plotly_express可以说是自己目前见过最棒的库，主要是体现在3点：

代码简洁图形漂亮，颜色贼好看动态可视化

不愧是可视化神器以后还会继续补充相关内容，特别是plotly_express和dash的结合。

从今天开始也要写另一个可视化库：pyecharts。这是一个纯国产的可视化库，也非常的强大。所有的文章都会是基于官网的资料和示例，以及自己使用的实际案例。

一、声明

在此郑重声明：接下来关于pyecharts的全部文章都是基于版本V1.7。写这个声明的原因，是因为pyecharts有两个版本：V0.5和V1.0。

Peter刚开始学习Pyecharts的时候，网上看到的很多的资料都是老的，基于V0.5的，深受其害。在此告诉大家：一定要用V1.0+

它们二者的语法之间是不兼容的，并不存在太多的联系。目前网上很多的教程和博客都是基于V0.5但是V0.5以后团队不会再维护了。

自己曾经在使用这个库的时候，开始没有意识到这个版本的问题，找到的很多文章中的示例代码都不能直接使用，踩过很多的坑，后来才明白是版本的原因。

⚠️将来的所有文章都是基于V1.0

⚠️将来的所有文章都是基于V1.0

⚠️将来的所有文章都是基于V1.0

二、什么是pyecharts

在此，引用官网上的一段话来介绍什么是pyecharts：

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。

说的直白些：pyecharts=python+echarts

三、特性

首先我们高度概括Pyechart的特定：

简洁的 API 设计，使用如丝滑般流畅，支持链式调用囊括了 30+ 种常见图表，应有尽有支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab可轻松集成至 Flask，Django 等主流 Web 框架高度灵活的配置项，可轻松搭配出精美的图表多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持四、安装

下面是自己经常安装Python相关库的代码，速度非常快：

pip install -i  pyecharts==1.7  # 安装pyechartspip install -i  pandas  # 安装pandas

官方提供的源码安装方式

$ git clone  cd pyecharts$ pip install -r requirements.txt$ python setup.py install# 或者执行 python install.py

import pyechartsprint(pyecharts.__version__)

1、默认生成render.html文件

from pyecharts.charts import Bar  # V1版本的导入类方式！！！！非常关键，看到这种方式才是V1bar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件bar.render()

2、指定文件和路径

from pyecharts.charts import Barbar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxis("商家B", [15, 20, 36, 18, 45, 69])bar.render("firstpyecharts.html")  # 也可以传入路径参数

3、在notebook中直接出图

# 注意：如果在notebook中不出图，需要添加下面的两行代码# 只需要在顶部声明 CurrentConfig.ONLINE_HOST 即可from pyecharts.globals import CurrentConfig, OnlineHostType# OnlineHostType.NOTEBOOK_HOST 默认值为  = OnlineHostType.NOTEBOOK_HOST# --------------------------from pyecharts.charts import Barbar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxis("商家B", [15, 20, 36, 18, 45, 69])bar.render_notebook()

在绘图的时候pyecharts支持链式调用：

from pyecharts.charts import Barfrom pyecharts import options as opts# V1 版本开始支持链式调用bar = (    Bar()    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))    # 或者直接使用字典参数    # .set_global_opts(title_opts={"text": "主标题", "subtext": "副标题"}))bar.render_notebook()  # notebook中显示# 不习惯链式调用的开发者依旧可以单独调用方法bar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))bar.render()

如果notebook中没有出图，解决方法在这里：pyecharts v1.5.1+ 起开始支持 Notebook 插件作为静态资源服务。

获取 pyecharts-assets 项目

$ git clone 

$ cd pyecharts-assets# 安装并激活插件$ jupyter nbextension install assets$ jupyter nbextension enable assets/main

# 只需要在顶部声明 CurrentConfig.ONLINE_HOST 即可from pyecharts.globals import CurrentConfig, OnlineHostType# OnlineHostType.NOTEBOOK_HOST 默认值为  = OnlineHostType.NOTEBOOK_HOST

内置主题类型可查看pyecharts.globals.ThemeType

from pyecharts.charts import Barfrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypebar = (    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))  # 初始化的时候指定主题    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题")))bar.render_notebook()

下面记录的是pyecharts支持的全部主题：

thm = ''' |  CHALK = 'chalk' #粉笔风 | |  DARK = 'dark'  #暗黑风 | |  ESSOS = 'essos' #厄索斯大陆 | |  INFOGRAPHIC = 'infographic' #信息图 | |  LIGHT = 'light' #明亮风格 | |  MACARONS = 'macarons' #马卡龙 | |  PURPLE_PASSION = 'purple-passion' #紫色激情 | |  ROMA = 'roma' #石榴 | |  ROMANTIC = 'romantic' #浪漫风 | |  SHINE = 'shine' #闪耀风 | |  VINTAGE = 'vintage' #复古风 | |  WALDEN = 'walden' #瓦尔登湖 | |  WESTEROS = 'westeros' #维斯特洛大陆 | |  WHITE = 'white' #洁白风 | |  WONDERLAND = 'wonderland' #仙境'''