【Python】pyecharts 数据可视化模块

ゝ一纸荒年。 2024-04-06 10:37 86阅读 0赞

#### 文章目录 ####

*  1. pyecharts 模块介绍
 *  2. pyecharts 模块安装
 *  3. pyecharts 配置选项
 *   *  3.1 全局配置选项
     *  3.2 系列配置选项
 *  4. 基础折线图的构建
 *   *  4.1 基本使用流程
     *  4.2 实现2020年美印日确诊人数对比折线图
 *  5. 基础地图构建
 *   *  5.1 基本使用流程
     *  5.2 实现国内疫情地图
     *  5.3 实现省级疫情地图
 *  6. 基础柱状图构建
 *   *  6.1 基本使用流程
     *  6.2 基础时间线柱状图
     *  6.3 实现动态 GDP 柱状图

## 1. pyecharts 模块介绍 ##

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，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

> pyecharts 官网：[https://pyecharts.org/\#/zh-cn/][https_pyecharts.org_zh-cn]
> 
> pyecharts 画廊地址：[https://gallery.pyecharts.org/\#/README][https_gallery.pyecharts.org_README]

## 2. pyecharts 模块安装 ##

pip install pyecharts

## 3. pyecharts 配置选项 ##

pyecharts 模块中有很多配置选项，常用到两个类别的选项：全局配置选项和系列配置选项。

### 3.1 全局配置选项 ###

全局配置选项可以通过 `set_global_opts` 方法来进行配置，通常对图表的一些通用的基础的元素进行配置，例如标题、图例、工具箱、鼠标移动效果等等，它们与图表的类型无关。

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Wc8Kln7g-1663534035693)(C:/Users/bbbbbge/Pictures/接单/57307650-8a4d0280-7117-11e9-921f-69b8e9c5e4aa.png)\]][img-Wc8Kln7g-1663534035693_C_Users_bbbbbge_Pictures_57307650-8a4d0280-7117-11e9-921f-69b8e9c5e4aa.png]

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-naXSmtF4-1663534035693)(C:/Users/bbbbbge/Pictures/接单/58749659-3554a000-84bb-11e9-9421-b1905e2f3430.png)\]][img-naXSmtF4-1663534035693_C_Users_bbbbbge_Pictures_58749659-3554a000-84bb-11e9-9421-b1905e2f3430.png]

示例代码：通过折线图对象对折线图进行全局配置

from pyecharts.charts import Line
    from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
    
    # 获取折线图对象
    line = Line()
    
    # 对折线图进行全局配置
    line.set_global_opts(
        # 设置标题、标题的位置...
        title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
        # 设置图例是展示的...
        legend_opts=LegendOpts(is_show=True),
        # 设置工具箱是展示的
        toolbox_opts=ToolboxOpts(is_show=True),
        # 设置视觉映射是展示的
        visualmap_opts=VisualMapOpts(is_show=True)
    )

### 3.2 系列配置选项 ###

系列配置选项是针对某个具体的参数进行配置，可以去 pyecharts 官网进行了解。

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lp1TPnlT-1663534035694)(C:/Users/bbbbbge/Pictures/接单/1663533963317.png)\]][img-lp1TPnlT-1663534035694_C_Users_bbbbbge_Pictures_1663533963317.png]

## 4. 基础折线图的构建 ##

### 4.1 基本使用流程 ###

1.  导包，导入 Line 功能构建折线图对象
    
        from pyecharts.charts import Line
        from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
2.  获取折线图对象
    
        line = Line()
3.  添加 x、y 轴数据（添加系列配置）
    
        line.add_xaxis(["中国", "美国", "英国"])
        line.add_yaxis("GDP", [30, 20, 10])
4.  添加全局配置
    
        line.set_global_opts(
            # 设置标题、标题的位置...
            title_opts=TitleOpts("国家GDP展示", pos_left="center", pos_bottom="1%"),
            # 设置图例是展示的...
            legend_opts=LegendOpts(is_show=True),
            # 设置工具箱是展示的
            toolbox_opts=ToolboxOpts(is_show=True),
            # 设置视觉映射是展示的
            visualmap_opts=VisualMapOpts(is_show=True)
        )
5.  生成图表（通过 render 方法将代码生成图像）
    
        line.render()
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-s22QvLcb-1663534035694)(C:/Users/bbbbbge/Pictures/接单/1663442704565.png)\]][img-s22QvLcb-1663534035694_C_Users_bbbbbge_Pictures_1663442704565.png]

