大数据可视化技术 课件第7章 pyEcharts数据可视化

第7章pyEcharts数据可视化本章重点◎了解pyEcharts可视化库的基本作用◎掌握pyEcharts包下载和安装的方法◎掌握pyEcharts绘图的基本方法和生成伪数据的方法◎掌握pyEcharts设置各类主题和配置项的方法◎掌握pyEcharts常用图表类型与数据格式目录CONTENTSpyEcharts简介7.1pyEcharts设置主题7.2pyEcharts配置项7.3pyEcharts的数据类型7.4pyEcharts基本图表类型7.5pyEcharts简介7.1pyEcharts

是一个用于数据分析的Python可视化库，它基于Echarts，提供了一套简单易用的Python接口用于创建交互式的图表，可以理解为pyEcharts

是实现Echarts

与Python对接的一个库，方便在Python中直接使用数据生成图。1.pyEcharts的功能和作用PyEcharts

是一个功能强大、易于使用、高度可定制的Python数据可视化库，可以帮助用户快速地创建交互式的图表，展示和分析数据。（1)支持多种图表类型。包括折线图、柱形图、散点图、热力图等，可以满足不同的数据可视化需求。（2)简单易用的API。可以快速地创建和配置图表，支持链式调用和函数式调用两种方式。（3)支持多种数据格式。包括CSV、JSON、Pandas数据框等，可以方便地处理来自不同数据源的数据。（4)可定制化的主题和样式。可以根据自己的需求进行定制，使图表更加美观和易于阅读。（5)支持交互式操作。可以通过鼠标滚轮、拖拽等方式对图表进行缩放、平移等操作，方便用户进行数据探索和分析。7.1.1概述2.pyEcharts的特性（1）简洁的API设计，使用丝滑流畅，支持链式调用；囊括了三十多种常见图表；支持主流Notebook环境、JupyterNotebook和JupyterLab。可轻松集成至Flask、Django等主流Web框架。（2）高度灵活的配置项，可轻松搭配出精美的图表，详细的文档和示例，可帮助开发者更快的上手项目。（3）多达四百多个地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持。3.安装和导入（1）安装。在Python版本适合的情况下，首先打开cmd，然后在cmd中使用pip命令，即使用pipinstallpyecharts

安装pyEcharts。（2）导入和查看版本。导入pyEcharts模块，并显示当前pyEcharts版本代码，如图7-1所示。7.1.1概述Python中有两个可视化的库：Matplotlib和Seaborn。Python的两类数据绘图方案中，其中Matplotlib简单方便，适合数值作图与科学作图。而使用pyEcharts绘图，流程略微复杂但功能强大，图形为交互式，适合项目开发和商业分析报告。1.pyEcharts绘图的基本流程（1）安装pyEcharts和创建图表对象：首先需要创建一个对应的图表对象，如Bar()用于创建条形图。（2）添加数据并设置属性：通过add()方法将数据集添加到图表中，同时设置相关的属性。（3）显示配置信息：某些版本的pyEcharts支持显示配置信息，但这个功能在较新版本中被弃用，因此在使用时需要注意是否需要使用它。（4）生成HTML文件：最后，可以使用render()方法将图表渲染为HTML文件。2pyEcharts绘图的常用方法下面展示使用pyEcharts模块绘制一个简单的柱形图的三种方法。（1）单独调用方法。运行结果如图7-2所示，示例代码如下：7.1.2pyEcharts的绘图方法（2）链式调用方法。链式调用是pyEcharts常用的程序书写方法，通过链式调用，使代码更加简洁，方便查看，后面的示例都是用链式调用方法。运行结果与单独调用的方法相同，示例代码如下所示：7.1.2pyEcharts的绘图方法（3）函数调用方法。是指在定义的函数体中使用链式调用方法，并返回要绘制的图形对象，既链式调用方法与函数相结合的方法。运行结果与单独调用的方法相同，示例代码如下所示：使用pyEcharts的Faker函数库可以随机生成一些数据，使用“frompyecharts.fakerimportFaker”语句来导入Faker伪数据包和Faker函数库。1.Faker函数库的数据Faker函数的数据可分为三个部分：类别数据、时间数据和地点数据，各部分数据的名称和数据值如下所示。（1）类别数据：7.1.3pyEcharts的伪数据（2）时间数据：（3）地点数据：2.Faker函数库的函数1）choose()函数：Choose()函数用来从Faker.clothes、Faker.drinks、Faker.phones、Faker.fruits、Faker.animal、Faker.dogs、Faker.week几个数据中随机选一个返回，示例代码和运行结果如图7-3所示。7.1.3pyEcharts的伪数据2）values()函数：values()函数用来生成7个随机整数,这7个随机整数一般是两位数和三位数的组合，示例代码和运行结果如图7-4所示。pyEcharts设置主题7.2pyEcharts

