本文已参与「新人创作礼」活动，一起开启掘金创作之路。
目录
2、其实，直角坐标系下所有的图表都继承了 RectChart 类。
3、RectChart 类 继承了 Chart 类，我们再来看 Chart 类，惊喜在最后~
我们以Bar为例：
from pyecharts.charts import Bar
1、在从pyecharts.charts导入Bar：
"""
学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：732481539
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
"""
class Bar(RectChart):
"""
<<< Bar Chart >>>
Bar chart presents categorical data with rectangular bars
with heights or lengths proportional to the values that they represent.
"""
def add_yaxis(
# 系列名称，用于 tooltip 的显示，legend 的图例筛选。
series_name: str,
# 系列数据
y_axis: Sequence[Numeric, opts.BarItem, dict],
# 是否选中图例
is_selected: bool = True,
# 使用的 x 轴的 index，在单个图表实例中存在多个 x 轴的时候有用。
xaxis_index: Optional[Numeric] = None,
# 使用的 y 轴的 index，在单个图表实例中存在多个 y 轴的时候有用。
yaxis_index: Optional[Numeric] = None,
# 是否启用图例 hover 时的联动高亮
is_legend_hover_link: bool = True,
# 系列 label 颜色
color: Optional[str] = None,
# 是否显示柱条的背景色。通过 backgroundStyle 配置背景样式。
is_show_background: bool = False,
# 每一个柱条的背景样式。需要将 showBackground 设置为 true 时才有效。
background_style: types.Union[types.BarBackground, dict, None] = None,
# 数据堆叠，同个类目轴上系列配置相同的 stack 值可以堆叠放置。
stack: Optional[str] = None,
# 柱条的宽度，不设时自适应。
# 可以是绝对值例如 40 或者百分数例如 '60%'。百分数基于自动计算出的每一类目的宽度。
# 在同一坐标系上，此属性会被多个 'bar' 系列共享。此属性应设置于此坐标系中最后一个 'bar' 系列上才会生效，并且是对此坐标系中所有 'bar' 系列生效。
bar_width: types.Union[types.Numeric, str] = None,
# 柱条的最大宽度。比 barWidth 优先级高。
bar_max_width: types.Union[types.Numeric, str] = None,
# 柱条的最小宽度。在直角坐标系中，默认值是 1。否则默认值是 null。比 barWidth 优先级高。
bar_min_width: types.Union[types.Numeric, str] = None,
# 柱条最小高度，可用于防止某数据项的值过小而影响交互。
bar_min_height: types.Numeric = 0,
# 同一系列的柱间距离，默认为类目间距的 20%，可设固定值
category_gap: Union[Numeric, str] = "20%",
# 不同系列的柱间距离，为百分比（如 '30%'，表示柱子宽度的 30%）。
# 如果想要两个系列的柱子重叠，可以设置 gap 为 '-100%'。这在用柱子做背景的时候有用。
gap: Optional[str] = "30%",
# 是否开启大数据量优化，在数据图形特别多而出现卡顿时候可以开启。
# 开启后配合 largeThreshold 在数据量大于指定阈值的时候对绘制进行优化。
# 缺点：优化后不能自定义设置单个数据项的样式。
is_large: bool = False,
# 开启绘制优化的阈值。
large_threshold: types.Numeric = 400,
# 使用 dimensions 定义 series.data 或者 dataset.source 的每个维度的信息。
# 注意：如果使用了 dataset，那么可以在 dataset.source 的第一行/列中给出 dimension 名称。
# 于是就不用在这里指定 dimension。
# 但是，如果在这里指定了 dimensions，那么 ECharts 不再会自动从 dataset.source 的第一行/列中获取维度信息。
dimensions: types.Union[types.Sequence, None] = None,
# 当使用 dataset 时，seriesLayoutBy 指定了 dataset 中用行还是列对应到系列上，也就是说，系列“排布”到 dataset 的行还是列上。可取值：
# 'column'：默认，dataset 的列对应于系列，从而 dataset 中每一列是一个维度（dimension）。
# 'row'：dataset 的行对应于系列，从而 dataset 中每一行是一个维度（dimension）。
series_layout_by: str = "column",
# 如果 series.data 没有指定，并且 dataset 存在，那么就会使用 dataset。
# datasetIndex 指定本系列使用那个 dataset。
dataset_index: types.Numeric = 0,
# 是否裁剪超出坐标系部分的图形。柱状图：裁掉所有超出坐标系的部分，但是依然保留柱子的宽度
is_clip: bool = True,
# 柱状图所有图形的 zlevel 值。
z_level: types.Numeric = 0,
# 柱状图组件的所有图形的z值。控制图形的前后顺序。
# z值小的图形会被z值大的图形覆盖。
# z相比zlevel优先级更低，而且不会创建新的 Canvas。
z: types.Numeric = 2,
# 标签配置项，参考 `series_options.LabelOpts`
label_opts: Union[opts.LabelOpts, dict] = opts.LabelOpts(),
# 标记点配置项，参考 `series_options.MarkPointOpts`
markpoint_opts: Union[opts.MarkPointOpts, dict, None] = None,
