Python pyecharts数据可视化实例详解

一、数据可视化

1.pyecharts介绍

官方网址：https://pyecharts.org/#/zh-cn/intro

📣 概况：

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，使用JavaScript实现的。

而pyechart是由国内的大佬们用python调用Echarts库实现，可以帮助我们轻松搭配出精美的图表。

✨ 特性：

简洁的 API 设计，使用如丝滑般流畅，支持链式调用；

囊括了 30+ 种常见图表，应有尽有；

支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab；

可轻松集成至 Flask，Django 等主流 Web 框架；

高度灵活的配置项，可轻松搭配出精美的图表；

详细的文档和示例，帮助开发者更快的上手项目；

多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持。

安装： pip install pyecharts

2.初入了解

(1).快速上手

这是官网上提供的两种写法，链式调用与单独调用写法，全凭自己的习惯。

更多示例：https://gallery.pyecharts.org/#/Bar/stack_bar_percent

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

# V1 版本开始支持链式调用
# 你所看到的格式其实是 `black` 格式化以后的效果
# 可以执行 `pip install black` 下载使用
bar = (
   Bar()
   .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
   .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
   .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
   # 或者直接使用字典参数
   # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"})
)
bar.render()

# 不习惯链式调用的开发者依旧可以单独调用方法
bar = Bar()
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
bar.render()
# bar.render_notebook()##在jupyter中好用
# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件
# 也可以传入路径参数，如 bar.render("mycharts.html")