提供了丰富的图表类型和主题风格。每种风格都有不同的颜色、字体、背景等属性，可以通过改变主题风格来改变图表的视觉效果。当无特定主题风格，使用默认的颜色。PyEcharts的主题如表7-1所示。【示例7-1】pyEcharts的13种主题的的显示效果。（1）示例代码如下：（2）运行上述代码，运行结果如图7-5～图7-13所示的13个主题样式。pyEcharts配置项7.3pyEcharts

遵循“先配置后使用”的基本原则。pyEcharts.options模块中包含众多关于定制图表组件及样式的配置项。按照配置内容的不同，配置项可以分为全局配置项和系列配置项。在使用pyEcharts

时，可以通过配置项来设置图表的各种属性，如标题、图例、坐标轴、工具箱、提示框等，下面分别介绍全局配置项和系列配置项。7.3.1全局配置项全局配置项是一些针对图表通用属性的配置项，包括初始化属性、标题组件、图例组件、工具箱组件、视觉映射组件、提示框组件、数据区域缩放组件等，其中每个配置项都对应一个类。若pyEcharts需要为图表设置全局配置项(InitOpts除外)，则需要将全局配置项传入set_global_opts()方法，该方法参数和含义如表7-2所示。1.InitOpts（初始化配置项）初始化配置项可以配置画布的大小、图表的背景颜色、主题、动画等。初始化配置项如表7-3所示。7.3.1全局配置项【示例7-2】pyEcharts使用InitOpts配置项。1）示例代码如下：2）示例7-2运行结果，如图7-18所示。7.3.1全局配置项2.TitleOpts（标题配置项）标题配置项可以设置标题的内容、字体样式、标题的位置等。具体的标题配置项可以配置的属性和作用如表7-4所示。1）标题的位置：其中pos_top、pos_bottom、pos_left、pos_right分别对应容器的上/下/左/右，可以是具体像素值，也可以是相对于容器高宽的百分比，还可以也是left、right、center。2）标题字体样式配置：字体样式配置位于TextStyleOpts类下,具有的属性如下:color:文字颜色

font_style:字体风格,可选normal,italic,oblique

font_weight:字体粗细，可选bold,bolder,normal

font_size:字体大小

font_famliy:字体系列,例如:MicrosoftYaHei...

background_color:文字块的背景颜色

padding:文字内边距7.3.1全局配置项【示例7-3】pyEcharts使用TitleOpts配置项。1）示例代码如下：2）

示例7-3运行结果，如图7-19所示。7.3.1全局配置项3.LegendOpts（图例配置项）图例配置项可以设置是否显示图例、图例显示的位置、图例的布局、图例的间距、图例的形状、图例的文本样式等。具体的标题配置项可以配置的属性和作用如表7-5所示。1）是否显示图例：legend_opts=opts.LegendOpts(is_show=True))，is_show的默认值是True,表示显示图例,可设置成False，表示关闭图例。2）图例显示的位置：pos_top、pos_bottom、pos_left、pos_right分别对应容器的上/下/左/右，可以设置的值的范围如下:

