vcharts
vcharts就是基于vue对echarts进行封装后的图表组件,其配置有两个参数settting和extend，settings的参数格式参照vcharts的官方文档(https://v-charts.js.org/#/),extend参照echarts的官方文档，如果同时存在两个参数，extend会覆盖掉settings中相同的配置
感觉vcharts使用的数据格式比vcharts简单一点

xAxis： {
    show: true,    // 是否显示 x 轴
    position: 'top',    // x 轴的位置（'top'，'bottom'） 
    type: 'category',    // 坐标轴类型
    nameRotate: 10,    // 坐标轴名字旋转，角度值
    inverse: false,    // 是否是反向坐标轴
    boundaryGap: ['20%', '20%'],    // 坐标轴两边留白策略
    splitNumber: 5,    // 坐标轴的分割段数（预估值）
    axisLine: {
        show: true,    // 是否显示坐标轴轴线
        symbol: ['none', 'arrow'],     // 轴线两端箭头，两个值，none表示没有箭头，arrow表示有箭头
        symbolSize: [10, 15],     // 轴线两端箭头大小，数值一表示宽度，数值二表示高度
        lineStyle: {
            color: '#333',    // 坐标轴线线的颜色
            width: '5',    // 坐标轴线线宽
            type: 'solid',     // 坐标轴线线的类型（'solid'，实线类型；'dashed'，虚线类型；'dotted',点状类型）
        },
    },
    axisTick: {
        show: true,    // 是否显示坐标轴刻度
        inside: true,     // 坐标轴刻度是否朝内，默认朝外
        length: 5,    // 坐标轴刻度的长度
        lineStyle: {
            color: '#FFF',     // 刻度线的颜色
            width: 10,    // 坐标轴刻度线宽
            type: 'solid',     // 坐标轴线线的类型（'solid'，实线类型；'dashed'，虚线类型；'dotted',点状类型）
        },
    },
    axisLabel: {
        show: true,     // 是否显示刻度标签
        interval: '0',    // 坐标轴刻度标签的显示间隔，在类目轴中有效.0显示所有
        inside: true,    // 刻度标签是否朝内，默认朝外
        rotate: 90,    // 刻度标签旋转的角度，在类目轴的类目标签显示不下的时候可以通过旋转防止标签之间重叠；旋转的角度从 -90 度到 90 度
        margin: 10,    // 刻度标签与轴线之间的距离
        // formatter 刻度标签的内容格式器，支持字符串模板和回调函数两种形式
        color: '#FFF',     // 刻度标签文字的颜色
        fontStyle: 'normal',    // 文字字体的风格（'normal'，无样式；'italic'，斜体；'oblique'，倾斜字体） 
        fontWeight: 'normal',    // 文字字体的粗细（'normal'，无样式；'bold'，加粗；'bolder'，加粗的基础上再加粗；'lighter'，变细；数字定义粗细也可以，取值范围100至700）
        fontSize: '20',    // 文字字体大小
        align: 'left',     // 文字水平对齐方式，默认自动（'left'，'center'，'right'）
        verticalAlign: 'left',    // 文字垂直对齐方式，默认自动（'top'，'middle'，'bottom'
        lineHeight: '50',    // 行高 ）
        backgroundColor: 'red',    // 文字块背景色，例：'#123234', 'red', 'rgba(0,23,11,0.3)'
    },
    splitLine: {
        show: true,    // 是否显示分隔线。默认数值轴显示，类目轴不显示
        interval: '0',    // 坐标轴刻度标签的显示间隔，在类目轴中有效.0显示所有
        color: ['#ccc'],    // 分隔线颜色，可以设置成单个颜色，也可以设置成颜色数组，分隔线会按数组中颜色的顺序依次循环设置颜色
        width: 3,    // 分隔线线宽
        type: 'solid',     // 坐标轴线线的类型（'solid'，实线类型；'dashed'，虚线类型；'dotted',点状类型）
    },
    splitArea: {
        show: true,    // 是否显示分隔区域
        interval: '0',    // 坐标轴刻度标签的显示间隔，在类目轴中有效.0显示所有
        areaStyle: {
            color: ['rgba(250,250,250,0.3)','rgba(200,200,200,0.3)'],    // 分隔区域颜色。分隔区域会按数组中颜色的顺序依次循环设置颜色。默认是一个深浅的间隔色
            opacity: 1,    // 图形透明度。支持从 0 到 1 的数字，为 0 时不绘制该图形
        },
    },
    data: {
        textStyle: {
            color: '#FFF',     // 文字的颜色
            fontStyle: 'normal',    // 文字字体的风格（'normal'，无样式；'italic'，斜体；'oblique'，倾斜字体） 
            fontWeight: 'normal',    // 文字字体的粗细（'normal'，无样式；'bold'，加粗；'bolder'，加粗的基础上再加粗；'lighter'，变细；数字定义粗细也可以，取值范围100至700）
            fontSize: '20',    // 文字字体大小
            align: 'left',     // 文字水平对齐方式，默认自动（'left'，'center'，'right'）
            verticalAlign: 'left',    // 文字垂直对齐方式，默认自动（'top'，'middle'，'bottom'
            lineHeight: '50',    // 行高 ）
            backgroundColor: 'red',    // 文字块背景色，例：'#123234', 'red', 'rgba(0,23,11,0.3)'
        },
    },
}