(2).简单的配置项介绍

这里只是提供了感觉能用到的注释介绍，要了解更多的信息还请去官方文档查看，里面的注释、案例也非常地全面。

使用 options 配置项，在 pyecharts 中，一切皆 Options。begin！！！

import pyecharts.options as opts #使用 options 配置项，在 pyecharts 中，一切皆 Options。
from pyecharts.charts import Pie #饼图
from pyecharts.faker import Faker #导入自带的数据
fc = Faker.choose()
print('fc', fc)
fv = Faker.values()
print('fv',fv)
##链式调用写法
c = (
   #初始化配置项
   Pie(
       init_opts=opts.InitOpts(
           # 图表画布宽度，css 长度单位。
           width="1200px",
           # 图表画布高度，css 长度单位。
           height="700px",
           # 网页标题
           page_title='我是网页标题',
           # 图表主题
           theme='dark',
           # 图表背景颜色
           bg_color="#2c343c",
           # 图表 ID，图表唯一标识，用于在多图表时区分。
           chart_id='',
           )
   )
   .add(
       "图例", #图例，请用鼠标指向图形区域时查看
       [list(z) for z in zip(fc, fv)], ##数据 列表嵌套列表，如：[['衬衫', 97], ['毛衣', 29], ['领带', 109], ['裤子', 117], ['风衣', 53], ['高跟鞋', 85], ['袜子', 143]]
       # center=["50％", "50％"],#图形居中，默认居中
   )
   #设置全局配置项
   .set_global_opts(
   # 标题配置项，更多请看官方文档https://pyecharts.org/#/zh-cn/global_options?id=titleopts％ef％bc％9a％e6％a0％87％e9％a2％98％e9％85％8d％e7％bd％ae％e9％a1％b9
   title_opts=opts.TitleOpts(title="主标题",
                             title_textstyle_opts=opts.TextStyleOpts(font_size=25),#文本大小
                             title_link='xxx.html', # 主标题跳转 URL 链接
                             subtitle='副标题',
                             subtitle_textstyle_opts=opts.TextStyleOpts(font_style='oblique',font_family='Microsoft YaHei', color='#eb1212')#字体风格，字体样式,字体颜色，
                             ),
   # 图例配置项，更多请看官方文档https://pyecharts.org/#/zh-cn/global_options?id=legendopts％ef％bc％9a％e5％9b％be％e4％be％8b％e9％85％8d％e7％bd％ae％e9％a1％b9
   legend_opts=opts.LegendOpts(
       is_show=True, #  是否显示图例组件
       #图例组件离容器左侧的距离。
       # left 的值可以是像 20 这样的具体像素值，可以是像 '20％' 这样相对于容器高宽的百分比，
       # 也可以是 'left', 'center', 'right'。
       # 如果 left 的值为'left', 'center', 'right'，组件会根据相应的位置自动对齐。
       pos_left = '900px',
       # 图例组件离容器右侧的距离。
       # right 的值可以是像 20 这样的具体像素值，可以是像 '20％' 这样相对于容器高宽的百分比。
       pos_right = None,
       # 图例组件离容器上侧的距离。
       # top 的值可以是像 20 这样的具体像素值，可以是像 '20％' 这样相对于容器高宽的百分比，
       # 也可以是 'top', 'middle', 'bottom'。
       # 如果 top 的值为'top', 'middle', 'bottom'，组件会根据相应的位置自动对齐。
       pos_top = '30px',
       # 图例组件离容器下侧的距离。
       # bottom 的值可以是像 20 这样的具体像素值，可以是像 '20％' 这样相对于容器高宽的百分比。
       pos_bottom = None,
       # 图例列表的布局朝向。可选：'horizontal', 'vertical'
       orient = 'vertical',
       # 图例标记和文本的对齐。默认自动（auto）
       # 根据组件的位置和 orient 决定
       # 当组件的 left 值为 'right' 以及纵向布局（orient 为 'vertical'）的时候为右对齐，即为 'right'。
       # 可选参数: `auto`, `left`, `right`
       align = 'auto',
       # 图例内边距，单位px，默认各方向内边距为5
       padding = 5,
       # 图例每项之间的间隔。横向布局时为水平间隔，纵向布局时为纵向间隔。
       # 默认间隔为 10
       item_gap = 10,
       # 图例标记的图形宽度。默认宽度为 25
       item_width = 25,
       # 图例标记的图形高度。默认高度为 14
       item_height = 14,
       # 图例关闭时的颜色。默认是 #ccc
       inactive_color = '#ffffff',
       ),
   # 视觉映射配置项https://pyecharts.org/#/zh-cn/global_options?id=visualmapopts％ef％bc％9a％e8％a7％86％e8％a7％89％e6％98％a0％e5％b0％84％e9％85％8d％e7％bd％ae％e9％a1％b9
   visualmap_opts = opts.VisualMapOpts(
           # 是否为分段型
           is_piecewise = True,
           # 是否反转 visualMap 组件
           is_inverse = False,
           # 自定义的每一段的范围，以及每一段的文字，以及每一段的特别的样式。例如：
           pieces = [
             {"min": 1500}, #// 不指定 max，表示 max 为无限大（Infinity）。
             # {"min": 900, "max": 1500},
             {"min": 310, "max": 1000},
             {"min": min(fv), "max": max(fv)},###这里由于数据范围的缘故，导致渲染出的图不好看
             {"min": 10, "max": max(fv)/2, "label": f'10 到 {max(fv)/2}（自定义label）'},
             {"value": fv[0], "label": '123（自定义特殊颜色）', "color": 'grey'}, #//表示 value 等于 123 的情况
             {"value": fv, "label": 'SSS', "color": 'red'},
             {"max": 5}     #// 不指定 min，表示 min 为无限大（-Infinity）。
           ]
       ),
   )
   #设置系列配置项，https://pyecharts.org/#/zh-cn/series_options?id=itemstyleopts％ef％bc％9a％e5％9b％be％e5％85％83％e6％a0％b7％e5％bc％8f％e9％85％8d％e7％bd％ae％e9％a1％b9
   # .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
   .render("pie_position.html")
)

3.案例实战

本次要对薪资、工作地点、招聘要求里面的经验与学历进行数据处理并可视化。

(1).柱状图Bar

按住鼠标中间滑轮或鼠标左键可进行调控。

import pandas as pd
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
city = python_data['工作地点'].value_counts()
###柱状图
from pyecharts.charts import Bar
c = (
   Bar()
   .add_xaxis(city.index.tolist()) #城市列表数据项
   .add_yaxis("Python", city.values.tolist())#城市对应的岗位数量列表数据项
   .set_global_opts(
       title_opts=opts.TitleOpts(title="Python招聘岗位所在城市分布情况"),
       datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
       xaxis_opts=opts.AxisOpts(name='城市'),  # 设置x轴名字属性
       yaxis_opts=opts.AxisOpts(name='岗位数量'),  # 设置y轴名字属性
   )
   .render("bar_datazoom_both.html")
)

(2).地图Map

省份

这里对所在省份进行可视化。

import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
city = python_data['工作地点'].value_counts()
city_list = [list(ct) for ct in city.items()]
def province_city():
   '''这是从接口里爬取的数据（不太准，但是误差也可以忽略不计！）'''
   area_data = {}
   with open('./中国省份_城市.txt', mode='r', encoding='utf-8') as f:
       for line in f:
           line = line.strip().split('_')
           area_data[line[0]] = line[1].split(',')
   province_data = []
   for ct in city_list:
       for k, v in area_data.items():
           for i in v:
               if ct[0] in i:
                   ct[0] = k
                   province_data.append(ct)
   area_data_deepcopy = copy.deepcopy(area_data)
   for k in area_data_deepcopy.keys():
       area_data_deepcopy[k] = 0
   for i in province_data:
       if i[0] in area_data_deepcopy.keys():
           area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] +i[1]
   province_data = [[k,v]for k,v in area_data_deepcopy.items()]
   best = max(area_data_deepcopy.values())
   return province_data,best
province_data,best = province_city()
#地图_中国地图（带省份）Map-VisualMap（连续型）
c2 = (
   Map()
   .add( "Python",province_data, "china")
   .set_global_opts(
       title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
       visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
   )
   .render("map_china.html")
)

