🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

---

一、引言

在新能源汽车行业快速发展的今天，销量数据成为了衡量车企市场表现的重要指标。本文将使用Python和Pyecharts库，对2025年6月新能源汽车零售销量排名前10的车企数据进行可视化分析。我们将通过柱状图、饼图、雷达图、折线图和词云图等多种图表类型，全面展示这些车企的市场表现。

公众号有更全的数据可视化内容，详细资料可以添加博主微信公众号，公众号名称：NLP随手记

二、数据概览

首先，让我们快速浏览一下数据。这份数据包含了2025年6月新能源汽车零售销量排名前10的车企，以及它们的同比变化和环比变化。 单位：辆数据来源：乘联会。

三、数据准备与环境配置

首先，我们需要导入必要的Python库并准备数据：

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.globals import ThemeType
from pyecharts.commons.utils import JsCode

df = pd.read_csv("2025年6月新能源汽车销量.csv")

四、多维可视化分析

4.1 销量排名柱状图（彩虹渐变效果）

def sales_bar() -> Bar:
    # 按销量排序
    df_sorted = df.sort_values(by='销量', ascending=True)
  
    bar = (
        Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="100%", height="400px"))
        .add_xaxis(df_sorted['车企'].tolist())
        .add_yaxis(
            "销量",
            df_sorted['销量'].tolist()
        )
        .reversal_axis()
    )
    return bar

4.2 市场份额饼图（3D炫光效果）

def market_pie() -> Pie:
    total_sales = df['销量'].sum()
    market_share = [(row['车企'], round(row['销量']/total_sales*100, 2)) for _, row in df.iterrows()]
    
    pie = (
        Pie(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="100%", height="400px"))
        .add(
            "",
            market_share,
            radius=["30%", "70%"],
            center=["50%", "50%"],
            rosetype="area"
            )
        )
    )
    return pie

4.3 同比增长率雷达图（多维对比）

def growth_radar() -> Radar:
    # 选取前6名车企展示，避免过于拥挤
    df_top6 = df.head(6).copy()
    
    radar = (
        Radar(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="100%", height="400px"))
        .add_schema(
            schema=[
                opts.RadarIndicatorItem(name=itm, max_=150) for item in ["比亚迪","吉利汽车","长安汽车","特斯拉中国","鸿蒙智行","上汽通用五"]
        )
        .add(
            "同比变化(%)",
            [df_top6["同比变化(%)"].tolist()]
        )
        .add(
            "环比变化(%)",
            [df_top6["环比变化(%)"].tolist()]
        )
    )
    return radar

4.4 环比变化折线图（动态效果）

def 环比变化_line() -> Line:
    df_sorted = df.sort_values(by='环比变化(%)', ascending=False)
    
    line = (
        Line(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="100%", height="400px"))
        .add_xaxis(df_sorted['车企'].tolist())
        .add_yaxis(
            "环比变化(%)",
            df_sorted['环比变化(%)'].tolist()
          )
    )
    return line

4.5 车企名称词云图（销量加权）

def wordcloud() -> WordCloud:
    # 创建词云数据，销量作为权重
    word_data = [(row['车企'], row['销量']) for _, row in df.iterrows()]
    
    wc = (
        WordCloud(init_opts=opts.InitOpts(theme=ThemeType.DARK, width="100%", height="400px"))
        .add(
            "",
            word_data,
            word_size_range=[20, 100],
        )
    )
    return wc

五、集成可视化大屏

现在我们将所有图表集成到一个可拖拽的大屏中：

def create_dashboard():
    page = Page(
        page_title="2025年6月新能源汽车零售销量分析大屏",
        layout=Page.DraggablePageLayout,
        is_removable=False
    )
    
    page.add(
        sales_bar(),
        market_pie(),
        growth_radar(),
        环比变化_line(),
        wordcloud()
    )
    
    page.render("新能源汽车销量分析大屏.html")

if __name__ == "__main__":
    create_dashboard()

六、数据分析与洞察

通过以上可视化分析，我们可以得出以下关键洞察：

1. 市场集中度高：比亚迪以35.2万辆的销量遥遥领先，占TOP10车企总销量的41.5%，呈现"一超多强"的竞争格局。

2. 增长态势分化明显：零跑汽车同比增速高达123.3%，表现最为亮眼；而理想汽车同比下滑24.1%，是TOP10中唯一负增长的车企。

3. 环比变化差异大：特斯拉中国环比增长59.3%，增幅最大；而上汽通用五菱和理想汽车环比分别下降8.7%和11.2%。

4. 销量与增长率非线性关系：销量最大的比亚迪增长率保持稳健(25.7%)，而增长率最高的零跑汽车销量规模相对较小，符合市场发展规律。

5. 中国品牌占据主导：TOP10车企中，中国品牌占据8席，合计市场份额超过85%，显示中国在新能源汽车领域的领先优势。

---