这个问题，我们有很多方式都可以来实现：
第一种方式：

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
x = np.arange(0,10,1)   #这个函数的第三个参数表示的是步长，以此进行划分
z = x**2
y = np.linspace(1,10,10)  #这个函数的第三个参数表示的是用几个点去划分，作为y的值

plt.plot(x,z,color = 'red',linewidth=1.0,linestyle='--')
#线颜色   线宽   线样式

plt.title(u'方法一')        #设置标题
plt.xlabel('X')             #设置x，y轴的标签
plt.ylabel('Y')
plt.xlim(0,10)              #设置x,y的区间
plt.ylim(0,100)
#plt.axis([0,10,0,100])这一句可以替换以上两句
plt.xticks([0,1,2,3,4,5,6,7,8,9,10])
# 第一个参数是点的位置，第二个参数是点的文字提示。
plt.yticks([0, 20, 60, 80, 100],
          [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$'])
          #$表示特殊的字体，这边如果后期有需要可以上网查，空格需要转译，数学alpha可以用\来实现
ax = plt.gca()      #gca='get current axis'
# 将右边和上边的边框（脊）的颜色去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax = plt.gca()
# 绑定x轴和y轴
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# # 定义x轴和y轴的位置
ax.spines['bottom'].set_position(('data', 10))
ax.spines['left'].set_position(('data', 2))

plt.show()

方法二：

import numpy as np
import matplotlib.pyplot as plt


x = np.arange(0,10,1)   #这个函数的第三个参数表示的是步长，以此进行划分
z = x**2

ax = plt.subplot()
ax.plot(x,z)

ax.set_xlim(0,10)
ax.set_ylim(0,100)
ax.set_title(u'方法二')
ax.set_xlabel('X')
ax.set_ylabel('Y')

ax.set_yticks([0,10,20,50,100])
ax.set_yticklabels(('one','two','three', 'four', 'five'))   # 不显示‘five’
plt.show()

第三种：

from pylab import *
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

xmajorLocator   = MultipleLocator(20) #将x主刻度标签设置为20的倍数
xmajorFormatter = FormatStrFormatter('%1.1f') #设置x轴标签文本的格式
xminorLocator   = MultipleLocator(5) #将x轴次刻度标签设置为5的倍数

ymajorLocator   = MultipleLocator(0.5) #将y轴主刻度标签设置为0.5的倍数
ymajorFormatter = FormatStrFormatter('%1.1f') #设置y轴标签文本的格式
yminorLocator   = MultipleLocator(0.1) #将此y轴次刻度标签设置为0.1的倍数

t = arange(0.0, 100.0, 1)
s = sin(0.1*pi*t)*exp(-t*0.01)

ax = subplot(111) #注意:一般都在ax中设置,不再plot中设置
plot(t,s,'--b*')

#设置主刻度标签的位置,标签文本的格式
ax.xaxis.set_major_locator(xmajorLocator)
ax.xaxis.set_major_formatter(xmajorFormatter)

ax.yaxis.set_major_locator(ymajorLocator)
ax.yaxis.set_major_formatter(ymajorFormatter)