### 4.2 实现2020年美印日确诊人数对比折线图 ###

import json
    from pyecharts.charts import Line
    
    
    # 获取不同国家疫情时间
    from pyecharts.options import TitleOpts, LabelOpts
    
    
    def getdata(file):
        # 处理数据
        try:
            f = open(file, 'r', encoding='utf8')
        except FileNotFoundError as e:
            print(f"文件不存在，具体错误为：{
          e}")
        else:
            data = f.read()
    
            # JSON 转 Python 字典
            dict = json.loads(data)
    
            # 获取 trend
            trend_data = dict['data'][0]['trend']
    
            # 获取日期数据，用于 x 轴（只拿2020年的数据）
            x_data = trend_data['updateDate'][:314]
    
            # 获取确认数据，用于 y 轴
            y_data = trend_data['list'][0]['data'][:314]
    
            # 返回结果
            return x_data, y_data
        finally:
            f.close()
    
    
    # 获取美国数据
    us_x_data, us_y_data = getdata("E:\\折线图数据\\美国.txt")
    
    # 获取印度数据
    in_x_data, in_y_data = getdata("E:\\折线图数据\\印度.txt")
    
    # 获取日本数据
    jp_x_data, jp_y_data = getdata("E:\\折线图数据\\日本.txt")
    
    # 生成图表
    line = Line()
    
    # 添加 x 轴数据（日期，公用数据，不同国家都一样）
    line.add_xaxis(us_x_data)
    
    # 添加 y 轴数据（设置 y 轴的系列配置，将标签不显示）
    line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国数据
    line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度数据
    line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本数据
    
    # 配置全局选项
    line.set_global_opts(
        # 设置标题
        title_opts=TitleOpts("2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%"),
    
    )
    
    # 生成图表
    line.render()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xTgdFFI9-1663534035696)(C:/Users/bbbbbge/Pictures/接单/1663442822382.png)\]][img-xTgdFFI9-1663534035696_C_Users_bbbbbge_Pictures_1663442822382.png]

## 5. 基础地图构建 ##

### 5.1 基本使用流程 ###

1.  导包，导入 Map 功能获取地图对象
    
        from pyecharts.charts import Map
        from pyecharts.options import VisualMapOpts
2.  获取地图对象
    
        map = Map()
3.  准备好数据
    
        data = [
            ("北京", 99),
            ("上海", 199),
            ("广州", 299),
            ("湖南", 199),
            ("安徽", 99),
            ("湖北", 399),
        ]
4.  添加数据到地图对象中
    
        # 地图名称、传入的数据、地图类型（默认是中国地图）
        map,add("地图", data, "china")
5.  添加全局配置
    
        map.set_global_opts(
            # 设置视觉映射配置
            visualmap_opts=VisualMapOpts(
                # 打开视觉映射（可能不精准，因此可以开启手动校准）
                is_show=True,
                # 开启手动校准范围
                is_piecewise=True,
                # 设置要校准参数的具体范围
                pieces=[
                    {
              "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
                    {
              "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
                    {
              "min": 100, "max": 199, "label": "100~199人", "color": "#FF9966"},
                    {
              "min": 200, "max": 299, "label": "200~299人", "color": "#FF6666"},
                    {
              "min": 300, "label": "300人以上", "color": "#CC3333"},
                ]
            )
        )
6.  生成地图
    
        map.render()
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MnlFU2Nc-1663534035696)(C:/Users/bbbbbge/Pictures/接单/1663515150579.png)\]][img-MnlFU2Nc-1663534035696_C_Users_bbbbbge_Pictures_1663515150579.png]

### 5.2 实现国内疫情地图 ###

import json
    from pyecharts.charts import Map
    from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts
    
    # 读取数据
    f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8')
    str_json = f.read()
    
    # 关闭文件
    f.close()
    
    # JSON 转 python 字典
    data_dict = json.loads(str_json)
    
    # 取到各省数据
    province_data_list = data_dict['areaTree'][0]['children']
    
    # 组装每个省份和确诊人数为元组，并封装到列表内
    data_list = []
    for province_data in province_data_list:
        province_name = province_data['name']
        province_total_confirm = province_data['total']['confirm']
        data_list.append((province_name, province_total_confirm))
    
