Python入门：Python3 pyecharts模块全面学习教程

Python入门：Python3 pyecharts模块全面学习教程

Python入门：Python3 pyecharts模块全面学习教程，这篇 pyecharts 学习教程围绕 Python 数据可视化展开，先介绍 pyecharts 基于 ECharts、Python 友好、支持交互式操作、图表类型丰富且高可定制的核心优势；接着详解其安装方法（主流的 pip 一键安装与备用的源码安装）及版本验证方式，并提供常用图表 “类型 - 类名 - 导入方式” 速查表；随后以月度销售额柱状图为案例，演示从数据准备、图表创建到渲染的基础流程，进阶部分通过 set_global_opts 配置标题、坐标轴、工具箱等让图表更专业，还讲解 10 + 内置主题（如亮色系 LIGHT、暗色系 DARK）的切换技巧，最后给出尝试其他图表、对接 Pandas 数据及查阅官方文档的学习建议，助力读者从零基础入门到实战掌握 pyecharts。

前言

    Python作为一门简洁、易读、功能强大的编程语言，其基础语法是入门学习的核心。掌握好基础语法，能为后续的编程实践打下坚实的基础。本文将全面讲解Python3的基础语法知识，适合编程初学者系统学习。Python以其简洁优雅的语法和强大的通用性，成为当今最受欢迎的编程语言。本专栏旨在系统性地带你从零基础入门到精通Python核心。无论你是零基础小白还是希望进阶的专业开发者，都将通过清晰的讲解、丰富的实例和实战项目，逐步掌握语法基础、核心数据结构、函数与模块、面向对象编程、文件处理、主流库应用（如数据分析、Web开发、自动化）以及面向对象高级特性，最终具备独立开发能力和解决复杂问题的思维，高效应对数据分析、人工智能、Web应用、自动化脚本等广泛领域的实际需求。

🥇 点击进入Python入门专栏，Python凭借简洁易读的语法，是零基础学习编程的理想选择。本专栏专为初学者设计，系统讲解Python核心基础：变量、数据类型、流程控制、函数、文件操作及常用库入门。通过清晰示例与实用小项目，助你快速掌握编程思维，打下坚实根基，迈出自动化办公、数据分析或Web开发的第一步。

🥇 点击进入Python小游戏实战专栏， 寓教于乐，用Python亲手打造经典小游戏！本专栏通过开发贪吃蛇、飞机大战、猜数字、简易版俄罗斯方块等趣味项目，在实践中掌握Python核心语法、面向对象编程、事件处理、图形界面（如Pygame）等关键技能，将枯燥的代码学习转化为可见的成果，让学习编程充满乐趣与成就感，快速提升实战能力。

🥇 点击进入Python小工具实战专栏，告别重复劳动，用Python打造效率神器！本专栏教你开发文件批量处理、自动邮件通知、简易爬虫、桌面提醒、密码生成器、天气查询等实用小工具。聚焦os、shutil、requests、smtplib、schedule等核心库，通过真实场景案例，快速掌握自动化脚本编写技巧，解放双手，显著提升工作与生活效率，让代码真正服务于你的日常。

🥇 点击进入Python爬虫实战专栏，解锁网络数据宝库！本专栏手把手教你使用Python核心库（如requests、BeautifulSoup、Scrapy）构建高效爬虫。从基础网页解析到动态页面抓取、数据存储（CSV/数据库）、反爬策略应对及IP代理使用，通过实战项目（如电商比价、新闻聚合、图片采集、舆情监控），掌握合法合规获取并利用网络数据的核心技能，让数据成为你的超能力。

🥇 点击进入Python项目实战专栏，告别碎片化学习，挑战真实项目！本专栏精选Web应用开发（Flask/Django）、数据分析可视化、自动化办公系统、简易爬虫框架、API接口开发等综合项目。通过需求分析、架构设计、编码实现、测试部署的全流程，深入掌握工程化开发、代码复用、调试排错与团队协作核心能力，积累高质量作品集，真正具备解决复杂问题的Python实战经验。

🌐 前篇文章咱们练习了 Python3 量化交易全面学习教程 ，如果忘记了，可以去重温一下，不停的重复敲击基础代码，有助于让你更加熟练掌握一门语言。今天咱们继续学习 ，Python3 pyecharts模块全面学习教程，下面开始吧！

在数据驱动的时代，“一图胜千言”的道理愈发明显。如果说Python的Pandas、NumPy是数据处理的“利器”，那pyecharts就是数据可视化的“画笔”——它基于百度开源的ECharts库，让Python开发者无需编写复杂的JavaScript，就能生成交互式、高颜值的图表。本文将从零基础带你入门pyecharts，从安装到实战，手把手教你打造专业可视化图表。