这是 中国省份_城市.txt 里面的内容，通过[接口]抓取到的中国地区信息。

源码：

import requests
import json
header = {
   "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36",
}
response = requests.get('https://j.i8tq.com/weather2020/search/city.js',headers=header)
result = json.loads(response.text[len('var city_data ='):])
print(result)
each_province_data = {}
f = open('./中国省份_城市.txt',mode='w',encoding='utf-8')
for k,v in result.items():
   province = k
   if k in ['上海', '北京', '天津', '重庆']:
       city = '，'.join(list(v[k].keys()))
   else:
       city = '，'.join(list(v.keys()))
   f.write(f'{province}_{city}\n')
   each_province_data[province] = city
f.close()
print(each_province_data)

城市

这里对所在城市进行可视化。

import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
city = python_data['工作地点'].value_counts()
city_list = [list(ct) for ct in city.items()]
###地图_中国地图（带城市）——Map-VisualMap（分段型）
from pyecharts.charts import Map
c1 = (
   Map(init_opts=opts.InitOpts(width="1244px", height="700px",page_title='Map-中国地图（带城市）', bg_color="#f4f4f4"))
   .add(
       "Python",
       city_list,
       "china-cities", #地图
       label_opts=opts.LabelOpts(is_show=False),
   )
   .set_global_opts(
       title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
       visualmap_opts=opts.VisualMapOpts(max_=city_list[0][1],is_piecewise=True),
   )
   .render("map_china_cities.html")
)

地区

这里对上海地区可视化。

import pandas as pd
import copy
from pyecharts import options as opts
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data_deepcopy = copy.deepcopy(python_data) #深复制一份数据
shanghai_data = []
sh = shanghai_data.append
for i in python_data_deepcopy['工作地点']:
   if '上海' in i:
       if len(i.split('-')) > 1:
           sh(i.split('-')[1])
shanghai_data = pd.Series(shanghai_data).value_counts()
shanghai_data_list = [list(sh) for sh in shanghai_data.items()]
#上海地图
c3 = (
   Map()
   .add("Python", shanghai_data_list, "上海") ###这个可以更改地区（如：成都）这里改了的话，上面的数据处理也要做相应的更改
   .set_global_opts(
       title_opts=opts.TitleOpts(title="Map-上海地图"),
       visualmap_opts=opts.VisualMapOpts(max_=shanghai_data_list[0][1])
   )
   .render("map_shanghai.html")
)

(3).饼图Pie

Pie1

from pyecharts import options as opts
from pyecharts.charts import Pie
import pandas as pd
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
require_list = []
rl = require_list.append
for i in python_data['招聘要求']:
   if '经验' in i:
       rl(i.split(' ')[1])
   else:
       rl('未知')
python_data['招聘要求'] = require_list
require = python_data['招聘要求'].value_counts()
require_list = [list(ct) for ct in require.items()]
print(require_list)
c = (
   Pie()
   .add(
       "",
       require_list,
       radius=["40％", "55％"],
       label_opts=opts.LabelOpts(
           position="outside",
           formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}％}  ",
           background_color="#eee",
           border_color="#aaa",
           border_width=1,
           border_radius=4,
           rich={
               "a": {"color": "#999", "lineHeight": 22, "align": "center"},
               "abg": {
                   "backgroundColor": "#e3e3e3",
                   "width": "100％",
                   "align": "right",
                   "height": 22,
                   "borderRadius": [4, 4, 0, 0],
               },
               "hr": {
                   "borderColor": "#aaa",
                   "width": "100％",
                   "borderWidth": 0.5,
                   "height": 0,
               },
               "b": {"fontSize": 16, "lineHeight": 33},
               "per": {
                   "color": "#eee",
                   "backgroundColor": "#334455",
                   "padding": [2, 4],
                   "borderRadius": 2,
               },
           },
       ),
   )
   .set_global_opts(
       title_opts=opts.TitleOpts(title="工作经验要求"),
       legend_opts=opts.LegendOpts(padding=20, pos_left=500),
   )
   .render("pie_rich_label.html")
)

