国内建议使用下面的镜像安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
当你使用的是python2.x时，请务必插入此代码：
from __future__ import unicode_literals
当你使用的是python3.x时，请务必粉我一下！
参考pyechart文档：http://pyecharts.org/#/zh-cn/
迈出可视第一步，数据分析不是事。
使用的【基本要领】在于：
-
导入相关图表包
-
进行图表的基础设置，创建图表对象
-
利用add()方法进行数据输入与图表设置(可以使用print_echarts_options()来输出所有可配置项)
-
利用render()方法来进行图表保存
这里列出的是老版本的调用方法，新的版本请参照官方文档
比如使用
from pyecharts.charts import Bar 代替from pyecharts import Bar
我们先创建一组数据
//设置行名 columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"] //设置数据 data1 = [2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3] data2 = [2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]
柱状图-Bar
//导入柱状图-Bar from pyecharts import Bar //设置柱状图的主标题与副标题 bar = Bar("柱状图", "一年的降水量与蒸发量") //添加柱状图的数据及配置项 bar.add("降水量", columns, data1, mark_line=["average"], mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_line=["average"], mark_point=["max", "min"]) //生成本地文件（默认为.html文件） bar.render()
饼图-Pie
//导入饼图Pie from pyecharts import Pie //设置主标题与副标题，标题设置居中，设置宽度为900 pie = Pie("饼状图", "一年的降水量与蒸发量",title_pos='center',width=900) //加入数据，设置坐标位置为【25，50】，上方的colums选项取消显示 pie.add("降水量", columns, data1 ,center=[25,50],is_legend_show=False) //加入数据，设置坐标位置为【75，50】，上方的colums选项取消显示，显示label标签 pie.add("蒸发量", columns, data2 ,center=[75,50],is_legend_show=False,is_label_show=True) //保存图表 pie.render()
箱体图-Boxplot
//导入箱型图Boxplot from pyecharts import Boxplot boxplot = Boxplot("箱形图", "一年的降水量与蒸发量") x_axis = ['降水量','蒸发量'] y_axis = [data1,data2] //prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max] yaxis = boxplot.prepare_data(y_axis) boxplot.add("天气统计", x_axis, _yaxis) boxplot.render()
折线图-Line
from pyecharts import Line line = Line("折线图","一年的降水量与蒸发量") //is_label_show是设置上方数据是否显示 line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) line.render()
雷达图-Rader
from pyecharts import Radar radar = Radar("雷达图", "一年的降水量与蒸发量") //由于雷达图传入的数据得为多维数据，所以这里需要做一下处理 radar_data1 = [[2.0, 4.9, 7.0, 23.2, 25.6, 76.7, 135.6, 162.2, 32.6, 20.0, 6.4, 3.3]] radar_data2 = [[2.6, 5.9, 9.0, 26.4, 28.7, 70.7, 175.6, 182.2, 48.7, 18.8, 6.0, 2.3]] //设置column的最大值，为了雷达图更为直观，这里的月份最大值设置有所不同 schema = [ ("Jan", 5), ("Feb",10), ("Mar", 10), ("Apr", 50), ("May", 50), ("Jun", 200), ("Jul", 200), ("Aug", 200), ("Sep", 50), ("Oct", 50), ("Nov", 10), ("Dec", 5) ] //传入坐标 radar.config(schema) radar.add("降水量",radar_data1) //一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色 radar.add("蒸发量",radar_data2,item_color="#1C86EE") radar.render()
散点图-scatter
from pyecharts import Scatter scatter = Scatter("散点图", "一年的降水量与蒸发量") //xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置 scatter.add("降水量与蒸发量的散点分布", data1,data2,xaxis_name="降水量",yaxis_name="蒸发量", yaxis_name_gap=40) scatter.render()
图表布局 Grid(1)---单独的表格
from pyecharts import Grid //设置折线图标题位置 line = Line("折线图","一年的降水量与蒸发量",title_top="45%") line.add("降水量", columns, data1, is_label_show=True) line.add("蒸发量", columns, data2, is_label_show=True) grid = Grid() //设置两个图表的相对位置 grid.add(bar, grid_bottom="60%") grid.add(line, grid_top="60%") grid.render()
图表布局 Grid(2)--合并的表格
from pyecharts import Overlap overlap = Overlap() bar = Bar("柱状图-折线图合并", "一年的降水量与蒸发量") bar.add("降水量", columns, data1, mark_point=["max", "min"]) bar.add("蒸发量", columns, data2, mark_point=["max", "min"]) overlap.add(bar) overlap.add(line) overlap.render()
参考博文：
https://www.jianshu.com/p/52dbe714d2f6
https://blog.csdn.net/weixin_42232219/article/details/90631442
https://www.jianshu.com/p/554d64470ec9