企业官网建设流程全解析

做数据可视化看板的时候，折线图是最常用也最容易做“糙”的图。很多人用 pyecharts 拉一个默认样式的折线图，坐标轴、图例、悬浮提示全用默认值，出来的图不能说错，但就是没有“产品感”。其实 pyecharts 的折线图，稍微往下挖一挖，能玩的东西非常多。这篇我一次讲透五个进阶点：多页面切换、渐变色填充、面积图效果、鼠标悬浮信息定制、以及多系列堆叠。

这些功能并不只是“好看”，它们分别解决实际痛点：多个图表放一页放不下的布局问题、单条线太单调的视觉问题、指标之间累加关系的表达问题、以及用户看数据时“想知道具体值却要猜”的交互问题。适合正在做数据报表、运营看板、监控大屏，或者单纯想把图表做得更专业的 Python 开发者和数据分析师。我把配置逻辑、代码细节、以及我实际踩过的坑一并整理出来，直接照着抄即可。

1. 折线图进阶功能的设计思路：先想清楚每个功能解决什么问题

很多人一上来就套 API，先is_area=True加上去看看效果。这种试错不是不对，但当你同时要组合五个功能的时候，脑子里必须有一张“功能-问题”的对应表，否则组合出来只会是一堆视觉噪音。

1.1 多页面转换解决的是信息容量问题

一张折线图的承载能力有限。当你手里有 6 组指标、每组 4 个渠道的数据，硬塞进一张图里，结果就是图例占半屏，线条像一团乱麻。此时需要的是“分页面”而不是“分图”。pyecharts 里做多页面主要有两种姿势：Tab()标签页切换和Page()滚动翻页。

这两种的适用场景完全不同。Tab()适合“并列对比”的场景——比如一个是销售额走势，一个是用户增长，两者没有数据叠加关系，放在标签页里让用户自己点。Page()适合“向下阅读”的场景——比如从概览到明细再到结论，有叙事顺序的。很多教程只说“用 Tab 组合图表”，从来不提什么时候不该用 Tab。我自己的经验是，只要两个图表不是合作关系，而是递进关系，就用 Page，别偷懒。

1.2 渐变色和面积图解决的是视觉层级问题

折线图默认是很“朴素”的：一条细线，配上坐标轴，完事。这种图看数值没问题，但是看趋势的“体感”很差。渐变面积图的本质是给视觉一个“区域”概念——当你看到一块从深到浅的色带，第一反应是这个数值区间的整体规模，而不是某一天的精确值。这种从“线”到“面”的视觉升级，不是纯粹为了花哨，它确实能加快人对数据的感知速度。

而渐变色的使用又比纯色块更进一步。纯色面积图的问题在于色块太“死”，边缘和背景的割裂感很强。用一个线性渐变，从实色过渡到接近透明，视觉上面积图就像从背景里“长出来”的，融合度高很多。这一条在做汇报大屏的时候尤其重要，底色深色时渐变的优势会更明显。

1.3 堆叠功能解决的是构成关系表达问题

堆叠折线图，很多人第一反应是“把多条线加起来展示”。这个理解只对了一半。堆叠的核心价值在于表达“构成”。比如你有三个渠道的流量，折线图三条线各走各的，你看到的是每个渠道的独立波动；一旦用了stack，三条线就变成了“从上到下依次累积”的层带，每一项的高度不再是它自己的数值，而是它自己和下方所有项之和。这时候你能直观看出的是“整体规模”和“结构占比”的实时变化。

这里有个特别值得注意的点：堆叠之后，中间那条线其实已经“失真”了——它展示的是累计值，而不是实际值。如果你的业务方要看真实数值，堆叠图就不合适；如果看的是结构趋势，堆叠就是神器。选型时务必把这个问题想清楚。

