一、什么是 pyecharts？
pyecharts 是一款基于 Python 的强大可视化库，它无缝对接 ECharts，让开发者无需深入学习 JavaScript，就能用 Python 代码生成交互式图表 —— 从折线图、柱状图到地理地图、3D 模型，覆盖近百种可视化场景。尤其在地理数据展示上，pyecharts 的地图模块支持中国省市县多级区划，能轻松实现数据与地理区域的绑定，是统计分析、政务汇报、学术研究中展示地域数据的热门工具。无论是人口分布、GDP 差异还是疫情数据，都能通过它转化为直观的地图可视化成果。
二、pyecharts 的 “先天不足”：颜值与定制化的短板
尽管功能强大，pyecharts 的 “原生状态” 却常被诟病。一方面，默认样式过于朴素：地图底色单调、省份边界模糊、颜色渐变生硬，与专业设计工具产出的可视化作品相比，显得简陋粗糙；另一方面，定制化门槛暗藏玄机 —— 虽然提供了大量配置项，但参数分散、逻辑复杂，新手很容易陷入 “改了这处乱了那处” 的困境。比如想调整地图悬停效果，可能要同时修改itemstyle、tooltip、emphasis等多个配置，稍不注意就会导致图表错乱。这些问题让不少人觉得：“pyecharts 能画出来，但画不漂亮。”
三、调参，才是解锁 pyecharts 潜力的关键
事实上，pyecharts 的 “颜值天花板” 远未被默认配置限制。它的核心魅力恰恰在于高度可定制的参数体系 —— 就像给相机调光圈、快门能拍出不同风格的照片，修改 pyecharts 的配置项，能让同一份数据呈现出完全不同的视觉效果。比如通过bg_color更换地图背景为深邃星空蓝，用range_color设置渐变色带增强层次感，调整label_opts让省份名称既清晰又不突兀，再加上emphasis_opts配置悬停时的高亮动画…… 只需十几行参数调整，原本朴素的地图就能蜕变为符合大屏展示、汇报演讲的 “高颜值作品”。所谓 “工欲善其事，必先利其器”，掌握调参技巧，才能让 pyecharts 从 “能用” 变成 “好用、好看”。
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
# 示例数据
province_data = [
("广东省", 126012510),
("山东省", 101527453),
("河南省", 99365519),
("四川省", 83674866),
("江苏省", 84748016),
("河北省", 74610235),
("湖南省", 66444864),
("浙江省", 64567588),
("安徽省", 61027171),
("湖北省", 57752557),
("广西壮族自治区", 50126804),
("云南省", 47209277),
("江西省", 45188635),
("辽宁省", 42591407),
("福建省", 41540086),
("陕西省", 39528999),
("黑龙江省", 31850088),
("山西省", 34915616),
("贵州省", 38562148),
("重庆市", 32054159),
("吉林省", 24073453),
("甘肃省", 25019831),
("内蒙古自治区", 24000207),
("上海市", 24870895),
("新疆维吾尔自治区", 25890094),
("北京市", 21893095),
("天津市", 13866009),
("海南省", 10081232),
("宁夏回族自治区", 7202654),
("青海省", 5923957),
("西藏自治区", 3648100)
]
gdp_data = [
("广东省", 124369.67), ("山东省", 83095.90), ("河南省", 58887.41),
("四川省", 53850.79), ("江苏省", 116364.2), ("河北省", 40391.3)
]
# 中国式大屏风格地图
china_map = (
# InitOpts：初始化配置项
Map(init_opts=opts.InitOpts(
chart_id="123",
bg_color="#001529", # 深蓝色背景，符合政务大屏风格
page_title="中国人口分布大屏",
))
.add(
series_name="人口数量",
data_pair=province_data,
maptype="china",
zoom=1.2, # 适当缩放，让地图居中显示
center=[105, 36], # 中国地理中心坐标
itemstyle_opts=opts.ItemStyleOpts(
area_color="#142957", # 省份底色
border_color="#00f2fe", # 边界颜色，亮青色
border_width=0.5,
# opacity=0.5,
)
)
.add(
series_name="GDP",
data_pair=gdp_data,
maptype="china",
zoom=1.2, # 适当缩放，让地图居中显示
center=[105, 36], # 中国地理中心坐标
itemstyle_opts=opts.ItemStyleOpts(
area_color="#142957", # 省份底色
border_color="#00f2fe", # 边界颜色，亮青色
border_width=0.5,
# opacity=0.5,
)
)
# set_series_opts 系列配置项设置
.set_series_opts(
# label_opts 标签配置项
label_opts=opts.LabelOpts(
is_show=True, # 是否显示标签
color="#ffffff", # 文字颜色
font_size=8, # 文字字体大小
