序言：学校里不学python的，没有开设这门课程，暑假买了三本书，都是入门的书籍，连带看b站大佬的视频，就感觉还好，毕竟自己学过c和java了，虽然也都是基础。再来看其它编程语言时，你会发现，语言其实是相通的，许多地方很相似。
被python强大的库所吸引，库的强大带来许多的方便。有人说，只会在python里调用库的猿友们不是大佬，会看源码的猿友们可以称之为大佬。我有一个大佬梦，相信每个人都有，不管是否可以达到预期的目标。我们不管怎样，是否可以学到真正的东西，还是得靠持之以恒。
以上算是对我的一个鼓励吧，我总是在很多事情上说到做不到，我希望我在以后得经历中可以坚持做事。废话说的有点多，进入正题吧。
我们来介绍pyecharts库的基础入门。
1：pyecharts库简介：
pyecharts分为两个版本，v0.5.X 和 v1，这两个版本是互不兼容的，有我没你的样子，v0.5.X这个版本支持python2.7,3.4+，而新版的v1只支持我们的python3.6+。更加悲催的是v0.5.X已经被开发团队抛弃了，像个没人管的孤儿了，现在的真正的骄子就是v1了。我们下面主要对v1进行简单介绍。
2：pyecharts库的安装：
我们还是老办法，首先装上这个库。来win+R打开控制台。具体如下图：
由于我的已经装好了，所以再次执行
此安装命令时，就会告诉我already satisfied.之前如果没装的猿友们会出现collect这种。然后会有一个进度条。
装好后我们直接在pycharm中导入即可，当然你可能用其他的编辑器，操作可能有所不同。
3：pyecharts的简单使用：
<1>柱状图的简单绘制：
我们直接上代码
from pyecharts.charts import Bar
bar = (
Bar().add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"]) #添加横轴
.add_yaxis("山阴鞋价",[250,260,240,150])添加纵轴相关
.add_yaxis("长治鞋价",[300,360,320,180])
#纵轴的前面是相于一个标签，这两个标签可以切换
)
bar.render("E:地区鞋价格.html") #这里我指定了我的存放路径和文件名
我们来看运行效果,大家可以注意到这是在html文件中展示的
我们点击上面的标签是可以切换的，可以只展示一个，如下图
所以啊，这就很方便，很迷人。
其实还可以想想，若是将excel表格数据展示出来，岂不是更直观？
我们来试试。
先来看我的一个excel表格数据
是啊，这是某年统计的北京房价，太j8贵了。我们现在要讲这些数据展示，也就是数据可视化。我们这里还要就借用一个库，panada库，可以帮助我们读取excel数据，我们上代码再说话
import pandas
from pyecharts.charts import Bar
df = pandas.read_excel("E:\\北京地区房价.xlsx") # 读取excel表格数据
height,width = df.shape
print(height,width,type(df))
#打印出表格数据
print(df)
bar = Bar() # 实例化
bar .add_xaxis(df["北京城区"].tolist())
bar.add_yaxis("北京房价",df["价格每平"].tolist())
bar.render("E:中国北京房价.html")
我们来看运行结果
我们先来看读取到的表格数据
十五行两列,还有展示一些原始的数据
我们来看图,这里，我们就更直观的显示了
这只是pycharts库的柱状图，也是基础操作，当然可以对其进行渲染什么的，可以设置主题。
我们小小的展示一下，东西实在太多了。
我们来看代码：
下面展示一些 内联代码片。
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType # 导入主题
from pyecharts import options as opts
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#这里我设置为亮色
bar.add_xaxis(["新百伦","360运动鞋","鸿星尔克","万人"])
bar.add_yaxis("山阴鞋价",[250,260,240,150])
bar.add_yaxis("长治鞋价",[300,360,320,180])
bar.render("E:地区鞋价格.html")
看下面的图，我们就改变了颜色
我们还可以设置标题
添加这一句就可以了 bar.set_global_opts(title_opts=opts.TitleOpts(title=“主标题”, subtitle=“副标题”))
当然除了这些还有其他的很多操作，包括相关的配置等等，在数据可视化图的方面，还可以设置散点图，折线图，雷达图等等。
这里，就不一一展示了
这个库强大的很，我们来看看它的地图方面
我们上代码：
from pyecharts import options as opts
from pyecharts.charts import Map
population=[["广东",11169],["山东",10005.63],
["河南",9559.13],["四川",8302],["江苏",8029.3],
["河北",7519.52],["湖南",6860.2],["安徽",6254.8],
["湖北",5902],["浙江",5657]]
map = (Map().add("省人口数量",population,"china") #这里可以指定国家
.set_global_opts(title_opts=opts.TitleOpts(title="人口数量")
,visualmap_opts=opts.VisualMapOpts(max_=12000)))
map.render_notebook()
map.render("E:省人口数量部分.html")
我们来看运行结果
这是我们中国的地图，我这里设置了一下相关地区的人口
这个图点上去指定地点可以1展示些相关的数据。图还可以放大
像这样
我们来做一个地区空气的图
上代码
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import ThemeType
pro_dis ={'湖北':34, '浙江':33, '广东': 34,
'湖南':39, '河南':39, '安徽': 38,
'重庆':57, '山东':54, '江西': 54,
'四川':55, '江苏':54, '北京':25,
'福建':26, '上海':14, '广西':43,
'陕西':35, '河北':38, '云南':38,
'海南':41, '黑龙江':46, '辽宁':46,
'山西':28, '天津':144, '甘肃':243,
'内蒙古':100, '新疆':123, '宁夏':52,
'贵州':42, '吉林':34, '台湾':50,
'香港':83, '澳门':62, '青海':26,
'西藏':17
}
map = Map(init_opts=opts.InitOpts(bg_color="blue",theme=ThemeType.ROMANTIC))
map.set_global_opts(title_opts=opts.TitleOpts(title="全国地区空气质量",pos_right="right"),
)
map.add("地区空气质量",data_pair=pro_dis.items(),maptype="china")
map.render("E:地区空气质量.html")
我们来看效果
我们的简单介绍就到这里，更多的与pycharts有关的使用，欢迎关注下期博文。
相关的请遵守csdn博客协议
——博主jgdabc
更多的文章请点击这里：jgdabc主页
转载：https://blog.csdn.net/jgdabc/article/details/108356235