##pyecharts矢量图 from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts import options as opts bar = Bar( init_opts=opts.InitOpts( renderer='svg' )) bar.add_xaxis(Faker.choose()) bar.add_yaxis('销售团队A',Faker.values()) bar.add_yaxis('销售团队B',Faker.values()) bar.set_series_opts(markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='max',name='最大值')] ) ) bar.set_global_opts( # 工具箱 toolbox_opts=opts.ToolboxOpts(is_show=True, # 显示工具箱 pos_left=700), # 工具箱离容器左侧的距离 # 修改 x 轴字体颜色 xaxis_opts=opts.AxisOpts( axislabel_opts=opts.LabelOpts( color="#000000" ) ) ) bar.render("test8.html") bar.render_notebook() 保存成图片后白色的数据标签不见了

您好，您可以尝试修改代码中的 `renderer` 参数，将其从 `'svg'` 改为 `'canvas'`，即：

bar = Bar(
    init_opts=opts.InitOpts(
        renderer='canvas' # 将渲染器改为'canvas'
    )
)

这样可以使用 canvas 渲染器生成图表，解决白色数据标签不可见的问题。因为有些 svg 渲染器不支持某些 CSS 样式，可能会导致某些元素不可见。另外，如果您需要保存成图片，也可以尝试使用 `render` 方法中的 `path` 参数指定保存图片的路径，例如：

bar.render("test8.png") # 将图表保存为PNG格式图片

希望能够帮到您。

相关问题

##pyecharts矢量图 from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts import options as opts bar = Bar( init_opts=opts.InitOpts( renderer='svg' )) bar.add_xaxis(Faker.choose()) bar.add_yaxis('销售团队A',Faker.values()) bar.add_yaxis('销售团队B',Faker.values()) bar.set_series_opts(markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='max',name='最大值')] ) ) bar.set_global_opts( # 工具箱 toolbox_opts=opts.ToolboxOpts(is_show=True, # 显示工具箱 pos_left=700), # 工具箱离容器左侧的距离 # 修改 x 轴字体颜色 xaxis_opts=opts.AxisOpts( axislabel_opts=opts.LabelOpts( color="#000000" ) ) ) bar.render("test8.html") 怎么修改数据标签的字体颜色

您可以在 `bar.set_series_opts` 方法中使用 `label_opts` 参数来设置数据标签的样式，其中 `color` 参数可以用来设置字体颜色，例如：

bar.set_series_opts(
    label_opts=opts.LabelOpts(
        color="#333" # 将字体颜色设置为黑色
    )
)

完整代码如下：

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

bar = Bar(
    init_opts=opts.InitOpts(
        renderer='svg'
    )
)
bar.add_xaxis(Faker.choose())
bar.add_yaxis('销售团队A', Faker.values())
bar.add_yaxis('销售团队B', Faker.values())
bar.set_series_opts(
    markline_opts=opts.MarkLineOpts(
        data=[opts.MarkLineItem(type_='max', name='最大值')]
    ),
    label_opts=opts.LabelOpts(
        color="#333" # 将字体颜色设置为黑色
    )
)
bar.set_global_opts(
    toolbox_opts=opts.ToolboxOpts(
        is_show=True,
        pos_left=700
    ),
    xaxis_opts=opts.AxisOpts(
        axislabel_opts=opts.LabelOpts(
            color="#000000"
        )
    )
)
bar.render("test8.html")

