pyecharts format()的用法

pyecharts中的format()函数用于格式化图表的数据。它可以根据需要对数据进行格式化，例如添加单位、保留小数位数等。下面是一个示例：

from pyecharts import options as opts
from pyecharts.charts import Bar

# 创建一个柱状图
bar = Bar()

# 添加数据
bar.add_xaxis(["A", "B", "C", "D", "E"])
bar.add_yaxis("Series", [1.234, 2.345, 3.456, 4.567, 5.678])

# 使用format()函数对y轴数据进行格式化
bar.set_series_opts(
    label_opts=opts.LabelOpts(formatter="{value} kg")
)

# 渲染图表
bar.render("bar_chart.html")

在上面的示例中，我们创建了一个柱状图，并使用format()函数对y轴的数据进行了格式化。通过设置`label_opts`参数中的`formatter`选项，我们可以使用`{value}`占位符来表示数据，并在其后添加单位"kg"。这样，生成的柱状图中的y轴数据就会以"kg"为单位，并保留3位小数。

相关问题

pyecharts gif

### 如何使用 pyecharts 生成或导出 GIF 动态图表

pyecharts 是一个强大的 Python 库，专注于创建动态和交互式的可视化图表。要将这些动态图表转换成 GIF 文件以便于分享和展示，可以采用如下方法：

#### 方法一：通过录制 HTML 输出为 GIF
由于 pyecharts 默认会生成 HTML 文件来显示动画效果，可以通过浏览器打开此文件并利用屏幕录制工具捕捉整个过程，之后再把视频转码成为 GIF。

这种方法虽然简单易行但是质量可能无法达到最佳，并且对于精确控制帧率有一定难度[^1]。

from pyecharts.charts import Map
from pyecharts import options as opts

# 构建地图实例
map_chart = (
    Map()
    .add(
        "确诊人数",
        [("广东", 10), ("北京", 20)],
        "china"
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="中国疫情分布"))
)

# 将图表渲染为HTML文件
map_chart.render('covid_map.html')

#### 方法二：借助第三方库实现自动化流程
更推荐的方式是结合 `imageio` 和 `selenium` 来自动完成从网页抓取图像序列再到合成GIF的过程。这需要用到额外安装的依赖包如 `snapshot-selenium` 或者其他支持 headless 浏览器模式的操作接口[^3]。

具体步骤如下所示：

1. 安装必要的扩展模块；
2. 编写脚本依次截屏不同时间点的画面；
3. 利用 imageio 组合多张截图形成连续播放的效果；

下面给出一段简单的例子说明如何操作：

import os
import time
import imageio.v2 as imageio
from pyecharts.render import make_snapshot
from pyecharts.snapshot.selenium import snapshot
from pyecharts.charts import Bar, Line


def create_gif_from_html(file_name_prefix='temp', gif_output_path='./output.gif'):
    images = []
    
    # 设置临时存储路径以及最终输出位置
    temp_dir = './frames'
    if not os.path.exists(temp_dir):
        os.makedirs(temp_dir)
        
    chart = (
        Bar(init_opts=opts.InitOpts(width='800px', height='400px'))
        .add_xaxis(['A', 'B'])
        .add_yaxis('', [randint(1, 9) * 10 for _ in range(2)])
        .render(f'{file_name_prefix}.html')  # 渲染初始状态
        
    )

    driver_options = {'chromeOptions': {'args': ['--headless']}}
    with open(gif_output_path, mode='wb') as f:
        frames_count = 5  # 控制总帧数
        delay_seconds_between_frames = 0.5  # 调整相邻两帧之间的时间间隔
    
        for i in range(frames_count):
            file_path = os.path.join(temp_dir, '{}_{:0>2d}.png'.format(file_name_prefix, i))
            
            # 更新数据源重新渲染页面
            new_data = [{'name': chr(ord('A')+i%len(['A','B'])), 'value': randint(1, 9)*10}]
            bar = (Bar().load_javascript())
            update_js_code = """
                var myChart = echarts.init(document.getElementById('{chart_id}'));
                option = {option};
                myChart.setOption(option);
            """.replace("{chart_id}", str(bar.chart_id)).replace("{option}", repr({'series':[{'data':new_data}]})[1:-1])
                
            html_content = '<script type="text/javascript">' + update_js_code + '</script>'
            with open(f"{file_name_prefix}.html", encoding='utf-8', mode='a+') as fp:
                fp.write(html_content)
                
            # 抓取当前时刻画面存档
            make_snapshot(snapshot, f"{file_name_prefix}.html", file_path, **driver_options)
            images.append(imageio.imread(file_path))

            time.sleep(delay_seconds_between_frames)
        
        kargs = {'duration':delay_seconds_between_frames}
        imageio.mimsave(f,images,**kargs)


create_gif_from_html()  # 执行函数调用

上述代码片段展示了怎样基于给定的数据集构建柱状图，并将其变化情况记录下来制成 GIF 动画。需要注意的是实际应用时应当根据需求调整参数配置以获得满意的结果。

使用pyecharts绘制三折线图

### 如何使用 PyEcharts 绘制三条折线图

为了实现这一目标，可以利用 `pyecharts` 库中的 `Line` 类来创建并配置所需的图表。下面是一个具体的例子说明如何绘制三个数据集的折线图。

#### 导入必要的模块
首先需要导入 `pyecharts.charts.Line` 和其他辅助类用于设置全局主题样式以及保存或渲染图像：

from pyecharts import options as opts
from pyecharts.charts import Line
import random

#### 准备数据
假设这里随机生成三组时间序列的数据作为示例展示：

# 假设的时间轴
time_series = ["{}月".format(i) for i in range(1, 13)]

# 随机生成三组不同的数值列表模拟实际场景下的多条曲线
data_line_1 = [random.randint(50, 80) for _ in time_series]
data_line_2 = [random.randint(60, 90) for _ in time_series]
data_line_3 = [random.randint(70, 100) for _ in time_series]

#### 创建折线图对象并添加系列
通过调用 `add_xaxis()` 方法传入横坐标标签数组；接着分别调用三次 `add_yaxis()` 来加入每一条折现对应的名字和纵坐标值集合[^1]。

line_chart = (
    Line()
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Triple Lines Chart"),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),  # 设置提示框组件触发方式为坐标轴触发
        toolbox_opts=opts.ToolboxOpts(is_show=True),
        xaxis_opts=opts.AxisOpts(type_='category'),
        yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True))
    )
    .add_xaxis(xaxis_data=time_series)
    .add_yaxis(series_name="Series One", y_axis=data_line_1)
    .add_yaxis(series_name="Series Two", y_axis=data_line_2)
    .add_yaxis(series_name="Series Three", y_axis=data_line_3)
)

line_chart.render_notebook()  # 如果是在 Jupyter Notebook 中运行则可以直接显示图形
# 或者使用 render 方法导出 HTML 文件查看
#line_chart.render("triple_lines.html")

上述代码片段展示了怎样构建一个多系列折线图实例，并设置了基本属性如标题、工具箱可见性和坐标轴选项等。最后通过 `.render_notebook()` 可以立即预览效果，在常规脚本环境中应改为调用 `.render()` 并指定文件名以便打开浏览器查看结果页面。