Pie2

from pyecharts import options as opts
from pyecharts.charts import Pie
import pandas as pd
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
xueli_list = []
xl = xueli_list.append
for i in python_data['招聘要求']:
   if len(i.split(' ')) == 3:
       xl(i.split(' ')[2])
   else:
       xl('未知')
python_data['招聘要求'] = xueli_list
xueli_require = python_data['招聘要求'].value_counts()
xueli_require_list = [list(ct) for ct in xueli_require.items()]
c = (
   Pie()
   .add(
       "",
       xueli_require_list,
       radius=["30％", "55％"],
       rosetype="area",
   )
   .set_global_opts(title_opts=opts.TitleOpts(title="学历要求"))
   .render("pie_rosetype.html")
)

(4).折线图Line

这里对薪资情况进行可视化。

import pandas as pd
import re
python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
sal = python_data['薪资']
xin_zi1 = []
xin_zi2 = []
xin_zi3 = []
xin_zi4 = []
xin_zi5 = []
xin_zi6 = []
for s in sal:
   s = str(s)
   if '千' in s:
       xin_zi1.append(s)
   else:
       if re.findall('-(.*?)万',s):
           s = float(re.findall('-(.*?)万',s)[0])
           if 1.0<s<=1.5:
               xin_zi2.append(s)
           elif 1.5<s<=2.5:
               xin_zi3.append(s)
           elif 2.5<s<=3.2:
               xin_zi4.append(s)
           elif 3.2<s<=4.0:
               xin_zi5.append(s)
           else:
               xin_zi6.append(s)
xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
         ['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
import pyecharts.options as opts
from pyecharts.charts import Line
x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
c2 = (
   Line()
   .add_xaxis(x)
   .add_yaxis(
       "Python",
       y,
       markpoint_opts=opts.MarkPointOpts(
           data=[opts.MarkPointItem(name="max", coord=[x[2], y[2]], value=y[2])] #name='自定义标记点'
       ),
   )
   .set_global_opts(title_opts=opts.TitleOpts(title="薪资情况"),
                    xaxis_opts=opts.AxisOpts(name='薪资范围'),  # 设置x轴名字属性
                    yaxis_opts=opts.AxisOpts(name='数量'),  # 设置y轴名字属性
                    )
   .render("line_markpoint_custom.html")
)

(5).组合图表

最后，将多个html上的图表进行合并成一个html图表。

首先，我们执行下面这串格式的代码（只写了四个图表，自己做相应添加即可）

import pandas as pd
from pyecharts.charts import Bar,Map,Pie,Line,Page
from pyecharts import options as opts

python_data = pd.read_csv('./testDataPython-2022-05-01_11_48_36.csv')
python_data['工作地点'] = [i.split('-')[0] for i in python_data['工作地点']]
city = python_data['工作地点'].value_counts()
city_list = [list(ct) for ct in city.items()]