1.4 鼠标悬浮信息解决的是信息可达性问题

默认的悬浮提示（tooltip）只显示系列名和数值，太“干”了。但悬浮提示其实是你和用户唯一的“主动交互”窗口——用户鼠标悬停，系统给反馈。这个窗口可以做很多事：显示同一点位多个指标的值、显示同比环比、用颜色区分指标、甚至展示一段文字结论。

我见过有同学为了显示额外信息，硬把备注写在图标里，比如“3月（受促销影响）”，把坐标轴挤得乱七八糟。正确的做法是全部塞进悬浮提示，让图表保持干净，需要细节时用户自己悬停。这是典型的“默认整洁 + 按需展开”的设计模式。

2. 核心配置项拆解：从参数到原理

这一节我把五个功能对应的 API 挨个拆开讲解。我会标注哪些参数在 pyecharts 2.x 里已经换了写法，避免你用旧教程的语法跑出报错。

2.1 构建折线图前必须明确的两个版本问题

pyecharts 1.x 和 2.x 在折线图相关 API 上有不少差异。最典型的就是堆叠：旧版本用is_stack=True，新版本改为在add_yaxis里面传stack="total"。还有面积图：旧版本有is_area=True这种参数，新版本统一走areastyle_opts=AreaStyleOpts(...)。如果你在网上搜到旧代码直接跑，大概率会报TypeError或者看到参数被忽略的警告。

提示：不确定自己装的是哪个大版本，直接print(pyecharts.__version__)。如果是2.x，就按本文的写法来；如果是1.x，建议直接升级，2.x 的链式调用和类型提示友好太多了。

2.2 面积图配置的两种写法

实现面积图的核心是调用AreaStyleOpts。但代码里你可能会看到两种写法，我建议新项目统一用第二种：

第一种是老代码里常见的：

line.add_yaxis( "销售额", data, is_area=True, area_opacity=0.3 )

这种写法在 2.x 里已经不被推荐，is_area的默认行为改了，area_opacity也是旧概念。

第二种是 2.x 写法：

from pyecharts.options import AreaStyleOpts line.add_yaxis( "销售额", data, areastyle_opts=AreaStyleOpts(opacity=0.3) )

背后的逻辑很简单：areastyle_opts负责所有跟面积填充相关的视觉配置，包括透明度、颜色、边框，全部收敛到一个对象里。这样做的好处是配置项有清晰的命名空间，IDE 自动补全也友好得多。

2.3 渐变色的正确打开方式：JsCode + LinearGradient

pyecharts 底层是 ECharts，所以渐变这类“高级视觉功能”本质上要写 JavaScript。这是很多 Python 开发者不习惯的地方：你不是在配置 Python 对象，你是在往生成好的 JS 配置里注入一段代码。

pyecharts 专门提供了一个JsCode类，用于把一段 JS 字符串原样塞进最终的配置。渐变面积图的写法长这样：

from pyecharts.commons.utils import JsCode line_style = JsCode( """ new echarts.graphic.LinearGradient(0, 0, 0, 1, [ {offset: 0, color: 'rgba(31, 119, 180, 0.6)'}, {offset: 1, color: 'rgba(31, 119, 180, 0.05)'} ]) """ ) line.add_yaxis( "销售额", data, areastyle_opts=AreaStyleOpts(color=line_style) )

注意LinearGradient的四个参数：(x0, y0, x1, y1)表示渐变方向。(0, 0, 0, 1)是垂直向下，从顶部到底部；如果你想要水平渐变用于折线本身的描边，就写(0, 0, 1, 0)。

这个渐变方向的选择不是随意的。面积图默认从数值“顶线”往下铺到底部，所以通常用垂直渐变：顶部接近线的真实颜色、较深，底部逐渐透明，视觉上与横轴“融解”掉。如果你反向，会显得色带悬空，很不自然。

2.4 堆叠配置的要点：stack 名称决定堆叠组

add_yaxis里的stack参数，值是一个字符串，相同字符串的系列会累加堆叠。这个“相同字符串”是全局匹配的，也就是说，同一张图里不同的 stack 值可以存在，但一般不要混用——容易让用户产生误导。

line.add_yaxis("渠道A", data_a, stack="total", areastyle_opts=...) line.add_yaxis("渠道B", data_b, stack="total", areastyle_opts=...) line.add_yaxis("渠道C", data_c, stack="total", areastyle_opts=...)