可以接受20这样的具体像素值可以接受20%这样相对于容器高宽的百分比可以接受left,right,center3）图例的布局(水平或垂直)：legend_opts=opts.LegendOpts(orient='vertical'))，orient的默认值是'horizontal'，表示水平放置，也可以设置为'vertical'，表示垂直放置。4）图例显示的边距：legend_opts=opts.LegendOpts(item_gap=50,padding=20))，item_gap设置不同系列的图例之间的间距，图例之间的内边距可设置padding来实现。5）图例的形状：legend_opts=opts.LegendOpts(legend_icon='circle'))，图例的形状默认是'roundRect'，此条语句将图例设置为'circle'。6）图例的文本样式：legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color=‘red’,font_size=14)))，即将文本颜色设置为“红色”，字体大小为“14”。7.3.1全局配置项【示例7-4】pyEcharts使用LegendOpts配置项。1）示例代码如下：2）示例7-4的运行结果，如图7-20所示。7.3.1全局配置项4.ToolboxOpts（工具箱配置项）和ToolBoxFeatureOpts（工具箱工具配置项）

ToolboxOpts主要配置一些工具以及工具的位置和布局，ToolBoxFeatureOpts配置的内容包括：保存为图片、区域缩放、折线图、柱形图、层叠柱形图之间的转换和数据视图。ToolboxOpts通过全局参数feature开启工具箱中工具的配置，使用ToolBoxFeatureOpts来实现工具的配置。1）工具箱配置项如表7-6所示。2）ToolBoxFeatureOpts配置工具箱中工具的属性、函数和函数作用如，表7-7所示。7.3.1全局配置项【示例7-5】pyEcharts使用ToolboxOpts和ToolBoxFeatureOpt配置项。1）示例代码如右图所示：2）运行上述代码，运行结果如图7-21所示。7.3.1全局配置项5.AxisOpts(坐标轴配置项)AxisOpts用来配置图表的坐标轴。配置坐标轴的配置项如表7-8所示。1）坐标轴的类型可通过指定type_来确定坐标轴的类型，可以设置为：value、category、time和log类型。2）添加坐标轴名称添加坐标轴名称可以通过设置name来实现坐标轴名称的位置可以通过name_location来调整坐标轴名称文字样式可以通过name_textstyle_opts来调整7.3.1全局配置项【示例7-6】pyEcharts使用AxisOpts配置项。1）示例代码如右侧所示：2）运行上述代码，运行结果如图7-22所示。7.3.1全局配置项6.DataZoomOpts（区域缩放配置项）DataZoomOpts的配置项‌包括是否显示该工具‌、‌提示语‌、‌缩放图标等。‌这些配置项共同作用，‌使用户能够通过简单的操作来调整图表的显示范围，‌从而更好地理解和分析数据‌。区域缩放的配置项如表7-9所示。7.3.1全局配置项【示例7-7】pyEcharts使用DataZoomOpts配置项。1）示例代码如右侧所示：2）示例7-7的运行结果，如图7-23所示。7.3.1全局配置项7.VisualMapOpts（视觉映射配置项）

VisualMapOpts是用于配置视觉映射（‌VisualMap）‌的选项，‌它包含多个配置项，‌用于调整视觉映射组件的位置、‌显示方式以及其他相关设置。VisualMapOpts的配置项及其说明如表7-10所示。7.3.1全局配置项【示例7-8】pyEcharts使用VisualMapOpts配置项。1）示例代码如下：2）示例7-8的运行结果，如图7-24所示。7.3.1全局配置项8.TooltipOpts（提示框配置项）TooltipOpts是用于设置提示框‌的选项，‌它包含多个配置项，‌用于设置提示框的触发条件、提示框的背景颜色和提示框的内容格式。TooltipOpts的配置项及其说明如表7-11所示。7.3.1全局配置项【示例7-9】pyEcharts使用TooltipOpts配置项。1）示例代码如右侧所示：2）运行上述代码，运行结果如图7-25所示。7.3.1全局配置项9.BrushOpts（区域选择组件配置项）示BrushOpts

