python数据分析——pyecharts折线图全解（小白必看）1.基本折线图2.连接空数据（折线图）3.多条折线重叠4.平滑曲线折线图5.阶梯图6.变换折线的样式7.折线面积图8.双横坐标折线图9.用电量随时间变化

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

下面我给大家介绍一下如何用pyecharts画出各种折线图

1.基本折线图

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y=[100,200,300,400,500,400,300]
    
   line=(
       Line()
       .set_global_opts(
           tooltip_opts=opts.TooltipOpts(is_show=False),
           xaxis_opts=opts.AxisOpts(type_="category"),
           yaxis_opts=opts.AxisOpts(
               type_="value",
               axistick_opts=opts.AxisTickOpts(is_show=True),
               splitline_opts=opts.SplitLineOpts(is_show=True),
           ),
       )
       .add_xaxis(xaxis_data=x)
       .add_yaxis(
           series_name="基本折线图",
           y_axis=y,
           symbol="emptyCircle",
           is_symbol_show=True,
           label_opts=opts.LabelOpts(is_show=False),
       )
   )
   line.render_notebook()

series_name：图形名称 y_axis：数据 symbol：标记的图形，pyecharts提供的类型包括’circle’, ‘rect’, ‘roundRect’, ‘triangle’, ‘diamond’, ‘pin’, ‘arrow’, ‘none’，也可以通过 ‘image://url’ 设置为图片，其中 URL 为图片的链接。 is_symbol_show：是否显示 symbol

2.连接空数据（折线图）

有时候我们要分析的数据存在空缺值，需要进行处理才能画出折线图

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y=[100,200,300,400,None,400,300]
    
   line=(
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(
           series_name="连接空数据（折线图）",
           y_axis=y,
           is_connect_nones=True
       )
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-连接空数据"))
   )
   line.render_notebook()

3.多条折线重叠

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y1=[100,200,300,400,100,400,300]
   y2=[200,300,200,100,200,300,400]
   line=(
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(series_name="y1线",y_axis=y1,symbol="arrow",is_symbol_show=True)
       .add_yaxis(series_name="y2线",y_axis=y2)
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
   )
   line.render_notebook()

4.平滑曲线折线图

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y1=[100,200,300,400,100,400,300]
   y2=[200,300,200,100,200,300,400]
   line=(
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(series_name="y1线",y_axis=y1, is_smooth=True)
       .add_yaxis(series_name="y2线",y_axis=y2, is_smooth=True)
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
   )
   line.render_notebook()

is_smooth：平滑曲线标志

5.阶梯图

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y1=[100,200,300,400,100,400,300]
   line=(
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(series_name="y1线",y_axis=y1, is_step=True)
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-阶梯图"))
   )
   line.render_notebook()

is_step：阶梯图参数

6.变换折线的样式

    import pyecharts.options as opts
   from pyecharts.charts import Line
   from pyecharts.faker import Faker
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y1=[100,200,300,400,100,400,300]
   line = (
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(
           "y1",
           y1,
           symbol="triangle",
           symbol_size=30,
           linestyle_opts=opts.LineStyleOpts(color="red", width=4, type_="dashed"),
           itemstyle_opts=opts.ItemStyleOpts(
               border_width=3, border_color="yellow", color="blue"
           ),
       )
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-ItemStyle"))
   )
   line.render_notebook()

linestyle_opts:折线样式配置，color设置颜色，width设置宽度，type设置类型，有’solid’, ‘dashed’, 'dotted’三种类型 itemstyle_opts：图元样式配置，border_width设置描边宽度，border_color设置描边颜色，color设置纹理填充颜色

7.折线面积图

    import pyecharts.options as opts
   from pyecharts.charts import Line
   x=['星期一','星期二','星期三','星期四','星期五','星期七','星期日']
   y1=[100,200,300,400,100,400,300]
   y2=[200,300,200,100,200,300,400]
   line=(
       Line()
       .add_xaxis(xaxis_data=x)
       .add_yaxis(series_name="y1线",y_axis=y1,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
       .add_yaxis(series_name="y2线",y_axis=y2,areastyle_opts=opts.AreaStyleOpts(opacity=0.5))
       .set_global_opts(title_opts=opts.TitleOpts(title="Line-多折线重叠"))
   )
   line.render_notebook()