# 标记线配置项，参考 `series_options.MarkLineOpts`
markline_opts: Union[opts.MarkLineOpts, dict, None] = None,
# 提示框组件配置项，参考 `series_options.TooltipOpts`
tooltip_opts: Union[opts.TooltipOpts, dict, None] = None,
# 图元样式配置项，参考 `series_options.ItemStyleOpts`
itemstyle_opts: Union[opts.ItemStyleOpts, dict, None] = None,
# 可以定义 data 的哪个维度被编码成什么。
encode: types.Union[types.JSFunc, dict, None] = None,
)
我们发现Bar继承了
RectChart 类
2、其实，直角坐标系下所有的图表都继承了 RectChart 类。
我们再来看 RectChart 类
class RectChart(Chart):
def __init__(self, init_opts: types.Init = opts.InitOpts()):
super().__init__(init_opts=init_opts)
self.options.update(xAxis=[opts.AxisOpts().opts], yAxis=[opts.AxisOpts().opts])
# 扩展x/y轴
def extend_axis(
self,
# 扩展 X 坐标轴数据项
xaxis_data: Sequence = None,
# 扩展 X 坐标轴配置项，参考 `global_options.AxisOpts`
xaxis: Union[opts.AxisOpts, dict, None] = None,
# 新增 Y 坐标轴配置项，参考 `global_options.AxisOpts`
yaxis: Union[opts.AxisOpts, dict, None] = None,
):
if xaxis is not None:
if isinstance(xaxis, opts.AxisOpts):
xaxis = xaxis.opts
xaxis.update(data=xaxis_data)
self.options["xAxis"].append(xaxis)
if yaxis is not None:
if isinstance(yaxis, opts.AxisOpts):
yaxis = yaxis.opts
self.options["yAxis"].append(yaxis)
return self
# 新增x轴数据
def add_xaxis(self, xaxis_data: Sequence):
self.options["xAxis"][0].update(data=xaxis_data)
# X 轴数据项
self._xaxis_data = xaxis_data
return self
# 翻转xy轴数据
def reversal_axis(self):
self.options["yAxis"][0]["data"] = self._xaxis_data
self.options["xAxis"][0]["data"] = None
return self
# 层叠多图 chart为直角坐标系类型图表
def overlap(self, chart: Base):
self.options.get("legend")[0].get("data").extend(
chart.options.get("legend")[0].get("data")
)
self.options.get("legend")[0].get("selected").update(
chart.options.get("legend")[0].get("selected")
)
self.options.get("series").extend(chart.options.get("series"))
return self
3、RectChart 类 继承了 Chart 类，我们再来看 Chart 类，惊喜在最后~
class Chart(Base):
def __init__(self, init_opts: types.Init = opts.InitOpts()):
if isinstance(init_opts, dict):
temp_opts = opts.InitOpts()
temp_opts.update(**init_opts)
init_opts = temp_opts
super().__init__(init_opts=init_opts)
self.colors = (
"#c23531 #2f4554 #61a0a8 #d48265 #749f83 #ca8622 #bda29a #6e7074 "
"#546570 #c4ccd3 #f05b72 #ef5b9c #f47920 #905a3d #fab27b #2a5caa "
"#444693 #726930 #b2d235 #6d8346 #ac6767 #1d953f #6950a1 #918597"
).split()
if init_opts.opts.get("theme") == ThemeType.WHITE:
self.options.update(color=self.colors)
self.options.update(
series=[],
legend=[{"data": [], "selected": dict()}],
tooltip=opts.TooltipOpts().opts,
)
self._chart_type: Optional[str] = None
def set_colors(self, colors: Sequence[str]):
self.options.update(color=colors)
return self
def set_series_opts(
self,
label_opts: types.Label = None,
linestyle_opts: types.LineStyle = None,
splitline_opts: types.SplitLine = None,
areastyle_opts: types.AreaStyle = None,
axisline_opts: types.AxisLine = None,
markpoint_opts: types.MarkPoint = None,
markline_opts: types.MarkLine = None,