是一个区域选择组件，可以用来选择图表中的一个或多个数据系列。区域选择组件置项及其说明如表7-12所示。7.3.1全局配置项【示例7-10】pyEcharts使用BrushOpts配置项。1）示例代码如下：2）运行上述代码，运行结果如图7-26所示。7.3.2系列配置项pyEcharts

提供了丰富的图表配置项，以便我们根据需求定制图表。比如TextStyleOpts、LabelOpts、MarkPointOpts、MarkLineItem等。系列配置项有两种传参的方式，一种方式是通过set_series_opts进行配置；另一种方式是添加数据时进行配置。1.TextStyleOpts（文字样式配置项）文字样式配置项可以通过设置TextStyleOpts来配置，可以精细控制pyEcharts

图表中各类文本的外观，使得数据视觉展现更加直观且具有吸引力。结合set_series_opts()，能够很好地自定义系列的表现形式。文字样式配置项及其说明如表7-13所示。7.3.2系列配置项【示例7-11】pyEcharts使用TextStyleOpts配置项。1）示例代码如右图所示：2）运行上述代码，运行结果如图7-27所示。7.3.2系列配置项2.LineStyleOpts（线样式配置项）线样式配置项用于设置图表系列选项，以及设置线条样式选项。线样式配置项如表7-14所示。7.3.2系列配置项【示例7-12】pyEcharts使用LineStyleOpts配置项。1）示例代码如右侧所示：2）运行上述代码，运行结果如图7-28所示。7.3.2系列配置项3.LabelOpts（标签配置项）标签配置项可以通过设置LabelOpts来配置，用于设置图表中标签的样式选项，包括数据标签、坐标轴标签等。通过使用LabelStyleOpts，可以自定义标签的外观，使图表的信息更加清晰易读。标签配置项及其说明如表7-15所示。7.3.2系列配置项【示例7-13】pyEcharts使用LabelOpts配置项。1）示例代码如右图所示：2）运行上述代码，运行结果如图7-29所示。7.3.2系列配置项4.MarkPointOpts（标记点配置项）标记点配置项可以通过设置MarkPointOpts来配置，MarkPointOpts

用于设置图表上的标记点（MarkPoints），这些标记点可以用于突出显示特定的数据点，如最大值、最小值、特定值或统计分析等。通过使用MarkPointOpts，能更加直观地展示关键数据。标记点配置及其说明如表7-16所示。7.3.2系列配置项【示例7-14】pyEcharts使用MarkPointOpts配置项。1）示例代码如右图所示：2）运行上述代码，运行结果如图7-30所示。7.3.2系列配置项5.MarkLineOpts（标记线配置项）标记线配置项可以通过设置MarkLineOpts来配置，MarkLineOpts

为pyEcharts

提供了一种简单高效的方式来向图表中添加标记线，允许用户在图表中添加一条或多条标记线，用于指示关键值或趋势，可以用于折线图、柱形图等多种图表类型，可以根据具体的需求配置不同的标记线类型和位置。标记线配置及其说明如表7-17所示。7.3.2系列配置项【示例7-15】pyEcharts使用MarkLineOpts配置项。1）示例代码如下：2）示例7-15的运行结果，如图7-31所示。7.3.2系列配置项6.ItemStyleOpts（图元样式配置项）ItemStyleOpts