这里三个系列的 stack 都是"total"，它们就会按顺序堆叠。我试用过不同的命名，比如"a"、"b"、"c"，结果三条线完全不堆叠，因为它们的堆叠组不同。这就是 stack 最容易踩的坑：你配置了堆叠，但忘了检查所有系列的 stack 值是否一致。

堆叠和面积的组合非常常见。当你把面积图、堆叠、半透明勾选组合在一起，得到的就是一张“河流图”风格的层带图，适合看总量走势和结构占比。颜色要选同色系但不同深浅，否则堆叠后边界模糊，反而看不出来层次。

2.5 悬浮信息的定制：trigger 与 formatter

tooltip 两块关键配置：trigger和formatter。trigger有两种取值："item"是鼠标悬浮到具体数据点上触发，"axis"是悬浮到该 X 坐标位置时触发，显示当前坐标轴下所有系列的数据。折线图我几乎总是用"axis"，因为折线图的核心是“同一横轴位置的对比”，而不是孤零零的单点。

formatter是要展示的内容模板。有两种实现方式：一种是纯字符串模板，基于 ECharts 的模板语法；另一种是JsCode写完整 JS 函数。模板方式的简单示例：

from pyecharts.options import TooltipOpts line.set_global_opts( tooltip_opts=TooltipOpts( trigger="axis", formatter="{b}<br/>{a0}: {c0}<br/>{a1}: {c1}" ) )

但这只解决了“显示”，还没解决“可读性”。JS 函数方式更灵活，可以给数值加单位、加千分位分隔符、甚至根据数值大小改变文字颜色。文章第三节我会给出一个完整可用的格式化函数。

3. 实操：从零构建一个多页面折线图看板

到代码环节了。我会构建一个包含两个页面的标签页看板：第一页是渐变面积图 + 自定义悬浮信息，第二页是三个渠道的堆叠面积图。这样五个功能全部覆盖。

3.1 准备数据与基础环境

假设场景是某产品团队要看连续的 12 周运营数据。三组指标：曝光量、点击量、转化量，以及三个投放渠道的点击量构成。

用 pandas 生成模拟数据：

import pandas as pd import numpy as np np.random.seed(42) weeks = [f"第{i}周" for i in range(1, 13)] df = pd.DataFrame({ "week": weeks, "expose": np.random.randint(8000, 15000, 12), "click": np.random.randint(2000, 6000, 12), "convert": np.random.randint(500, 1800, 12), }) df["cvr"] = (df["convert"] / df["click"] * 100).round(2)

同时在下方准备三个渠道的分点击数据：

channel_a = np.random.randint(800, 2500, 12) channel_b = np.random.randint(600, 2000, 12) channel_c = np.random.randint(400, 1500, 12)