font_weight="normal", # 文字字体粗细
font_family="SimHei"# 文字字体系列
),
# emphasis_opts 鼠标悬停效果
emphasis_opts=opts.ItemStyleOpts(
area_color="#00f2fe", # 悬停时省份颜色
border_color="#ffffff", # 图形描边颜色
border_width=2, # 描边宽度
)
)
# set_global_opts 全局配置项设置
.set_global_opts(
# title_opts 标题样式
title_opts=opts.TitleOpts(
title="中国各省份人口分布",
subtitle="数据来源：最新人口普查数据",
# title_textstyle_opts 主标题设置
title_textstyle_opts=opts.TextStyleOpts(
color="#00f2fe", # 标题颜色
font_size=36,
font_weight="bold",
font_family="SimHei"
),
# subtitle_textstyle_opts 副标题设置
subtitle_textstyle_opts=opts.TextStyleOpts(
color="#ffffff",
font_size=16,
),
pos_top="2%",
pos_left="center",
),
# visualmap_opts 视觉映射配置
visualmap_opts=opts.VisualMapOpts(
is_show=True,
type_="color",
min_=3000000,
max_=130000000,
range_text=["高", "低"],
range_color=["#00f2fe", "#0066b2", "#001529"], # 蓝青色渐变，符合中国风
textstyle_opts=opts.TextStyleOpts(color="#ffffff", font_size=10),
pos_right="5%",
pos_bottom="10%",
item_width=15,
item_height=100,
border_color="#00f2fe",
border_width=2
),
# legend_opts 图例设置
legend_opts=opts.LegendOpts(
is_show=False
),
# tooltip_opts 提示框样式
tooltip_opts=opts.TooltipOpts(
trigger="item",
background_color="rgba(0, 21, 41, 0.9)",
border_color="#00f2fe",
border_width=1,
textstyle_opts=opts.TextStyleOpts(color="#ffffff", font_size=16),
formatter=JsCode("""
function(params) {
return `<div style="padding:10px;">
<div style="font-size:12px;font-weight:bold;">${params.name}</div>
<div style="font-size:12px;margin-top:5px;">人口数量：${params.value.toLocaleString()}人</div>
</div>`;
}
""")
)
) # 简化JS交互
)
china_map.render("china_population_big_screen.html")
对于多指标切换怎么办？原本想按照正常图表中实现指标切换，但对pyecharts的JS代码调了一整天，这个VisualMapOpts：视觉映射配置项一直不能跟随指标上下限进行实时调整，无奈放弃了，只能换一个思路，做成tab方式，其实这个案例还可以继续优化其组件，让其更像大屏风格。
from pyecharts.charts import Map, Tab
from pyecharts import options as opts
# 示例数据
data_gdp = [("广东省", 10000), ("四川省", 20000), ("黑龙江省", 25000)]
data_population = [("广东省", 8000), ("四川省", 2300), ("黑龙江省", 2500)]
# 创建地图图表
map_gdp = Map(init_opts=opts.InitOpts(
chart_id="gdp",
bg_color="#001529", # 深蓝色背景，符合政务大屏风格
width = "900px",
height = "500px",
page_title="中国GDP分布大屏",
))
map_gdp.add("GDP", data_gdp, "china")
map_gdp.set_global_opts(
title_opts=opts.TitleOpts(title="中国各省份GDP"),
visualmap_opts=opts.VisualMapOpts(max_=30000)
)
map_population = Map(init_opts=opts.InitOpts(
chart_id="population",
bg_color="#001529", # 深蓝色背景，符合政务大屏风格
width = "900px",
height = "500px",
page_title="中国人口分布大屏",
))
map_population.add("Population", data_population, "china")