    # 创建地图对象
    map = Map()
    
    # 添加数据
    map.add("各省确诊总人数", data_list, "china")
    
    # 设置全局配置，定制分段的视觉映射
    map.set_global_opts(
        title_opts=TitleOpts('全国疫情地图', pos_left='center', pos_bottom='1%'),
        legend_opts=LegendOpts(is_show=True),
        visualmap_opts=VisualMapOpts(
            is_show=True,
            is_piecewise=True,
            pieces=[
                {
        "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
                {
        "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
                {
        "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"},
                {
        "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"},
                {
        "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"},
                {
        "min": 10000, "label": "10000人以上", "color": "#990033"}
            ]
        )
    )
    
    # 绘图
    map.render()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d31aUbR0-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663517314716.png)\]][img-d31aUbR0-1663534035697_C_Users_bbbbbge_Pictures_1663517314716.png]

### 5.3 实现省级疫情地图 ###

import json
    from pyecharts.charts import Map
    from pyecharts.options import VisualMapOpts, TitleOpts, LegendOpts
    
    # 读取数据
    f = open("E:\\地图数据\\疫情.txt", 'r', encoding='utf8')
    str_json = f.read()
    
    # 关闭文件
    f.close()
    
    # JSON 转 python 字典
    data_dict = json.loads(str_json)
    
    # 取到河南省数据
    city_data_list = data_dict['areaTree'][0]['children'][3]['children']
    
    # 组装每个市和确诊人数为元组，并封装到列表内
    data_list = []
    for city_data in city_data_list:
        city_name = city_data['name'] + "市"
        city_total_confirm = city_data['total']['confirm']
        data_list.append((city_name, city_total_confirm))
    
    # 创建地图对象
    map = Map()
    
    # 添加数据
    map.add("各市确诊总人数", data_list, "河南")
    
    # 设置全局配置，定制分段的视觉映射
    map.set_global_opts(
        title_opts=TitleOpts('河南省疫情地图', pos_left='center', pos_bottom='1%'),
        legend_opts=LegendOpts(is_show=True),
        visualmap_opts=VisualMapOpts(
            is_show=True,
            is_piecewise=True,
            pieces=[
                {
        "min": 1, "max": 9, "label": "1~9人", "color": "#CCFFFF"},
                {
        "min": 10, "max": 99, "label": "10~99人", "color": "#FFFF99"},
                {
        "min": 100, "max": 499, "label": "100~499人", "color": "#FF9966"},
                {
        "min": 500, "max": 999, "label": "500~999人", "color": "#FF6666"},
                {
        "min": 1000, "max": 9999, "label": "1000~9999人", "color": "#CC3333"},
                {
        "min": 10000, "label": "10000人以上", "color": "#990033"}
            ]
        )
    )
    
    # 绘图
    map.render()

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gJ5o5iKi-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663522373596.png)\]][img-gJ5o5iKi-1663534035697_C_Users_bbbbbge_Pictures_1663522373596.png]

## 6. 基础柱状图构建 ##

### 6.1 基本使用流程 ###

1.  导包，导入 Bar 功能获取地图对象
    
        from pyecharts.charts import Bar
        from pyecharts.options import *
2.  获取地图对象
    
        bar = Bar()
3.  添加 x 和 y 轴数据
    
        # 添加 x 轴数据
        bar.add_xaxis(["中国", "英国", "美国"])
        # 添加 y 轴数据
        bar.add_yaxis("GDP", [30, 20, 10])
4.  添加全局配置
    
        bar.set_global_opts(
            title_opts=TitleOpts("基础柱状图", pos_left='center', pos_bottom='1%')
        )
5.  生成地图
    
        bar.render()
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vh4Qlrt7-1663534035697)(C:/Users/bbbbbge/Pictures/接单/1663522919082.png)\]][img-vh4Qlrt7-1663534035697_C_Users_bbbbbge_Pictures_1663522919082.png]
6.  反转 xy 轴
    
        bar.reversal_axis()
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7BsiESkb-1663534035698)(C:/Users/bbbbbge/Pictures/接单/1663522994666.png)\]][img-7BsiESkb-1663534035698_C_Users_bbbbbge_Pictures_1663522994666.png]
7.  将数值标签添设置到右侧
    
        bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fE8QLj2L-1663534035698)(C:/Users/bbbbbge/Pictures/接单/1663523166227.png)\]][img-fE8QLj2L-1663534035698_C_Users_bbbbbge_Pictures_1663523166227.png]