提示：np.random.seed(42)是为了让数据可复现。你实际做看板时，数据源换成数据库查询结果即可，这部分没差别。

3.2 页面一：带渐变色的面积图与悬浮信息

页面一展示曝光量和转化率两条线。曝光量用渐变面积图体现规模，转化率用普通细线展示趋势。

from pyecharts.charts import Line from pyecharts import options as opts from pyecharts.commons.utils import JsCode def gradient_area_chart(): line = Line(init_opts=opts.InitOpts(width="1200px", height="600px")) line.add_xaxis(df["week"].tolist()) line.add_yaxis( "曝光量", df["expose"].tolist(), is_smooth=True, is_symbol_show=False, linestyle_opts=opts.LineStyleOpts(width=3, color="#1F77B4"), areastyle_opts=opts.AreaStyleOpts( color=JsCode( """ new echarts.graphic.LinearGradient(0, 0, 0, 1, [ {offset: 0, color: 'rgba(31, 119, 180, 0.65)'}, {offset: 1, color: 'rgba(31, 119, 180, 0.02)'} ]) """ ) ), ) line.add_yaxis( "转化率", df["cvr"].tolist(), is_smooth=True, is_symbol_show=True, linestyle_opts=opts.LineStyleOpts(width=2, color="#FF7F0E", type_="dashed"), ) line.set_series_opts( label_opts=opts.LabelOpts(is_show=False) ) line.set_global_opts( title_opts=opts.TitleOpts(title="曝光量与转化率走势"), tooltip_opts=opts.TooltipOpts( trigger="axis", formatter=JsCode( """ function(params) { var res = '<b>' + params[0].axisValue + '</b><br/>'; for (var i = 0; i < params.length; i++) { var val = params[i].value; if (params[i].seriesName === '转化率') { val = val + '%'; } res += '<span style="display:inline-block;width:12px;height:12px;' + 'background:' + params[i].color + ';border-radius:50%;' + 'margin-right:6px;"></span>' + params[i].seriesName + ': ' + val + '<br/>'; } return res; } """ ), ), legend_opts=opts.LegendOpts(pos_top="3%"), ) return line

这一段有个细节我多解释两句：params[i].color在 ECharts 里默认是该系列的主色，正好用做悬浮信息里的小圆点颜色。如果你用默认模板，颜色标记不会出现，多系列悬浮是纯文字罗列，视觉归属性很弱。加上这个小圆点，用户一眼就知道这条信息属于哪条线。

is_symbol_show=False表示不显示每个数据点的圆点标记。数据点不再是考试重点时，建议关掉，让图更干净。注意我在“转化率”这一条上又开了is_symbol_show=True，因为转化率只有 12 个点，开着点反而能引导视线聚焦波动。

3.3 页面二：三渠道堆叠面积图

页面二看渠道构成。三组数据全部 stack 成组，同样使用渐变色，但为了区分，三个渠道的渐变色要选有梯度的色系。

def stacked_channel_chart(): line = Line(init_opts=opts.InitOpts(width="1200px", height="600px")) line.add_xaxis(weeks) color_schemes = [ ("渠道A", channel_a, "#2E8B57"), ("渠道B", channel_b, "#3CB371"), ("渠道C", channel_c, "#98FB98"), ] for name, data, color in color_schemes: line.add_yaxis( name, data.tolist(), stack="total", is_smooth=True, is_symbol_show=False, linestyle_opts=opts.LineStyleOpts(width=1), areastyle_opts=opts.AreaStyleOpts( opacity=0.35, color=JsCode( "new echarts.graphic.LinearGradient(0, 0, 0, 1, " "[{offset: 0, color: '" + color + "50'}," " {offset: 1, color: '" + color + "00'}])" ), ), ) line.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) line.set_global_opts( title_opts=opts.TitleOpts(title="渠道点击量堆叠构成"), tooltip_opts=opts.TooltipOpts( trigger="axis", formatter=JsCode( """ function(params) { var res = '<b>' + params[0].axisValue + '</b><br/>'; var total = 0; for (var i = 0; i < params.length; i++) { total += params[i].value; } for (var j = 0; j < params.length; j++) { var pct = (params[j].value / total * 100).toFixed(1); res += '<span style="display:inline-block;width:12px;height:12px;' + 'background:' + params[j].color + ';border-radius:50%;' + 'margin-right:6px;"></span>' + params[j].seriesName + ': ' + params[j].value + ' (' + pct + '%)<br/>'; } res += '<b>合计: ' + total + '</b>'; return res; } """ ), ), legend_opts=opts.LegendOpts(pos_top="3%"), ) return line

堆叠之后 tooltip 的返回值有个特殊现象：ECharts 默认在堆叠模式下，params里每个系列的 value 已经是“从底部累加到当前层”的累计值，而不是该层自身的增量。需要拿到增量，得自己在 JS 里做减法：从下往上遍历，当前项减去前一项的累计值。