map_population.set_global_opts(
title_opts=opts.TitleOpts(title="中国各省份人口"),
visualmap_opts=opts.VisualMapOpts(max_=8000)
)
# 使用 Tab 创建切换界面
tab = Tab()
tab.add(map_gdp, "GDP")
tab.add(map_population, "Population")
# 渲染图表到 HTML 文件
tab.render("map_tabs.html")
import pyecharts.options as opts
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode
from pyecharts.charts import Timeline, Grid, Bar, Map, Pie
"""
Gallery 使用 pyecharts 1.0.0
参考地址: https://gallery.echartsjs.com/editor.html?c=xSkGI6zLmb
目前无法实现的功能:
1、
"""
data = [
{
"time": 1980,
"data": [
{"name": "台湾省", "value": [633.76, 12.28, "台湾省"]},
{"name": "香港特别行政区", "value": [432.47, 8.38, "香港特别行政区"]},
{"name": "江苏省", "value": [319.8, 6.2, "江苏省"]},
{"name": "上海市", "value": [311.89, 6.05, "上海市"]},
{"name": "山东省", "value": [292.13, 5.66, "山东省"]},
{"name": "辽宁省", "value": [281, 5.45, "辽宁省"]},
{"name": "广东省", "value": [249.65, 4.84, "广东省"]},
{"name": "四川省", "value": [229.31, 4.44, "四川省"]},
{"name": "河南省", "value": [229.16, 4.44, "河南省"]},
{"name": "黑龙江省", "value": [221, 4.28, "黑龙江省"]},
],
},
{
"time": 2000,
"data": [
{"name": "台湾省", "value": [27435.15, 19.47, "台湾省"]},
{"name": "香港特别行政区", "value": [14201.59, 10.08, "香港特别行政区"]},
{"name": "广东省", "value": [10741.25, 7.62, "广东省"]},
{"name": "江苏省", "value": [8553.69, 6.07, "江苏省"]},
{"name": "山东省", "value": [8337.47, 5.92, "山东省"]},
{"name": "浙江省", "value": [6141.03, 4.36, "浙江省"]},
{"name": "河南省", "value": [5052.99, 3.59, "河南省"]},
{"name": "河北省", "value": [5043.96, 3.58, "河北省"]},
{"name": "上海市", "value": [4771.17, 3.39, "上海市"]},
{"name": "辽宁省", "value": [4669.1, 3.31, "辽宁省"]},
],
},
{
"time": 2005,
"data": [
{"name": "台湾省", "value": [30792.89, 12.52, "台湾省"]},
{"name": "广东省", "value": [22527.37, 9.16, "广东省"]},
{"name": "江苏省", "value": [18598.69, 7.56, "江苏省"]},
{"name": "山东省", "value": [18366.87, 7.47, "山东省"]},
{"name": "香港特别行政区", "value": [14869.68, 6.05, "香港特别行政区"]},
{"name": "浙江省", "value": [13417.68, 5.46, "浙江省"]},
{"name": "河南省", "value": [10587.42, 4.3, "河南省"]},
{"name": "河北省", "value": [10043.42, 4.08, "河北省"]},
{"name": "上海市", "value": [9247.66, 3.76, "上海市"]},
{"name": "辽宁省", "value": [8047.3, 3.27, "辽宁省"]},
],
},
{
"time": 2010,
"data": [
{"name": "广东省", "value": [46036.25, 9.49, "广东省"]},
{"name": "江苏省", "value": [41425.48, 8.54, "江苏省"]},
{"name": "山东省", "value": [39169.92, 8.08, "山东省"]},
{"name": "台湾省", "value": [30205.64, 6.23, "台湾省"]},
{"name": "浙江省", "value": [27747.65, 5.72, "浙江省"]},
{"name": "河南省", "value": [23092.36, 4.76, "河南省"]},
{"name": "河北省", "value": [20394.26, 4.21, "河北省"]},