### 6.2 基础时间线柱状图 ###

柱状图描述的是分类数据，但很难动态的描述一个趋势性的数据，为此 pyecharts 中提供了一种解决方案时间线。

如果说一个 Bar、Line 对象是一张图表的话，时间线就是创建一个一维的 x 轴，轴上的每一个点就是一个图表对象。

**创建时间线的基础流程：**

1.  导包，导入时间线 Timeline
    
        from pyecharts.charts import Bar, Timeline
        from pyecharts.options import *
2.  准备好图表对象并添加好数据
    
        bar1 = Bar()
        bar1.add_xaxis(["中国", "英国", "美国"])
        bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position='right'))
        bar1.reversal_axis()
        
        bar2 = Bar()
        bar2.add_xaxis(["中国", "英国", "美国"])
        bar2.add_yaxis("GDP", [50, 20, 30], label_opts=LabelOpts(position='right'))
        bar2.reversal_axis()
        
        bar3 = Bar()
        bar3.add_xaxis(["中国", "英国", "美国"])
        bar3.add_yaxis("GDP", [60, 30, 40], label_opts=LabelOpts(position='right'))
        bar3.reversal_axis()
3.  创建时间线对象 Timeline
    
        timeline = Timeline()
4.  将图表添加到 Timeline 对象中
    
        # 添加图表到时间线中（图表对象，点名称）
        timeline.add(bar1, "2020年GDP")
        timeline.add(bar2, "2021年GDP")
        timeline.add(bar3, "2022年GDP")
5.  通过时间线绘图
    
        timeline.render()
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ntMHTc1m-1663534035698)(C:/Users/bbbbbge/Pictures/接单/时间线柱状图1.gif)\]][img-ntMHTc1m-1663534035698_C_Users_bbbbbge_Pictures_1.gif]
6.  设置自动播放
    
        timeline.add_schema(
            play_interval=1000,      # 自动播放的时间间隔，单位毫秒
            is_timeline_show=True,  # 是否显示自动播放的时候，显示时间线（默认 True）
            is_auto_play=True,       # 是否在自动播放（默认 False）
            is_loop_play=True        # 是否循环自动播放（默认 True）
        )
7.  设置时间线主题
    
        # 导入 ThemeType
        from pyecharts.globals import ThemeType
        
        # 创建时间线对象时，设置主题参数
        timeline = Timeline({
              "theme": ThemeType.DARK})
    
    ![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-h0M3SJqz-1663534035699)(C:/Users/bbbbbge/Pictures/接单/1663525982772.png)\]][img-h0M3SJqz-1663534035699_C_Users_bbbbbge_Pictures_1663525982772.png]
    
    主题参数如下：![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KzhRf3Qd-1663534035699)(C:/Users/bbbbbge/Pictures/接单/1663526045006.png)\]][img-KzhRf3Qd-1663534035699_C_Users_bbbbbge_Pictures_1663526045006.png]

### 6.3 实现动态 GDP 柱状图 ###

import json
    from pyecharts.charts import Bar, Timeline
    from pyecharts.options import *
    from pyecharts.globals import ThemeType
    
    # 读取数据
    f = open("E:\\动态柱状图数据\\1960-2019全球GDP数据.csv", 'r', encoding='GB2312')
    data_lines = f.readlines()
    
    # 关闭文件
    f.close()
    
    # 删除第一条数据
    data_lines.pop(0)
    
    # 将数据转化为字典才能出，格式为 {年份1: [[国家1, GDP], [国家2, GDP]], 年份2: [国家, GDP], ...}
    data_dict = dict()
    
    for line in data_lines:
        year = int(line.split(',')[0])  # 年份
        country = line.split(',')[1]  # 国家
        gdp = float(line.split(',')[2])  # gdp 数据，通过 float 强制转换可以把带有科学计数法的数字转换为普通数字
    
        try:  # 如果 key 不存在，则会抛出异常 KeyError
            data_dict[year].append([country, gdp])
        except KeyError:
            data_dict[year] = [[country, gdp]]
    
