据标签，避免图表过于拥挤
trigger="axis" 设置提示框触发类型为坐标轴，当鼠标悬停在坐标轴上时显示提示信息
boundary_gap=False 设置坐标轴无边界间隙，使折线图从坐标轴原点开始绘制

应用场景：

堆叠折线图特别适合展示多个相关数据系列的累积趋势，如不同渠道的流量来源、不同产品的销售构成、不同部门的费用支出等。通过堆叠显示，可以直观地看出总量的变化趋势以及各个组成部分的贡献。
在这里插入图片描述

注意事项：

堆叠折线图适合展示有累积关系的数据，若数据之间没有累积关系，可能会导致误解
过多的堆叠系列会使图表难以阅读，建议控制在5个以内
可以通过调整系列的顺序来突出重要的数据系列

图表2：基本折线图——经典趋势展示

基本折线图是数据可视化中最基础、最常用的图表类型。它通过连接数据点形成线条，清晰展示数据随时间或其他连续变量的变化趋势。无论是股票价格、气温变化还是销售业绩，基本折线图都能帮助我们快速捕捉数据的起伏规律。

import pyecharts.options as opts 
from pyecharts.charts import Line 
from pyecharts.faker import Faker c = (Line().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="Line-基本示例"))#.render("line_base.html")
)
c.render_notebook()

代码解释：

Faker.choose() 生成随机的类别数据作为x轴
Faker.values() 生成随机的数值数据作为y轴
add_yaxis 方法添加两个数据系列：商家A和商家B
set_global_opts 设置图表标题
render_notebook() 在notebook中渲染图表

应用场景：

基本折线图适合展示简单的趋势变化，如股票价格走势、气温变化、销售业绩趋势等。当你需要快速查看数据随时间或其他连续变量的变化情况时，基本折线图是最直接的选择。
在这里插入图片描述

注意事项：

基本折线图适合展示较少的数据系列（通常2-3个），过多会导致图表拥挤
确保x轴数据和y轴数据长度一致
Faker类用于生成测试数据，实际应用中应替换为真实数据

图表3：对数轴折线图——处理指数增长数据

当数据呈现指数增长或跨越多个数量级时，普通的线性坐标轴会导致图表难以阅读。对数轴折线图通过对数变换，将指数增长转换为线性增长，使数据变化趋势更加清晰。这种图表在金融、生物、物理等领域有着广泛应用。

import pyecharts.options as opts 
from pyecharts.charts import Line c = (Line().add_xaxis(xaxis_data=["一", "二", "三", "四", "五", "六", "七", "八", "九"]).add_yaxis("2 的指数",y_axis=[1, 2, 4, 8, 16, 32, 64, 128, 256],linestyle_opts=opts.LineStyleOpts(width=2),).add_yaxis("3 的指数",y_axis=[1, 3, 9, 27, 81, 247, 741, 2223, 6669],linestyle_opts=opts.LineStyleOpts(width=2),).set_global_opts(title_opts=opts.TitleOpts(title="Line-对数轴示例"),xaxis_opts=opts.AxisOpts(name="x"),yaxis_opts=opts.AxisOpts(type_="log",name="y",splitline_opts=opts.SplitLineOpts(is_show=True),is_scale=True,),)#.render("line_yaxis_log.html")
)
c.render_notebook()

代码解释：

type_="log" 设置y轴为对数轴，适合展示指数增长数据
is_scale=True 开启坐标轴缩放功能，使数据显示更加合理
linestyle_opts=opts.LineStyleOpts(width=2) 设置线条宽度为2，增强可读性
splitline_opts=opts.SplitLineOpts(is_show=True) 显示分割线，帮助读取数据

应用场景：

对数轴折线图特别适合展示以下类型的数据：

指数增长数据，如人口增长、细菌繁殖、投资复利等
大范围变化的数据，如从1到10000的数值变化
比率变化数据，如市场份额、增长率等
科学数据，如pH值、地震震级、声音分贝等对数刻度数据

注意事项：

对数轴不能显示零或负数，因为对数函数在这些值上无定义
确保数据中没有零或负数，否则图表会显示异常
对数轴可能会掩盖数据的实际差异，需要向观众解释对数刻度的特点
对于不熟悉对数刻度的观众，建议同时提供原始数据或线性刻度的图表作为参考

图表4：雨量流量关系图——多图表关联分析

在实际数据分析中，我们 often需要同时展示多个相关数据系列。雨量流量关系图通过Grid布局将两个折线图上下排列，共享同一时间轴，使我们能够直观观察降雨量与河流水位之间的关系。这种布局方式特别适合展示因果关系或相关分析。