markarea_opts: types.MarkArea = None,
effect_opts: types.Effect = opts.EffectOpts(),
tooltip_opts: types.Tooltip = None,
itemstyle_opts: types.ItemStyle = None,
**kwargs,
):
for s in self.options.get("series"):
if label_opts:
s.update(label=label_opts)
if linestyle_opts:
s.update(lineStyle=linestyle_opts)
if splitline_opts:
s.update(splitLine=splitline_opts)
if areastyle_opts:
s.update(areaStyle=areastyle_opts)
if axisline_opts:
s.update(axisLine=axisline_opts)
if markpoint_opts:
s.update(markPoint=markpoint_opts)
if markline_opts:
s.update(markLine=markline_opts)
if markarea_opts:
s.update(markArea=markarea_opts)
if effect_opts:
s.update(rippleEffect=effect_opts)
if tooltip_opts:
s.update(tooltip=tooltip_opts)
if itemstyle_opts:
s.update(itemStyle=itemstyle_opts)
if len(kwargs) > 0:
s.update(kwargs)
return self
def _append_legend(self, name, is_selected):
self.options.get("legend")[0].get("data").append(name)
self.options.get("legend")[0].get("selected").update({name: is_selected})
def _append_color(self, color: Optional[str]):
if color:
self.colors = [color] + self.colors
if self.theme == ThemeType.WHITE:
self.options.update(color=self.colors)
def set_global_opts(
self,
title_opts: types.Title = opts.TitleOpts(),
legend_opts: types.Legend = opts.LegendOpts(),
tooltip_opts: types.Tooltip = None,
toolbox_opts: types.Toolbox = None,
brush_opts: types.Brush = None,
xaxis_opts: types.Axis = None,
yaxis_opts: types.Axis = None,
visualmap_opts: types.VisualMap = None,
datazoom_opts: types.DataZoom = None,
graphic_opts: types.Graphic = None,
axispointer_opts: types.AxisPointer = None,
):
if tooltip_opts is None:
tooltip_opts = opts.TooltipOpts(
formatter=ToolTipFormatterType.get(self._chart_type, None)
)
self.options.update(
title=title_opts,
toolbox=toolbox_opts,
tooltip=tooltip_opts,
visualMap=visualmap_opts,
dataZoom=datazoom_opts,
graphic=graphic_opts,
axisPointer=axispointer_opts,
)
if brush_opts is not None:
self.options.update(brush=brush_opts)
if isinstance(legend_opts, opts.LegendOpts):
legend_opts = legend_opts.opts
for _s in self.options["legend"]:
_s.update(legend_opts)
if xaxis_opts and self.options.get("xAxis", None):
if isinstance(xaxis_opts, opts.AxisOpts):
xaxis_opts = xaxis_opts.opts
self.options["xAxis"][0].update(xaxis_opts)
if yaxis_opts and self.options.get("yAxis", None):
if isinstance(yaxis_opts, opts.AxisOpts):
yaxis_opts = yaxis_opts.opts
self.options["yAxis"][0].update(yaxis_opts)
return self
def add_dataset(
self,
# 原始数据。一般来说，原始数据表达的是二维表。
source: types.Union[types.Sequence, types.JSFunc] = None,
# 使用 dimensions 定义 series.data 或者 dataset.source 的每个维度的信息。
dimensions: types.Optional[types.Sequence] = None,
# dataset.source 第一行/列是否是 维度名 信息。可选值：
# null/undefine（对应 Python 的 None 值）：默认，自动探测。
# true：第一行/列是维度名信息。
# false：第一行/列直接开始是数据。
source_header: types.Optional[bool] = None,
):
self.options.update(
dataset={
"source": source,
"dimensions": dimensions,
"sourceHeader": source_header,
}
)
return self
我们又发现 每个class都返回为self，这也就是为什么python支持链式调用的原因了。