{"name": "辽宁省", "value": [18457.3, 3.81, "辽宁省"]},
{"name": "四川省", "value": [17185.48, 3.54, "四川省"]},
{"name": "上海市", "value": [17165.98, 3.54, "上海市"]},
],
},
{
"time": 2015,
"data": [
{"name": "广东省", "value": [72812.55, 9.35, "广东省"]},
{"name": "江苏省", "value": [70116.38, 9, "江苏省"]},
{"name": "山东省", "value": [63002.3, 8.09, "山东省"]},
{"name": "浙江省", "value": [42886, 5.51, "浙江省"]},
{"name": "河南省", "value": [37010.25, 4.75, "河南省"]},
{"name": "台湾省", "value": [32604.52, 4.19, "台湾省"]},
{"name": "四川省", "value": [30103.1, 3.87, "四川省"]},
{"name": "河北省", "value": [29806.1, 3.83, "河北省"]},
{"name": "湖北省", "value": [29550.19, 3.8, "湖北省"]},
{"name": "湖南省", "value": [29047.2, 3.73, "湖南省"]},
],
},
]
def get_year_chart(year: int):
map_data = [
[[x["name"], x["value"]] for x in d["data"]] for d in data if d["time"] == year
][0]
print(year,'\n',map_data)
min_data, max_data = (
min([d[1][0] for d in map_data]),
max([d[1][0] for d in map_data]),
)
map_chart = (
Map()
.add(
series_name="",
data_pair=map_data,
label_opts=opts.LabelOpts(is_show=False),
is_map_symbol_show=False,
itemstyle_opts={
"normal": {"areaColor": "#323c48", "borderColor": "#404a59"},
"emphasis": {
"label": {"show": Timeline},
"areaColor": "rgba(255,255,255, 0.5)",
},
},
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="1980年以来中国各省GDP排名变化情况",
subtitle="GDP单位:亿元",
pos_left="center",
pos_top="top",
title_textstyle_opts=opts.TextStyleOpts(
font_size=25, color="rgba(255,255,255, 0.9)"
),
),
tooltip_opts=opts.TooltipOpts(
is_show=True,
formatter=JsCode(
"""function(params) {
if ('value' in params.data) {
return params.data.value[2] + ': ' + params.data.value[0];
}
}"""
),
),
visualmap_opts=opts.VisualMapOpts(
is_calculable=True,
dimension=0,
pos_left="10",
pos_top="center",
range_text=["High", "Low"],
range_color=["lightskyblue", "yellow", "orangered"],
textstyle_opts=opts.TextStyleOpts(color="#ddd"),
min_=min_data,
max_=max_data,
),
)
)
return map_chart
# Draw Timeline
time_list = [1980, 2000, 2005, 2010, 2015]
timeline = Timeline(
init_opts=opts.InitOpts(width="1200px", height="800px", theme=ThemeType.DARK)
)
for y in time_list:
g = get_year_chart(year=y)
timeline.add(g, time_point=str(y))
timeline.add_schema(
orient="vertical",
is_auto_play=True,
is_inverse=True,
play_interval=5000,
pos_left="null",
pos_right="5",
pos_top="20",
pos_bottom="20",
width="50",
label_opts=opts.LabelOpts(is_show=True, color="#fff"),
)
timeline.render("china_gdp_from_1980.html")
最后欢迎关注公众号：python与大数据分析
文章转载自追梦IT人，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