上面这段代码我故意没做这个减法，是直接展示“构成占比”场景：当业务方想看每个渠道的占比时，用累计值计算占比反而更方便。但如果你业务上要显示的是“本渠道实际点击量”，就需要额外处理，这个坑我放在第四节详细说。

3.4 使用 Tab 组合多页面

两个页面画完之后，用 Tab 组件组合。这是 pyecharts 里最直观的“多页面转换”方式：

from pyecharts.charts import Tab def make_tab(): tab = Tab() tab.add(gradient_area_chart(), "曝光/转化") tab.add(stacked_channel_chart(), "渠道构成") return tab if __name__ == "__main__": tab = make_tab() tab.render("line_dashboard.html")

Tab.add()的第一个参数是图表实例，第二个参数是标签页标题。一个 Tab 里的标签页标题不能重复，否则前端点击时定位会乱。

如果你想要的是“上下滚动”而不是“标签切换”，把Tab换成Page，代码基本不用改：

from pyecharts.charts import Page page = Page(layout=Page.SimplePageLayout) page.add(gradient_area_chart()) page.add(stacked_channel_chart()) page.render("line_dashboard_page.html")

Page.SimplePageLayout可以使每个图表独立宽度展示，避免默认的响应式布局把图表压缩得矮胖。这个参数经常被忽略，很多人用了 Page 之后发现图特别矮，就是忘了这个。

3.5 完整效果与实际运行说明

运行render之后，会生成一个独立的 HTML 文件，浏览器直接打开即可。整个过程不需要 Java 环境，不需要 Flask，也不需要后端服务。HTML 文件内嵌了 ECharts 的 JS 库，无论你后面是把文件扔到静态服务器还是本地直接双击打开，效果一致。

我实测下来，生成的 HTML 体积大概 1MB 左右，其中有接近 1MB 是 echarts.min.js 本身。如果部署在内网看板，可以后续单独抽离 JS 做 CDN 加速；如果只是本地演示给别人看，默认就行。

视觉上的效果是这样：第一页顶部是一块由深到浅的蓝色面积带，带着平滑曲线，右侧一条橙色虚线穿插其中；鼠标滑过任意一周，悬浮框里上下排列曝光量和转化率，曝光量是整数、转化率带百分号，左侧各有一个对应颜色的圆点。第二页是三层绿色系层带，从上到下颜色逐渐变浅变亮，堆叠边界曲线平滑；悬浮框里除了显示当前周的三个渠道数值和占比，底部还有一个加粗的合计值。

4. 实际踩过的坑：问题排查与避坑技巧

这一节全是实操中会真实碰到的坑，能帮你省下不少翻源码的时间。

4.1 问题速查表：从报错到样式，六个典型问题

问题一：堆叠图的 tooltip 数值“对不上”

现象：三条渠道数据分别是 100、200、300，堆叠后第二条线的 tooltip 却显示 300，第三条显示 600。原因：ECharts 原生堆叠模式下，params[i].value返回的是累计值，不是该系列原始值。解决：在 formatter 里自行做差。

var prev = 0; for (var i = 0; i < params.length; i++) { var rawVal = params[i].value - prev; prev = params[i].value; }

当业务方要求展示“每个渠道自身的值”时，必须用这种写法。如果只关注占比，直接拿累计值算比例也行，但要和业务方确认口径。

问题二：JSCode 渐变没生效，面积图是纯色

原因：AreaStyleOpts(color=JsCode(...))里的 JS 字符串必须是一个完整的表达式，不能是语句；有些复制来的代码在LinearGradient末尾漏了分号或花括号，导致前端 JS 解析失败，ECharts 自动 fallback 到默认色。排查方法：打开生成的 HTML，找到对应 series 的 areaStyle 字段，直接复制 color 的值到浏览器控制台执行，看是否有语法报错。

问题三：Tab 切换后图表高度“塌了”