    # 排序年份（字典对象的 key 可能是无序的）
    sorted_year_list = sorted(data_dict.keys())
    
    # 创建时间线对象
    timeline = Timeline({
        "theme": ThemeType.LIGHT})
    
    # 组装数据到 Bar 对象中，并添加到 timeline 中
    for year in sorted_year_list:
        data_dict[year].sort(key=lambda element: element[1], reverse=True)
        # 该年份GDP前八的国家
        year_data = data_dict[year][:8]
        x_data = []
        y_data = []
        for country_gdp in year_data:
            x_data.append(country_gdp[0])
            y_data.append(country_gdp[1] / 100000000)
        # 创建柱状图
        bar = Bar()
        x_data.reverse()
        y_data.reverse()
        # 添加 x y 轴数据
        bar.add_xaxis(x_data)
        bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position='right'))
        # 反转 x y 轴
        bar.reversal_axis()
        # 设置每一年的图表的标题
        bar.set_global_opts(
            title_opts=TitleOpts(f"{
          year}年GDP全球前8国家", pos_left='5%')
        )
        # 将 bar 对象添加到 timeline 中
        timeline.add(bar, year)
    
    # 设置自动播放参数
    timeline.add_schema(
        play_interval=1000,      # 自动播放的时间间隔，单位毫秒
        is_timeline_show=True,   # 是否显示自动播放的时候，显示时间线（默认 True）
        is_auto_play=True,       # 是否在自动播放（默认 False）
        is_loop_play=True        # 是否循环自动播放（默认 True）
    )
    
    # 通过时间线绘图
    timeline.render("1960~2019全球GDP前8国家.html")

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I42LyjDV-1663534035699)(C:/Users/bbbbbge/Pictures/接单/时间线柱状图2.gif)\]][img-I42LyjDV-1663534035699_C_Users_bbbbbge_Pictures_2.gif]

[https_pyecharts.org_zh-cn]: https://pyecharts.org/#/zh-cn/
[https_gallery.pyecharts.org_README]: https://gallery.pyecharts.org/#/README
[img-Wc8Kln7g-1663534035693_C_Users_bbbbbge_Pictures_57307650-8a4d0280-7117-11e9-921f-69b8e9c5e4aa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/c5d232dd56a54146a0794de14828debd.png
[img-naXSmtF4-1663534035693_C_Users_bbbbbge_Pictures_58749659-3554a000-84bb-11e9-9421-b1905e2f3430.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/e8bc56e108de451ea6b7d8a3d0356ab6.png
[img-lp1TPnlT-1663534035694_C_Users_bbbbbge_Pictures_1663533963317.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/f1ed37fe26954f77a85721209f5ba6a0.png
[img-s22QvLcb-1663534035694_C_Users_bbbbbge_Pictures_1663442704565.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/1f441bd497294177883706dcbd506654.png
[img-xTgdFFI9-1663534035696_C_Users_bbbbbge_Pictures_1663442822382.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/ff977598811a4dd5b8fb23b74ef70266.png
[img-MnlFU2Nc-1663534035696_C_Users_bbbbbge_Pictures_1663515150579.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/1254888cf90b436ba8129bbad3fdbadc.png
[img-d31aUbR0-1663534035697_C_Users_bbbbbge_Pictures_1663517314716.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/28950555461a43cabd7b02e550d5ea55.png
[img-gJ5o5iKi-1663534035697_C_Users_bbbbbge_Pictures_1663522373596.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/0dfc9cbfafb74e4fa37d802cce81413f.png
[img-vh4Qlrt7-1663534035697_C_Users_bbbbbge_Pictures_1663522919082.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/42b51061435643958c5e2e2731625adb.png
[img-7BsiESkb-1663534035698_C_Users_bbbbbge_Pictures_1663522994666.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/3d95beb560834b249fcc498aee506501.png
[img-fE8QLj2L-1663534035698_C_Users_bbbbbge_Pictures_1663523166227.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/82802655c2f04091beb56e760ede31bd.png
[img-ntMHTc1m-1663534035698_C_Users_bbbbbge_Pictures_1.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/e5e3797d47db4c648abf072a37b39575.gif
[img-h0M3SJqz-1663534035699_C_Users_bbbbbge_Pictures_1663525982772.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/db4c808bee8a4a7d9f7410a228a365a9.png
[img-KzhRf3Qd-1663534035699_C_Users_bbbbbge_Pictures_1663526045006.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/1937cfc659474851990f364e1c06077e.png
[img-I42LyjDV-1663534035699_C_Users_bbbbbge_Pictures_2.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/64937f10e2b84f0593dbfd48da0fc1b0.gif