是pyEcharts

中用于配置图元样式的类，主要用于设置图表中各个图元的颜色、边框、阴影等样式。有一些系列配置取决于此配置项修饰的对象。比如itemstyle_opts用来修饰bar的颜色时就放在add_yaxis里。要确定配置的使用位置。图元样式配置及其说明如表7-18所示。7.3.2系列配置项【示例7-16】pyEcharts使用ItemStyleOpts配置项。1）示例代码如下：2）运行上述代码，运行结果如图7-32所示。pyEcharts的数据类型7.4由于pyEcharts背后封装的js库，会涉及到数据类型转化。它要求输入数据必须是python的基础数据类型，比如字符串、列表、字典等，而不能是range函数生成的序列这样的数据类型。因此序列输入量需要事先被转化为列表等基础数据类型才能被pyEcharts支持，可以使用numpy或pandas实现数据格式转换。1.列表推导式方式推导式一种数据的处理方式。目的是为了构建一个新的数据序列。语法和参数说明如下。1）语法格式2）参数说明▪iterable

参数:一个现有的列表，可以迭代的对象，比如列表、元组、字符串、数组；▪condition参数:可选条件表达式，用于过滤iterable

中的元素，iterable

列表中只有满足该条件的元素，才会被作为item参与expression表达式计算；▪item参数：如果没有condition参数，那么item就是iterable

列表中的每一个元素；如果有condition参数，那么item就是iterable

列表中符合condition条件的元素；▪expression参数：item参与计算的表达式，其中有item变量。3）示例代码如右图所示。4）运行结果如图7-33所示。2.pandas.Series.tolist()方式在Python的数据处理库pandas中，tolist()是一个常用的方法，用于将Series对象转换为列表。1）示例代码如右图所示。2）运行结果如图7-34所示。pyEcharts的基本图表类型7.57.5.1日历图pyEcharts

的日历图用于展示数据在时间上的分布，尤其适合表示与热图类似的数据，日历图具有较好的美观性和交互性，可以直观展示哪些日期的数据较高。日历图通过set_global_opts

方法进行样式的配置，使用VisualMap

组件在图表中提供视觉上的映射，通过颜色深浅来表示数据值的大小。1.创建日历图实例‌。使用pyEcharts.charts.Calendar()类创建日历图实例。2.添加数据和配置项。通过pyEachrts.charts.Calendar.add()方法添加数据系列。数据系列数据通常包括日期和对应值的二元组，形如[(日期,值),...]，且日期需要格式化为字符串，一般使用"YYYY-MM-DD"的格式。这个方法允许用户添加多个数据系列，每个数据系列可以代表不同的商品或指标。日历图坐标系组件配置项如表7-19所示。7.5.1日历图3.pyEcharts.options.CalendarOpts（日历图坐标系组件配置项）。通过CalendarOpts设置日历坐标系组件配置项，如表7-20所示。【示例7-17】pyEcharts绘制日历图。1）示例代码如下：2）运行上述代码，示例7-17运行结果如图7-35示。7.5.2漏斗图pyEcharts

的漏斗图主要用于显示从用户开始的一系列行为的转化率，如电子商务中的购买流程（从搜索到购买）等。1.创建漏斗图实例‌。使用pyEcharts.charts.Funnel()类创建漏斗图实例。2.添加数据和配置项。pyEcharts.charts.Funnel.add是pyEcharts

库的Funnel（折线图）对象添加数据的方法。漏斗图配置项如表7-21所示。【示例7-18】pyEcharts绘制漏斗图。1）示例代码如下：2）运行上述代码，示例7-18运行结果如图7-36示。7.5.3仪表盘pyEcharts

的仪表盘图是一种数据可视化工具，用于以图表、表格、指标等形式展示关键数据和指标，以便用户能够快速了解和分析数据的状态、趋势和关联关系。它通常以仪表盘的形式呈现，类似于汽车仪表盘上的指示器。仪表盘图的设计旨在提供直观、简洁和易于理解的数据展示，帮助用户快速捕捉到关键信息和洞察。通过仪表盘图，用户可以实时监测业务指标、数据趋势和关键绩效指标，从而做出更加明智的决策。1.创建仪表盘图实例‌。使用pyEcharts.charts.Gauge()类创建仪表盘图实例。2.添加数据和配置项。仪表盘的pyEcharts.charts.Gauge.add方法用于向仪表盘种添加数据系列如表7-22所示。7.5.3仪表盘7.5.3仪表盘3.GaugeTitleOpts（仪表盘数据标题配置项）。GaugeTitleOpts