原因：Tab 组件对初始化宽度和高度的处理并不总是完美，尤其当你在InitOpts里指定了像素宽高，而外层容器宽度是自适应的，切换时渲染时机不同可能导致高度计算为 0。解决：InitOpts里统一指定明确的像素宽高，不要混用百分比。

问题四：堆叠面积图之间有细白线

原因：多个半透明面积图堆叠时，相邻两层的边界透明度叠加会产生视觉上的亮线。这不是 bug，但影响观感。解决：把opacity提高到 0.5 以上，或者给各层描边LineStyleOpts(width=1, color="#fff")有意制造分割线，反而会干净一些。

问题五：折线图平滑后首尾数据出现“甩尾”

现象：开启了is_smooth=True，第一条曲线在起点之前和终点之后有明显的大幅摆动。原因：ECharts 的平滑算法在首尾处用默认端点拟合，如果数据只有 6 到 12 个点，甩尾特别明显。解决：数据量少时，不要开is_smooth，保持折线直连。或者至少知道这个特性，别在展示前被打个措手不及。

问题六：formatter 里面有中文，输出乱码

原因：JsCode内的字符串直接进入 HTML，如果页面编码声明缺失，中文就乱。解决：render()生成的 HTML 默认带 UTF-8 声明，但如果你手动拼接 HTML 或模板渲染时改动了编码，就必现乱码。确保最终交付的 HTML 中包含<meta charset="utf-8">。

4.2 几个我自己总结的实操习惯

第一，打印输出检查配置。每次render之前，我心里没底时就先print(line.dump_options_with_echarts())，看生成出来的 JSON 是否符合预期。尤其是 JsCode、渐变、stack 这些动态配置，打印出来亲自确认一遍，比反复刷新浏览器高效得多。

第二，系列名称尽量用短字符串。series 名称会同时出现在图例、tooltip、默认的 aria 信息里。名称太长，图例自动换行后会把布局挤乱。用“曝光量”“转化率”没问题，但“搜索引擎渠道_华东区域_2024年活动”这种就过分了，建议用别名映射。

第三、颜色统一由数据主题决定。不要在绘图函数里各自取色。我习惯在最顶部定义色板字典：

COLOR_MAP = { "渠道A": "#2E8B57", "渠道B": "#3CB371", "渠道C": "#98FB98", }

后续所有系列的线色、渐变色、悬浮圆点颜色，都从字典取。这样改起来只动一处，主题一致性也不会被破坏。

第四，单位口径写进 tooltip，不写进标题。我在 3.2 的例子里做了演示：转化率在 tooltip 里拼上%，曝光量保持整数。这个习惯看起来微不足道，但对使用图表的人来说是决定性的——不用再自己猜单位，也不用把鼠标移开去看坐标轴格式。

5. 这套能力的延伸方向

做实操项目时，这五个功能很少单独出现，它们往往是一个更大看板里的组件。折线图做完，下一步很自然就是跟柱状图、饼图甚至地图组合。pyecharts 的Grid组件可以横向组合多张图，通常你会把折线图和柱状图放进同一个 Grid，形成“趋势+对比”的综合视图。多页面的概念可以继续扩大：第一页放综合趋势，第二页放渠道拆分，第三页放地理位置分布，整体用一个Tab串起来，就是一个轻量级数据产品的雏形。

我个人把这种能力理解成“图表模块化”：每一个绘图函数只负责一张图，输入是 DataFrame，输出是一个配置好的 Chart 实例，再在外层组合。这样代码维护起来非常轻松，业务上要加一个页面，就加一个函数再注册到 Tab，完全没有结构性成本。

如果时间允许，建议再补两个方向：一个是数据更新自动化，把render()包装成一个定时任务，每次跑完自动把 HTML 推送到静态目录；另一个是嵌入到 Web 应用里，通过 Flask 或者 FastAPI 返回 HTML 片段。但作为第一步，先在本地把这五种图的配置逻辑吃透，后面的扩展自然水到渠成。