作者：俊欣
来源：关于数据分析与可视化
今天小编来给大家介绍一下如何在Pyecharts当中画出炫酷的图表，通过该模块当中的一系列设置，本文我们大致会介绍pyecharts当中的
Pyecharts模块内部内置了10多种不同风格的图表绘制样式，分别是
LIGHT = "light" DARK = "dark" WHITE = "white" CHALK: str = "chalk" ESSOS: str = "essos" INFOGRAPHIC: str = "infographic" MACARONS: str = "macarons" PURPLE_PASSION: str = "purple-passion" ROMA: str = "roma" ROMANTIC: str = "romantic" SHINE: str = "shine" VINTAGE: str = "vintage" WALDEN: str = "walden" WESTEROS: str = "westeros" WONDERLAND: str = "wonderland" HALLOWEEN: str = "halloween"
我们依次来看一下每一种风格出来的样子，这次我们用到的数据集依然是Pyecharts模块当中内置的模块,当然我们首先需要导入相对应的模块
from pyecharts import options as opts from pyecharts.charts import Bar, Page from pyecharts.faker import Collector, Faker from pyecharts.globals import ThemeType
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Light"))
) c.render("1.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Dark"))
) c.render("2.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Chalk"))
) c.render("3.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.ESSOS))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Essos"))
) c.render("4.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Infographic"))
) c.render("5.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Macarons"))
) c.render("6.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.PURPLE_PASSION))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-PURPLE_PASSION"))
) c.render("7.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMA))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-ROMA"))
) c.render("8.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-ROMANTIC"))
) c.render("9.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.SHINE))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Shine"))
) c.render("10.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Vintage"))
) c.render("11.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WALDEN))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Walden"))
) c.render("12.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Westeros"))
) c.render("13.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.WONDERLAND))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Wonderland"))
) c.render("14.html")
output
c = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.HALLOWEEN))
.add_xaxis(Faker.choose())
.add_yaxis("商家A", Faker.values())
.add_yaxis("商家B", Faker.values())
.add_yaxis("商家C", Faker.values())
.add_yaxis("商家D", Faker.values())
.set_global_opts(title_opts=opts.TitleOpts("Theme-Halloween"))
) c.render("15.html")
output
我们同时还能为自己绘制的图表配上自带的背景图片
c = (
Bar(
init_opts=opts.InitOpts(
bg_color={"type": "pattern", "image": JsCode("img"), "repeat": "no-repeat"}
)
)
.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="Bar-背景图基本示例",
subtitle="我是副标题",
title_textstyle_opts=opts.TextStyleOpts(color="white"),
)
)
)
c.add_js_funcs( """
var img = new Image(); img.src = 'https://t7.baidu.com/it/u=2638406194,523661981&fm=193&f=GIF';
""" )
c.render("柱状图-自带背景图.html")
output
好吧，最后一张稍微有点丑，但是读者朋友们可以替换成自己喜欢的背景图片，说不定会非常的好看。
所以看了这么多张图之后，你们最喜欢哪种风格的呢？评论区留言。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
多层感知机（MLP，Multilayer Perceptron）作为深度学习中最基础、最经典的神经网络模型，其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中，数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力，还容易出现 ...
2026-03-30在CDA（Certified Data Analyst）数据分析师的日常工作中，“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质，是让模型通过对数据的学习，自主挖掘规律、实现预测与决策，而这一过程的核心驱动力，并非单一参数的独立作用， ...
2026-03-27在SQL Server数据库操作中，日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配，还是业务 ...
2026-03-27在CDA（Certified Data Analyst）数据分析师的能力体系与职场实操中，高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中，特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代，数据分析能力已不再是数据从业者的专属技能，而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA（Certified Data Analyst）数据分析师的能力体系中，线性回归是连接描述性统计与预测性分析的关键桥梁，也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中，我们常常会遇到多维度、多指标的数据难题：比如调研用户消费行为时，收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下，营销正从“广撒网”的经验主义，转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA（Certified Data Analyst）数据分析师的全流程工作中，无论是前期的数据探索、影响因素排查，还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中，A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段，小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中，尤其是分类数据的分析场景里，卡方检验和显著性检验是两个高频出现的概念，很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA（Certified Data Analyst）数据分析师的日常业务分析与统计建模工作中，多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时，添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具，Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建，成为数据分析师、业务人 ...
2026-03-23在CDA（Certified Data Analyst）数据分析师的日常工作与认证考核中，分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中，数据清洗是最基础、最耗时，同时也是最关键的核心环节，无论后续是做常规数据分析、可视化报表，还是开展 ...
2026-03-20在大数据与数据驱动决策的当下，“数据分析”与“数据挖掘”是高频出现的两个核心概念，也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