是pyEcharts

中用于配置仪表盘（Gauge）图表标题的参数类。通过GaugeTitleOpts，你可以对仪表盘的标题进行详细的定制，包括标题文本、位置、样式等。如表7-23所示。7.5.3仪表盘4.GaugeDetailOpts（仪表盘数据内容配置项）。GaugeDetailOpts是pyEcharts中于配置仪表盘（Gauge）图表数据内容详细标签的参数类。通过GaugeDetailOpts，可以对仪表盘中的数据内容标签进行详细的定制，包括标签的显示、位置、样式等。与仪表盘数据标题配置项类似。5.GaugeProgressOpts（仪表盘进度配置项）。GaugeProgressOpts是pyEcharts

中用于配置仪表盘（Gauge）图表进度条显示样式的参数类。通过GaugeProgressOpts，你可以对仪表盘中的进度条进行详细的定制，包括进度条的颜色、宽度、阴影等样式。如表7-24所示。7.5.3仪表盘6.GaugePointerOpts（仪表盘指针配置项）。GaugePointerOpts是pyEcharts中用于配置仪表盘（Gauge）图表指针显示样式的参数类。通过GaugePointerOpts，你可以对仪表盘中的指针进行详细的定制，包括指针的长度、宽度、颜色等样式。仪表盘指针配置项如表7-25所示。7.5.3仪表盘7.GaugeAnchorOpts（仪表盘指针固定点配置项）。GaugePointerOpts是pyEcharts中配置仪表盘（Gauge）图表指针固定点（锚点）的参数类。然而，根据我目前的了解，pyEcharts的官方文档中并没有直接提及GaugeAnchorOpts这个配置项。这可能是因为不同的版本或者不同的资料来源中，配置项的命名和可用性可能有所不同。仪表盘指针固定点配置项如表7-26所示。【示例7-19】pyEcharts绘制仪表盘。1）示例代码如下：2）运行上述代码，示例7-19运行结果如图7-37示。7.5.4关系图pyEcharts

的关系图主要用于展示实体之间的连接关系，如系统依赖关系、网络关系等。适用于多种场景，如社交网络分析、系统依赖关系展示等。通过pyEcharts，开发者可以轻松地在Python环境中创建动态、响应式的关系图，这对于数据可视化和决策支持非常有用。创建关系图实例‌。使用pyEcharts.charts.Graph()类创建关系图实例。2.添加数据和配置项。关系图（Graph）的pyEcharts.charts.Graph.add方法用于向关系图添加节点、节点间关系等各种数据项，如表7-27所示。7.5.4关系图7.5.4关系图3.GraphNode（关系图的节点数据项）。‌关系图（Graph）中的GraphNode代表关系图的节点数据项‌。它包含了节点的各种属性，例如名称、位置、类别等。以下GraphNode

类的主要参数及其说明如表7-28所示。7.5.4关系图4.GraphLink（节点间的关系数据）。‌关系图（Graph）中的GraphLink用于表示节点之间的关系‌。GraphLink不是pyEcharts