8.双横坐标折线图

    import pyecharts.options as opts
   from pyecharts.charts import Line
    
   from pyecharts.commons.utils import JsCode
   js_formatter = """function (params) {
           console.log(params);
           return '降水量 ' + params.value + (params.seriesData.length ? '：' + params.seriesData[0].data : '');
       }"""
    
   line=(
       Line()
       .add_xaxis(
           xaxis_data=[
               "2016-1",
               "2016-2",
               "2016-3",
               "2016-4",
               "2016-5",
               "2016-6",
               "2016-7",
               "2016-8",
               "2016-9",
               "2016-10",
               "2016-11",
               "2016-12",
           ]
       )
       .extend_axis(
           xaxis_data=[
               "2015-1",
               "2015-2",
               "2015-3",
               "2015-4",
               "2015-5",
               "2015-6",
               "2015-7",
               "2015-8",
               "2015-9",
               "2015-10",
               "2015-11",
               "2015-12",
           ],
           xaxis=opts.AxisOpts(
               type_="category",
               axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
               axisline_opts=opts.AxisLineOpts(
                   is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#6e9ef1")
               ),
               axispointer_opts=opts.AxisPointerOpts(
                   is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
               ),
           ),
       )
       .add_yaxis(
           series_name="2015 降水量",
           is_smooth=True,
           symbol="emptyCircle",
           is_symbol_show=False,
           color="#d14a61",
           y_axis=[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3],
           label_opts=opts.LabelOpts(is_show=False),
           linestyle_opts=opts.LineStyleOpts(width=2),
       )
       .add_yaxis(
           series_name="2016 降水量",
           is_smooth=True,
           symbol="emptyCircle",
           is_symbol_show=False,
           color="#6e9ef1",
           y_axis=[3.9, 5.9, 11.1, 18.7, 48.3, 69.2, 231.6, 46.6, 55.4, 18.4, 10.3, 0.7],
           label_opts=opts.LabelOpts(is_show=False),
           linestyle_opts=opts.LineStyleOpts(width=2),
       )
       .set_global_opts(
           legend_opts=opts.LegendOpts(),
           tooltip_opts=opts.TooltipOpts(trigger="none", axis_pointer_type="cross"),
           xaxis_opts=opts.AxisOpts(
               type_="category",
               axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
               axisline_opts=opts.AxisLineOpts(
                   is_on_zero=False, linestyle_opts=opts.LineStyleOpts(color="#d14a61")
               ),
               axispointer_opts=opts.AxisPointerOpts(
                   is_show=True, label=opts.LabelOpts(formatter=JsCode(js_formatter))
               ),
           ),
           yaxis_opts=opts.AxisOpts(
               type_="value",
               splitline_opts=opts.SplitLineOpts(
                   is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
               ),
           ),
       )
   )
   line.render_notebook()

9.用电量随时间变化

    import pyecharts.options as opts
    from pyecharts.charts import Line
    x_data = [
        "00:00",
        "01:15",
        "02:30",
        "03:45",
        "05:00",
        "06:15",
        "07:30",
        "08:45",
        "10:00",
        "11:15",
        "12:30",
        "13:45",
        "15:00",
        "16:15",
        "17:30",
        "18:45",
        "20:00",
        "21:15",
        "22:30",
        "23:45",
    ]
    y_data = [
        300,
        280,
        250,
        260,
        270,
        300,
        550,
        500,
        400,
        390,
        380,
        390,
        400,
        500,
        600,
        750,
        800,
        700,
        600,
        400,
    ]
    
    line=(
        Line()
        .add_xaxis(xaxis_data=x_data)
        .add_yaxis(
            series_name="用电量",
            y_axis=y_data,
            is_smooth=True,
            label_opts=opts.LabelOpts(is_show=False),
            linestyle_opts=opts.LineStyleOpts(width=2),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="一天用电量分布", subtitle="纯属虚构"),
            tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
            xaxis_opts=opts.AxisOpts(boundary_gap=False),
            yaxis_opts=opts.AxisOpts(
                axislabel_opts=opts.LabelOpts(formatter="{value} W"),
                splitline_opts=opts.SplitLineOpts(is_show=True),
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_piecewise=True,
                dimension=0,
                pieces=[
                    {"lte": 6, "color": "green"},
                    {"gt": 6, "lte": 8, "color": "red"},
                    {"gt": 8, "lte": 14, "color": "yellow"},
                    {"gt": 14, "lte": 17, "color": "red"},
                    {"gt": 17, "color": "green"},
                ],
                pos_right=0,
                pos_bottom=100
            ),
        )
        .set_series_opts(
            markarea_opts=opts.MarkAreaOpts(
                data=[
                    opts.MarkAreaItem(name="早高峰", x=("07:30", "10:00")),
                    opts.MarkAreaItem(name="晚高峰", x=("17:30", "21:15")),
                ]
            )
        )
    )
    line.render_notebook()

这里给大家介绍几个关键参数： ①visualmap_opts：视觉映射配置项，可以将折线分段并设置标签（is_piecewise），将不同段设置颜色（pieces）； ②markarea_opts：标记区域配置项，data参数可以设置标记区域名称和位置。

更多python数据分析教程，请关注公众号【python数据分析之禅】