在上述代码中，将数据标签的字体颜色设置为黑色。您可以根据需要自行修改。

from pyecharts.charts import Line from pyecharts.charts import Bar from pyecharts.charts import Pie from pyecharts.charts import Grid from pyecharts import options as opts # 柱状图 from pyecharts.charts import Bar from pyecharts import options as opts bar=Bar() bar.add_xaxis(["衬衫","毛衣","领带","裤子","风衣","高跟鞋","袜子"]) bar.add_yaxis("商家A",[120,56,28,98,129,28,107]) bar.add_yaxis("商家B",[60,140,153,145,160,70,54]) bar.set_global_opts(title_opts=opts.TitleOpts(title="商家A和商家B销售情况柱状图")) bar.render() # 折线图 from pyecharts.charts import Line from pyecharts import options as opts from pyecharts.globals import ThemeType,RenderType x_data=['1月','2月','3月','4月','5月','6月'] y_data1=[2,4.9,7,23.2,25.6,76.7] y_data2=[2.6,5.9,9,26.4,28.7,70.7] y_data3=[2,2.2,3.3,4.5,6.3,10.2] line=( Line() .add_xaxis(x_data) .add_yaxis('蒸发量',y_data1) .add_yaxis('降水量',y_data2) .add_yaxis('平均温度',y_data3) ) line.render("zhexiantu.html") # 饼图 from pyecharts.faker import Faker from pyecharts.charts import Pie import pyecharts.options as opts Faker.choose() Faker.values() list(zip(Faker.choose(),Faker.values())) pie=( Pie() .add('',[list(x) for x in zip(["衬衫","毛衣","领带","裤子","风衣","高跟鞋","袜子"],[120,56,28,98,129,28,107])],center=[450,300],radius=[0,100]) ) pie.set_global_opts(title_opts=opts.TitleOpts(title='销售情况饼图',subtitle='商家A')) pie.render() # 多图布局 grid=( Grid() .add(bar,grid_opts=opts.GridOpts(pos_left="70%")) .add(line,grid_opts=opts.GridOpts(pos_right="70%")) .add(pie,grid_opts=opts.GridOpts(pos_bottom="80%")) ) grid.render("2102010216-刘云龙.html")换成matplotlib和pandas

好的，以下是将代码转换为使用 matplotlib 和 pandas 的版本：

import matplotlib.pyplot as plt
import pandas as pd

# 柱状图
df_bar = pd.DataFrame({
    '商品': ["衬衫","毛衣","领带","裤子","风衣","高跟鞋","袜子"],
    '商家A': [120,56,28,98,129,28,107],
    '商家B': [60,140,153,145,160,70,54]
})

ax = df_bar.plot(x='商品', kind='bar')
ax.set_title('商家A和商家B销售情况柱状图')

plt.show()

# 折线图
df_line = pd.DataFrame({
    '月份': ['1月','2月','3月','4月','5月','6月'],
    '蒸发量': [2,4.9,7,23.2,25.6,76.7],
    '降水量': [2.6,5.9,9,26.4,28.7,70.7],
    '平均温度': [2,2.2,3.3,4.5,6.3,10.2]
})

ax = df_line.plot(x='月份', kind='line')
ax.set_title('蒸发量、降水量和平均温度折线图')

plt.show()

# 饼图
df_pie = pd.DataFrame({
    '商品': ["衬衫","毛衣","领带","裤子","风衣","高跟鞋","袜子"],
    '销售量': [120,56,28,98,129,28,107]
})

ax = df_pie.plot(kind='pie', y='销售量', labels=df_pie['商品'], autopct='%1.1f%%', startangle=90)
ax.set_title('销售情况饼图')

plt.show()

# 多图布局
fig, axs = plt.subplots(ncols=3)

# 柱状图
df_bar.plot(x='商品', kind='bar', ax=axs[0])
axs[0].set_title('商家A和商家B销售情况柱状图')

# 折线图
df_line.plot(x='月份', kind='line', ax=axs[1])
axs[1].set_title('蒸发量、降水量和平均温度折线图')

# 饼图
df_pie.plot(kind='pie', y='销售量', labels=df_pie['商品'], autopct='%1.1f%%', startangle=90, ax=axs[2])
axs[2].set_title('销售情况饼图')

plt.tight_layout()
plt.show()

注意：由于 pandas 的 `plot()` 函数默认使用的是 matplotlib，因此在使用 pandas 绘图时其实已经间接使用了 matplotlib。