pyecharts 是 web 前端数据可视化库 Echarts 的一个 python 包装。实在说，我本人认认真真使用 pyecharts 的次数不超过5次。

那为啥我要写这样的文章？源自于最近有好几位小伙伴他们使用 pyecharts 的过程中，有些配置不会写，于是过来问我。

解决问题后，他们都问了我几个问题

"你到底是怎么学 pyecharts 的，为什么这么容易找到配置？"

"到底学 pyecharts 还是 Echarts？"

今天我就分享其中的学习过程。

当然，我们也可以自制方便的自动生成代码的小工具，比如：

用一个普通的柱状图为例，用 Echarts 配置是这样子的：

用 pyecharts 代码是这样子：

哇，pyecharts 多简洁。这大概就是大伙喜欢 pyecharts 的原因。

但是，真实情况是经常需要调整图表的细节。

比如，让 x 轴上的文字变成红色。

直观上来看，我第一时间是想，既然是 x 轴，那肯定是在 .add_xaxis 方法里面有参数设置吧。结果当然不对：

原来这方法只是添加数据，是不是应该叫 add_xaxis_data ？

熟悉 pyecharts 的小伙伴肯定会说，配置要用 set_global_opts 。

但是，当我看到里面的参数要层层套娃的时候，我的手都开始抖了。

正确写法是

期间我需要实例化两个类，并且全是在大量的函数参数下寻找我需要的目标。

有人说，官方文档有函数每个参数的注释，你会查而已。给大家看看文档是怎么样的

问题是，这里又要填另一个类的对象了。

现在看看在 Echarts 中怎么找。

到官方文档的配置页：

不用想吧，肯定是 xAxis 里面。

肯定是这个 axis label了。继续点击，很快就找到 color，并且有非常详细中文文档：

但该怎么用啊？点击预览，直接设置：

复制过来就可以用了：

这就是我不喜欢使用 pyecharts 的原因。Echarts 官方文档这么详细并且自带可见即可用的效果，我们却要去查一堆函数参数的注释。

但是上面得到的是 js 代码，怎么用在 pyecharts 里面呢？

必须得承认，pyecharts 节省了添加数据的过程，但是图表配置却非常麻烦。我们可以结合起来，仍然是前面的例子，第一种改进方式：

这是可行的，但是略显麻烦。所以，我们可以基于 set_global_opts 的改进：

这种方式的缺点就是，你仍然需要在 set_global_opts 的大量参数中寻找到 xaxis_opts 。

这种方式可以让我们只需要重点熟悉 set_global_opts 函数即可，其余的事情就去查 Echarts 文档即可。

但你可能会觉得，前面在查 Echarts 文档的过程中，需要熟悉配置结构才可以。实际上，我们更多使用搜索功能得到结果。比如：

搜索 '刻度 标签 颜色' 即可。你只需要了解基本的图表构成各个部分的概念名字即可。

比如，坐标轴上的零部件通常叫"刻度"，所以如果你搜索 "刻度 颜色" ：

所以，如果我现在使用 pyecharts，我只是查阅构造基本图表的方法，特别是添加数据的方法而已。当需要调整图表细节时，查阅 Echarts 文档。

如果你使用 gpt 之类的人工智能，建议你使用 Echarts 关键字，而非 pyecharts

当然，我觉得这种方式还有改进空间。既然现在 python 出来了这么多 web 界面库，为什么我们不自己造一个查询界面，自动生成各种库的使用代码？

接下来我会把制作过程中涉及的 python 知识点通过文章方式分享，这是一个非常好的入门 python 的实战项目。