import pyecharts.options as opts 
from pyecharts.charts import Line, Grid # 注意：以下数据为示例，实际使用时请替换为真实数据
# timeData = [...]  # 时间数据
# water_flowData = [...]  # 流量数据
# rainfallData = [...]  # 降雨量数据l1 = (Line().add_xaxis(xaxis_data=timeData).add_yaxis(series_name="流量",y_axis=water_flowData,symbol_size=8,is_hover_animation=False,label_opts=opts.LabelOpts(is_show=False),linestyle_opts=opts.LineStyleOpts(width=1.5),is_smooth=True,).set_global_opts(title_opts=opts.TitleOpts(title="雨量流量关系图", subtitle="数据来自西安兰特水电测控技术有限公司", pos_left="center"),tooltip_opts=opts.TooltipOpts(trigger="axis"),axispointer_opts=opts.AxisPointerOpts(is_show=True, link=[{"xAxisIndex": "all"}]),datazoom_opts=[opts.DataZoomOpts(is_show=True,is_realtime=True,start_value=30,end_value=70,xaxis_index=[0, 1],)],xaxis_opts=opts.AxisOpts(type_="category",boundary_gap=False,axisline_opts=opts.AxisLineOpts(is_on_zero=True),),yaxis_opts=opts.AxisOpts(max_=500, name="流量(m^3/s)"),legend_opts=opts.LegendOpts(pos_left="left"),toolbox_opts=opts.ToolboxOpts(is_show=True,feature={"dataZoom": {"yAxisIndex": "none"},"restore": {},"saveAsImage": {},},),)
)l2 = (Line().add_xaxis(xaxis_data=timeData).add_yaxis(series_name="降雨量",y_axis=rainfallData,xaxis_index=1,yaxis_index=1,symbol_size=8,is_hover_animation=False,label_opts=opts.LabelOpts(is_show=False),linestyle_opts=opts.LineStyleOpts(width=1.5),is_smooth=True,).set_global_opts(axispointer_opts=opts.AxisPointerOpts(is_show=True, link=[{"xAxisIndex": "all"}]),tooltip_opts=opts.TooltipOpts(trigger="axis"),xaxis_opts=opts.AxisOpts(grid_index=1,type_="category",boundary_gap=False,axisline_opts=opts.AxisLineOpts(is_on_zero=True),position="top",),datazoom_opts=[opts.DataZoomOpts(is_realtime=True,type_="inside",start_value=30,end_value=70,xaxis_index=[0, 1],)],yaxis_opts=opts.AxisOpts(is_inverse=True, name="降雨量(mm)"),legend_opts=opts.LegendOpts(pos_left="7%"),)
)(Grid(init_opts=opts.InitOpts(width="1024px", height="768px")).add(chart=l1, grid_opts=opts.GridOpts(pos_left=50, pos_right=50, height="35%")).add(chart=l2,grid_opts=opts.GridOpts(pos_left=50, pos_right=50, pos_top="55%", height="35%"),)#.render("rainfall_and_water_flow.html").render_notebook()
)

代码解释：

from pyecharts.charts import Line, Grid 导入需要的图表组件
is_smooth=True 设置线条平滑显示
datazoom_opts 添加数据缩放功能，支持实时缩放
xaxis_index 和 yaxis_index 设置多坐标轴索引
Grid 组件用于布局多个图表，实现上下排列
is_inverse=True 设置y轴反向，使降雨量图表从下往上递增
代码中省略了数据字典的定义，实际使用时需要补充 timeData、water_flowData 和 rainfallData 的具体值

应用场景：

这种上下布局的折线图特别适合展示以下场景：

相关数据的对比分析，如雨量与流量、气温与能耗、股票价格与交易量等
因果关系的研究，如降雨量对河流水位的影响、促销活动对销售额的影响等
多指标监控，如同时监控系统性能的多个指标变化趋势
环境监测数据可视化，如气温、湿度、气压等多种气象数据的同时展示

注意事项：

确保两个图表的x轴数据一致，以便进行有效的对比分析
合理设置图表的高度和位置，避免图表过于拥挤或比例失调
对于反向坐标轴（is_inverse=True），需要向观众说明数据的读取方式
数据缩放功能（datazoom_opts）可以帮助查看数据细节，但需要注意设置合适的初始缩放范围
实际使用时，需要补充完整的数据定义部分，确保图表能够正常渲染

图表5：基础面积图——强调数据的范围与 magnitude

基础面积图在折线图的基础上，为线条下方添加了颜色填充，形成一个封闭的区域。这种设计不仅保留了折线图展示趋势的功能，还通过颜色块的大小直观展示数据的范围和 magnitude，特别适合强调单一数据系列的变化。

import pyecharts.options as opts 
from pyecharts.charts import Line """
Gallery 使用 pyecharts 1.1.0
参考地址: `https://echarts.apache.org/examples/editor.html?c=area-basic` 目前无法实现的功能:暂无
"""x_data = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
y_data = [820, 932, 901, 934, 1290, 1330, 1320](Line().add_xaxis(xaxis_data=x_data).add_yaxis(series_name="",y_axis=y_data,symbol="emptyCircle",is_symbol_show=True,label_opts=opts.LabelOpts(is_show=False),areastyle_opts=opts.AreaStyleOpts(opacity=1, color="#C67570"),).set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=False),yaxis_opts=opts.AxisOpts(type_="value",axistick_opts=opts.AxisTickOpts(is_show=True),splitline_opts=opts.SplitLineOpts(is_show=True),),xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),)# 设置 boundary_gap 的时候一定要放在最后一个配置项里, 不然会被覆盖#.render("basic_area_chart.html").render_notebook()
)

代码解释：

symbol="emptyCircle" 设置标记点为空心圆
is_symbol_show=True 显示标记点
areastyle_opts=opts.AreaStyleOpts(opacity=1, color="#C67570") 设置区域填充样式，透明度为1，颜色为#C67570
tooltip_opts=opts.TooltipOpts(is_show=False) 不显示提示框
boundary_gap=False 设置x轴无边界间隙