哪些是 pyecharts？ 【更多信息请参考官网：】
pyecharts 是生成 Echarts 图表的通用工具。
echarts是百度开源的数据可视化JS库，主要用于数据可视化。 pyecharts 是生成 Echarts 图表的通用工具。 其实就是Echarts和Python的连接。
使用pyecharts可以生成独立的网页，也可以集成到flask和Django中。
pyecharts 附带的图表
Bar（柱状图/条形图）
Bar3D（3D 柱状图）
Boxplot（箱形图）
EffectScatter（带有涟漪特效动画的散点图）
Funnel（漏斗图）
Gauge（仪表盘）
Geo（地理坐标系）
Graph（关系图）
HeatMap（热力图）
Kline（K线图）
Line（折线/面积图）
Line3D（3D 折线图）
Liquid（水球图）
Map（地图）
Parallel（平行坐标系）
Pie（饼图）
Polar（极坐标系）
Radar（雷达图）
Sankey（桑基图）
Scatter（散点图）
Scatter3D（3D 散点图）
ThemeRiver（主题河流图）
WordCloud（词云图）
用户自定义
Grid 类：并行显示多张图
Overlap 类：结合不同类型图表叠加画在同张图上
Page 类：同一网页按顺序展示多图
Timeline 类：提供时间线轮播多张图pyecharts安装
1 pip install pyecharts
这里要专门说明一下，自从 0.3.2 开始，为了缩减项目本身的体积以及维持 pyecharts 项目的轻量化运行，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表（Geo、Map），可自行安装对应的地图文件包。
否则在用到这两个包的时候，并能完整的显示地图效果。全球国家地图：echarts-countries-pypkg (1.9MB)：世界地图和213个国家，包括中国地图 中国城市地图：echarts-china-provinces-pypkg (730KB)：23个省、5个自治区 中国省级地图：echarts -china-cities-pypkg (3.8MB)：370个中国城市
Windows下通过已经下发的pip命令安装
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
Linux下通过以下pip命令安装
sudo pip3 install echarts-countries-pypkg
sudo pip3 install echarts-china-provinces-pypkg
sudo pip3 install echarts-china-cities-pypkg
sudo pip3 install echarts-countries-pypkg
sudo pip3 install echarts-china-provinces-pypkg
sudo pip3 install echarts-china-cities-pypkg 相关功能及参数说明
首先介绍一下可能用到的一些基本功能：
基本上所有图表类型的草图都是这样的：
Chart_name=Type() 初始化特定类型的图表。 add() 添加数据和配置项。 render() 生成 .html 文件。
基本图表使用示例条形图（直方图/条形图）
from pyecharts import Bar
bar =Bar("我的第一个图表", "这里是副标题")
bar.add("服装", ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [5, 20, 36, 10, 75, 90])
bar.show_config()
bar.render()from pyecharts import Bar
attr=["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1=[5, 20, 36, 10, 75, 90]
v2=[56, 24, 32, 50, 35, 60]
bar =Bar("x 轴和 y 轴交换")
bar.add("商家A", attr, v1)
bar.add("商家B", attr, v2, is_convert=True)
bar.render()饼图（饼图）
from pyecharts import Pie
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[11, 12, 13, 10, 10, 10]
pie =Pie("饼图示例")
pie.add("", attr, v1, is_label_show=True)
pie.show_config()
pie.render()WordCloud（词云图）
from pyecharts import WordCloud
name =['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications', 'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp', 'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham', 'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']
value =[10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112, 965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
wordcloud =WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[20, 100])
wordcloud.show_config()
wordcloud.render()词云图的形状可以通过shape参数来选择
from pyecharts import WordCloud
name =['Sam S Club', 'Macys', 'Amy Schumer', 'Jurassic World', 'Charter Communications', 'Chick Fil A', 'Planet Fitness', 'Pitch Perfect', 'Express', 'Home', 'Johnny Depp', 'Lena Dunham', 'Lewis Hamilton', 'KXAN', 'Mary Ellen Mark', 'Farrah Abraham', 'Rita Ora', 'Serena Williams', 'NCAA baseball tournament', 'Point Break']
value =[10000, 6181, 4386, 4055, 2467, 2244, 1898, 1484, 1112, 965, 847, 582, 555, 550, 462, 366, 360, 282, 273, 265]
wordcloud =WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[30, 100], shape='diamond')
wordcloud.show_config()
wordcloud.render()
Geo（地理坐标系）
1 from pyecharts import Geo
2 data =[("海门", 9), ("鄂尔多斯", 12), ("招远", 12), ("舟山", 12), ("齐齐哈尔", 14), ("盐城", 15)]
3 geo =Geo("全国主要城市空气质量", "data from pm2.5", title_color="#fff", title_pos="center", width=1200, height=600, background_color='#404a59')
4 attr, value =geo.cast(data)
5 geo.add("", attr, value, type="effectScatter", is_random=True, effect_scale=5)
6 geo.show_config()
7 geo.render()重要问题
这里我还要说明一下，因为echarts上有些地方可能没有echarts鞋，一旦添加了没有的东西echarts鞋，就会生成一张空地图。
解决方案有以下三种：
一种是删除不存在的最简单的方法；
二是在百度地图api中将找不到的地方的经度和经度添加到原包中（这个方法可以参考掠夺者的博客）；
第三个是，如果是批量导出导出数据（类似于从数据库中），可以使用try...with...来解决下面的代码。 这是我针对自己遇到的问题想到的解决方案。 来自数据库的字典
事实上，如果数据量比较大的话，这样做的效率可能并不高。 我给你一个参考吧。
for n, m in data.items(): #data是我从数据库中读取的城市的字典数据
list_1 = []
list_2 = []
list_1.append(n)
list_2.append(m)
try:
geo.add("", list_1, list_2, visual_range=[0, 3000], visual_text_color="#fff", symbol_size=15, is_visualmap=True)
except Exception as e:
pass事实上，如果数据量比较大的话，这样做的效率可能并不高。 我给你一个参考吧。 这是我项目中部分数据得到的结果。 我这里拿了7万多条数据做了测试，感觉是有疗效的。 还可以
折线图（折线图/面积图）
from pyecharts import Line
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[5, 20, 36, 10, 10, 100]
v2 =[55, 60, 16, 20, 15, 80]
line =Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average"])
line.add("商家B", attr, v2, is_smooth=True, mark_line=["max", "average"])
line.show_config()
line.render()线面积图：
from pyecharts import Line
attr =["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 =[5, 20, 36, 10, 10, 100]
v2 =[55, 60, 16, 20, 15, 80]
line =Line("折线图-面积图示例")
line.add("商家A", attr, v1, is_fill=True, line_opacity=0.2, area_opacity=0.4, symbol=None)
line.add("商家B", attr, v2, is_fill=True, area_color='#000', area_opacity=0.3, is_smooth=True)
line.show_config()
line.render()