中的一个直接类，而是pyEcharts.options的类，但可以通过Graph类来创建节点和它们之间的关系。以下是GraphLink类的主要参数及其说明如表7-29所示。7.5.4关系图4.GraphCategory（节点分类的类目）。‌关系图（Graph）中的GraphCategory用于表示节点分类的类目‌。GraphCategory是一个重要的参数，它用于定义节点的分类或标签。这些分类有助于更好地理解和分析图中的节点及其相互关系。通过设置GraphCategory，我们可以为图中的节点分配特定的类别或属性，从而更清晰地展示节点之间的关联和差异。关系图的节点类目数据项如表7-30所示。【示例7-20】pyEcharts绘制关系图。已知给定npmdepgraph.min10.json文件是用于可视化依赖关系的数据文件，文件的数据结构为字典，字典中包含两个键nodes和edges，分别表示“节点”和“节点关系”。数据内容分别如下：1）nodes（关系图中的节点）2）edges（关系图中的边）3）示例代码如下：4）运行上述代码，示例7-20运行结果如图7-38示。7.5.5水球图在pyEcharts

中，Liquid图表类型，通常被称为“水球图”，是一种用来展示单个数值及其占比或进度的图形表示。它通过一个部分填充的圆形（或其他形状）来直观地展示数据，类似于一个进度条，但更具视觉吸引力。创建水球图实例‌。使用pyEcharts.charts.Liquid()类创建水球图实例。2.添加数据和配置项。水球图的pyEcharts.charts.Liquid.add方法用于向图表中添加数据系列以及相关的配置，如表7-31所示。【示例7-21】pyEcharts绘制水球图。1）示例代码如下：2）运行上述代码，示例7-21运行结果如图7-39所示。7.5.6饼图在pyEcharts

库中，这是一种常见的图表类型，用于展示数据的分布或比例。1.创建饼图实例‌。使用Pie()创建饼图实例。2.添加数据和配置项。使用pyEcharts.charts.Pie.add方法向饼图中添加数据系列。每个数据系列通常包括一个名称和一组数据（通常是列表或元组形式的键值对），如表7-32所示。7.5.6饼图3.PieItem（饼图数据项）。在pyEcharts的饼图中，PieItem

是用来定义饼图的数据项。每个PieItem

包含了饼图的一个扇区的信息，如名称、值等，饼图数据项配置如表7-33所示。7.5.6饼图4.PieLabelLineOpts（饼图标签的视觉引导线样式）。在pyEcharts的饼图中，用于配置饼图标签视觉引导线样式的选项类。通过它可以对饼图中标签的引导线进行各种设置，以增强图表的可读性和美观性，具体介绍如表7-34所示。7.5.6饼图5.PieEmptyCircleStyle（饼图占位圆样式）。在pyEcharts的饼图中，PieEmptyCircleStyle用于定义饼图的占位圆样式。它可以对饼图中除了实际数据扇区之外的中心空白区域（占位圆部分）进行样式设置，这有助于提升饼图的整体视觉效果，具体介绍如表7-35所示。【示例7-22】pyEcharts绘制饼图。1）示例代码如下：【示例7-22】pyEcharts绘制饼图。1）示例代码如下：【示例7-22】pyEcharts绘制饼图。2）运行上述代码，示例7-22运行结果如图7-40所示。7.5.7极坐标图在pyEcharts

库中，极坐标图是一种以角度为自变量、半径为因变量的图表，常用于展示周期性数据或方向性数据。1.创建极坐标图实例‌。使用Polar()创建极坐标图实例。2.添加数据和配置项。使用pyEcharts.charts.Polar.add方法用于向图表中添加数据系列，该方法允许指定系列名称、数据以及数据类型（如线型、柱型、散点型等），具体添加数据系列如表7-36所示。7.5.7极坐标图3.RadiusAxisOpts（极坐标系径向轴配置项）。在pyEcharts的极坐标图中，RadiusAxisOpts