###柱状图
def bar_datazoom_slider() -> Bar:
   c = (
       Bar()
       .add_xaxis(city.index.tolist()) #城市列表数据项
       .add_yaxis("Python", city.values.tolist())#城市对应的岗位数量列表数据项
       .set_global_opts(
           title_opts=opts.TitleOpts(title="Python招聘岗位所在城市分布情况"),
           datazoom_opts=[opts.DataZoomOpts(), opts.DataZoomOpts(type_="inside")],
           xaxis_opts=opts.AxisOpts(name='城市'),  # 设置x轴名字属性
           yaxis_opts=opts.AxisOpts(name='岗位数量'),  # 设置y轴名字属性
       )
   )
   return c
# 地图_中国地图（带省份）Map-VisualMap（连续型）
def map_china() -> Map:
   import copy
   area_data = {}
   with open('./中国省份_城市.txt', mode='r', encoding='utf-8') as f:
       for line in f:
           line = line.strip().split('_')
           area_data[line[0]] = line[1].split(',')
   province_data = []
   for ct in city_list:
       for k, v in area_data.items():
           for i in v:
               if ct[0] in i:
                   ct[0] = k
                   province_data.append(ct)
   area_data_deepcopy = copy.deepcopy(area_data)
   for k in area_data_deepcopy.keys():
       area_data_deepcopy[k] = 0
   for i in province_data:
       if i[0] in area_data_deepcopy.keys():
           area_data_deepcopy[i[0]] = area_data_deepcopy[i[0]] + i[1]
   province_data = [[k, v] for k, v in area_data_deepcopy.items()]
   best = max(area_data_deepcopy.values())
   c = (
       Map()
           .add("Python", province_data, "china")
           .set_global_opts(
           title_opts=opts.TitleOpts(title="Python招聘岗位——全国分布情况"),
           visualmap_opts=opts.VisualMapOpts(max_=int(best / 2)),
       )
   )
   return c
#饼图
def pie_rich_label() -> Pie:
   require_list = []
   rl = require_list.append
   for i in python_data['招聘要求']:
       if '经验' in i:
           rl(i.split(' ')[1])
       else:
           rl('未知')
   python_data['招聘要求'] = require_list
   require = python_data['招聘要求'].value_counts()
   require_list = [list(ct) for ct in require.items()]
   c = (
       Pie()
           .add(
           "",
           require_list,
           radius=["40％", "55％"],
           label_opts=opts.LabelOpts(
               position="outside",
               formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}％}  ",
               background_color="#eee",
               border_color="#aaa",
               border_width=1,
               border_radius=4,
               rich={
                   "a": {"color": "#999", "lineHeight": 22, "align": "center"},
                   "abg": {
                       "backgroundColor": "#e3e3e3",
                       "width": "100％",
                       "align": "right",
                       "height": 22,
                       "borderRadius": [4, 4, 0, 0],
                   },
                   "hr": {
                       "borderColor": "#aaa",
                       "width": "100％",
                       "borderWidth": 0.5,
                       "height": 0,
                   },
                   "b": {"fontSize": 16, "lineHeight": 33},
                   "per": {
                       "color": "#eee",
                       "backgroundColor": "#334455",
                       "padding": [2, 4],
                       "borderRadius": 2,
                   },
               },
           ),
       )
           .set_global_opts(
           title_opts=opts.TitleOpts(title="工作经验要求"),
           legend_opts=opts.LegendOpts(padding=20, pos_left=500),
       )
   )
   return c
#折线图
def line_markpoint_custom() -> Line:
   import re
   sal = python_data['薪资']
   xin_zi1 = []
   xin_zi2 = []
   xin_zi3 = []
   xin_zi4 = []
   xin_zi5 = []
   xin_zi6 = []
   for s in sal:
       s = str(s)
       if '千' in s:
           xin_zi1.append(s)
       else:
           if re.findall('-(.*?)万',s):
               s = float(re.findall('-(.*?)万',s)[0])
               if 1.0<s<=1.5:
                   xin_zi2.append(s)
               elif 1.5<s<=2.5:
                   xin_zi3.append(s)
               elif 2.5<s<=3.2:
                   xin_zi4.append(s)
               elif 3.2<s<=4.0:
                   xin_zi5.append(s)
               else:
                   xin_zi6.append(s)
   xin_zi = [['<10k',len(xin_zi1)],['10~15k',len(xin_zi2)],['15<25k',len(xin_zi3)],
             ['25<32k',len(xin_zi4)],['32<40k',len(xin_zi5)],['>40k',len(xin_zi6),]]
   x, y =[i[0] for i in xin_zi],[i[1] for i in xin_zi]
   c = (
       Line()
       .add_xaxis(x)
       .add_yaxis(
           "Python",
           y,
           markpoint_opts=opts.MarkPointOpts(
               data=[opts.MarkPointItem(name="MAX", coord=[x[2], y[2]], value=y[2])]
           ),
       )
       .set_global_opts(title_opts=opts.TitleOpts(title="薪资情况"),
                        xaxis_opts=opts.AxisOpts(name='薪资范围'),  # 设置x轴名字属性
                        yaxis_opts=opts.AxisOpts(name='数量'),  # 设置y轴名字属性
                        )
   )
   return c
#合并
def page_draggable_layout():
   page = Page(layout=Page.DraggablePageLayout)
   page.add(
       bar_datazoom_slider(),
       map_china(),
       pie_rich_label(),
       line_markpoint_custom(),
   )
   page.render("page_draggable_layout.html")

if __name__ == "__main__":
   page_draggable_layout()

执行完后，会在当前目录下生成一个page_draggable_layout.html。

然后我们用浏览器打开，就会看到下面这样，我们可以随便拖动虚线框来进行组合，组合好后点击Save Config就会下载一个chart_config.json，然后在文件中找到它，剪切到py当前目录。

文件放置好后，可以新建一个py文件来执行以下代码，这样就会生成一个resize_render.html，也就完成了。

from pyecharts.charts import Page
Page.save_resize_html('./page_draggable_layout.html',cfg_file='chart_config.json')

最后，点击打开resize_render.html，我们合并成功的图表就是这样啦！

对大家有帮助的话，记得点赞收藏一下！！！

二、案例数据获取

这篇博文中有提及：https://www.jb51.net/article/247103.htm

来源：https://blog.csdn.net/qq_59142194/article/details/124540409