#显示次刻度标签的位置,没有标签文本
ax.xaxis.set_minor_locator(xminorLocator)
ax.yaxis.set_minor_locator(yminorLocator)

ax.xaxis.grid(True, which='major') #x坐标轴的网格使用主刻度
ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度

show()

目前更新到这里，后期还有补充会继续完善这篇博客！

根据目的并运用常识选择最有效的图形来传达要点。

1 如果要说明空间关系，则地图或照片可能是最佳选择。
2 如果要说明比例，饼状图或条形图是首选。
3 如果要说明两个变量之间的关系，可尝试折线图或散点图。

柱状图/条形图

将一群人按一定标准分为A,B,C,D四种类型，作图展示各类型下人群的年龄分布。

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

columns = ["A","B","C","D"]
data1 = [26.86,15.56,10.62,14.07]
data2 = [36.87,28.61,25.86,41.13]
data3 = [24.38,28.58,30.32,22.74]
data4 = [10.15,21.31,26.64,18.99]
data5 = [1.74,5.95,6.57,3.07]

bar=(
    Bar(
#         init_opts=opts.InitOpts(theme=ThemeType.VINTAGE)  # 设置主题
#         width='800px',  # 指定图片宽度
#         height='400px',  # 指定图片高度
    )
    .add_xaxis(columns)
    .add_yaxis("≤24", data1)
    .add_yaxis("25-34", data2)
    .add_yaxis("35-49", data3)
    .add_yaxis("50-64", data4)
    .add_yaxis("≥65", data5)
#         .set_colors(["blue","red","black","green","orange"])  # 柱子的颜色
#         .reversal_axis()   # xy轴交换
    .set_global_opts(
# #             标题设置
#             title_opts=opts.TitleOpts(title='title',
#                                       subtitle='subtitle',
# #             标题文字格式
#                                       title_textstyle_opts=opts.TextStyleOpts(color='red',
#                                                                               font_size=12,
#                                                                               font_family='Times New Roman',
#                                                                               font_weight='bold',
#
# #             副标题文字格式                                                                              ),
#                                       subtitle_textstyle_opts=opts.TextStyleOpts(color='blue',
#                                                                                  font_size=12,
#                                                                                  font_family='Times New Roman',
#                                                                                  font_weight='bold',
#                                                                                 ),
#                                      )
#             图例设置
        legend_opts=opts.LegendOpts(
            pos_left='right',    # 图例放置的位置，分上下左右，可用左右中表示，也可用百分比表示
            pos_top='center',
            orient='vertical',   # horizontal、vertical #图例放置的方式 横着放or竖着放
            textstyle_opts=opts.TextStyleOpts(
                font_size=12,
                font_family='Times New Roman',
            ),
        ),
        xaxis_opts=opts.AxisOpts(
            name='Type',
            name_location='middle',
            name_gap=20,
#                 x轴名称的格式配置
            name_textstyle_opts=opts.TextStyleOpts(
                font_family= 'Times New Roman',
                font_size=14,
            ),
#                 坐标轴刻度配置项
            axistick_opts=opts.AxisTickOpts(
#                     is_show=False,  # 是否显示
                is_inside=True,  # 刻度线是否在内侧
            ),
#                 坐标轴线的配置
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(
                    width=1,
                    color='black',
                )
            ),
#                 坐标轴标签的配置
            axislabel_opts=opts.LabelOpts(
                font_size=12,
                font_family='Times New Roman',
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            name='Proportion(%)',
            name_location='middle',
            name_gap=30,
            name_textstyle_opts=opts.TextStyleOpts(
                font_family= 'Times New Roman',
                font_size=14,
                color='black',
#                     font_weight='bolder',
            ),
            axistick_opts=opts.AxisTickOpts(
#                     is_show=False,  # 是否显示
                is_inside=True,  # 刻度线是否在内侧
            ),
            axislabel_opts=opts.LabelOpts(
                font_size=12,
                font_family='Times New Roman',
            ),
        ),
#             显示工具栏
        toolbox_opts=opts.ToolboxOpts(is_show=True),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(
#             position="Top",
            font_size=12,
            font_family='Times New Roman',
        )
    )
)

bar.render_notebook()

输出结果

通过snapshot-selenium将pyecharts做出的图导出为png格式
安装

pip install snapshot_selenium

调用

from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot

make_snapshot(snapshot, bar.render(), "D:\\test.png")