类用于配置极坐标图的径向轴（即半径轴）的各项属性，可以控制半径轴的类型、最小值、最大值、刻度、标签、分隔区域等，极坐标系径向轴配置项如表7-37所示。7.5.7极坐标图4.AngleAxisOpts（极坐标系角度轴配置项）。在pyEcharts的极坐标图中，可以使用AngleAxisOpts自定义角度轴的各种属性，如起始角度、结束角度、刻度增长方向（顺时针或逆时针）、坐标轴类型、数据等，极坐标图角度轴配置项如表7-38所示。【示例7-23】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。1）示例代码如下：【示例7-23】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。1）示例代码如下：【示例7-23】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。1）示例代码如下：【示例7-23】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。2）运行上述代码，运行结果如图7-41示，每个极坐标图占一个页面，6个极坐标图显示在一列，如下图分两列截取。7.5.8雷达图在pyEcharts

库中，雷达图（又称蜘蛛图或星图）是一种用来显示多维数据（变量）的图表，非常适合用来展示一个对象的多个属性或者多个对象的相同属性之间的比较。1.创建雷达图实例‌。使用Radar()创建雷达图实例。2.定义雷达图结构。使用pyEcharts.charts.Radar.add_schema方法，即Radar图表类提供了的add_schema

方法，用于定义雷达图的“骨架”或结构。这个方法允许指定雷达图的各个维度（或称为指标、变量），包括雷达图的名称、最大值、最小值（可选）以及是否显示该维度的轴线（可选），定义雷达图结构及相关配置如表7-39所示。7.5.8雷达图7.5.8雷达图3.RadarIndicatorItem（雷达图指示器数据项）。在pyeharts的雷达图中，RadarIndicatorItem

类通常不是直接使用的，而是在构建雷达图时通过schema参数传入的一个数据结构。这个数据结构定义了雷达图上每个维度的属性，如名称、最大值、最小值等。RadarIndicatorItem类名在不同版本的pyEcharts

中有所不同。具体介绍如表7-40所示。4.RadarItem（雷达图数据项）。在pyEcharts的极坐标图中，实际上并没有一个直接命名为RadarItem

的类来表示雷达图的数据项。雷达图的数据项通常是以列表的形式提供的，这些列表包含了要在雷达图上展示的各个维度的数值。通过add方法来添加这些数据，具体介绍如表7-41所示。【示例7-24】pyEcharts绘制雷达图。1）示例代码如下：【示例7-24】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。1）示例代码如下：【示例7-24】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。1）示例代码如下：【示例7-24】pyEcharts绘制极坐标图（极坐标图是基于圆形的坐标系，不支持Grid布局，此案例采用Page布局）。2）示例7-24的运行结果，如图7-42示。7.5.9桑基图在pyEcharts

库中，桑基图（SankeyDiagram）是一种特定类型的流程图，常用于能源、成本转移、物流运输等数据的可视化分析。通过桑基图，可以生动地展示数据的流动和详细来龙去脉，帮助用户清晰地了解到各部分流量在整体中的占比情况，从而做出更明智的决策。1.创建桑基图实例‌。使用Sankey()创建桑基图实例。2.SankeyLevelsOpts（桑基图层级配置）。SankeyLevelsOpts

是pyEcharts

库中用于配置桑基图层级属性的选项类。通过SankeyLevelsOpts，可以自定义桑基图中各个层级的显示样式，如颜色、边框、文本样式等，桑基图层级配置如表7-42所示。7.5.9桑基图3.添加数据项和配置。在pyEcharts的桑基图中，pyEcharts.charts.Sankey.add方法是用于向桑基图中添加数据和配置的。具体介绍如表7-43所示。【示例7-25】pyEcharts绘制桑基图。1）示例代码如下：【示例7-25】pyEcharts绘制桑基图。1）示例代码如下：【示例7-25】pyEcharts绘制桑基图。1）示例代码如下：【示例7-25】pyEcharts绘制桑基图。2）sankey.json数据源文件内容如下：【示例7-25】pyEcharts绘制桑基图。1）示例代码如下：【示例7-25】pyEcharts绘制桑基图。3）示例7-25的运行结果，如图7-43示。7.5.10旭日图在pyEcharts

库中，旭日图（SunburstChart）是一种特殊类型的图表，它以树状的结构