一、认识pyecharts：为什么选它？

在学习前，先搞懂pyecharts的核心优势，帮你理解它的价值：

• Python友好：完全基于Python语法，无需掌握JavaScript，数据处理（如Pandas清洗后）可直接对接可视化，无需跨语言转换；
• 交互式体验：生成的图表支持鼠标悬停显示详情、缩放、切换数据等交互操作，比Matplotlib的静态图更灵活；
• 图表类型丰富：覆盖折线图、柱状图、饼图、地图、词云等20+种图表，满足从日常分析到复杂可视化的需求；
• 高度可定制：支持主题切换、样式配置、工具箱（如导出图片、数据视图）等，轻松适配不同场景的视觉风格；
• 轻量化输出：图表以HTML文件形式保存，可直接在浏览器打开，也能嵌入Web应用或PPT中。

二、环境准备：3步完成pyecharts安装

pyecharts的安装非常简单，推荐使用pip安装（适用于Windows/macOS/Linux），备用方案为源码安装。

1. 主流安装：pip一键安装

打开终端（Windows用CMD或PowerShell，macOS/Linux用Terminal），输入以下命令：

pip install pyecharts 

如果你的环境有多个Python版本，建议用pip3指定Python3：

pip3 install pyecharts 

2. 备用方案：源码安装（适合需最新版本）

如果需要体验未发布的最新功能，可通过GitHub源码安装：

# 克隆源码仓库git clone https://github.com/pyecharts/pyecharts.git # 进入仓库目录cd pyecharts # 安装依赖 pip install -r requirements.txt # 执行安装 python setup.py install# 或 python install.py

3. 验证安装：确认版本

安装完成后，打开Python解释器（终端输入python或python3），执行以下代码验证：

import pyecharts print(pyecharts.__version__)

若输出类似2.0.4的版本号（本文基于2.0+版本），则说明安装成功。

三、pyecharts核心图表速查表

pyecharts支持的图表类型非常多，为了方便你快速查找，整理了常用图表的「类型-类名-导入方式」对照表，收藏起来备用：

四、实战1：创建你的第一个交互式图表（柱状图）

入门最好的方式是动手，我们先从最简单的「月度销售额柱状图」开始，掌握pyecharts的核心流程：准备数据 → 创建图表对象 → 配置数据 → 渲染输出。

步骤1：编写基础代码

新建一个Python文件（如first_chart.py），复制以下代码：

# 1. 导入需要的模块：Bar图表类from pyecharts.charts import Bar # 2. 准备数据：x轴（月份）、y轴（销售额） x_data =["一月","二月","三月","四月","五月"]# 横轴数据（类别） y_data =[10,20,15,25,30]# 纵轴数据（数值，单位：万元）# 3. 创建柱状图对象 bar_chart = Bar()# 4. 向图表添加数据 bar_chart.add_xaxis(x_data)# 添加x轴数据 bar_chart.add_yaxis( series_name="销售额",# 系列名称（图例会显示） y_axis=y_data # 添加y轴数据)# 5. 渲染图表（生成HTML文件）# 不指定路径时，默认在当前目录生成 "render.html" bar_chart.render()# 若需指定路径和文件名，可写为：bar_chart.render("月度销售额图表.html")

运行效果：

步骤2：运行代码并查看结果

1. 运行Python文件：终端输入python first_chart.py；
2. 找到生成的render.html文件（或你指定的文件名）；
3. 双击文件，用浏览器打开，即可看到交互式柱状图：
   • 鼠标悬停在柱子上，会显示“月份+销售额”的详情；
   • 图表默认带图例（“销售额”），支持点击图例隐藏/显示数据。

五、进阶：优化图表，添加专业配置

基础图表虽然能用，但缺少标题、坐标轴说明等关键信息。通过set_global_opts()方法，我们可以添加全局配置，让图表更专业。

实战2：带全局配置的柱状图

修改代码如下，新增标题、坐标轴名称、工具箱等配置：

# 1. 导入模块：Bar图表类 + 配置项模块from pyecharts.charts import Bar from pyecharts import options as opts # 配置项核心模块# 2. 准备数据（同上） x_data =["一月","二月","三月","四月","五月"] y_data =[10,20,15,25,30]# 3. 创建图表对象并配置 bar_chart = Bar() bar_chart.add_xaxis(x_data) bar_chart.add_yaxis("销售额", y_data)# 4. 添加全局配置（重点！） bar_chart.set_global_opts(# 1. 图表标题配置 title_opts=opts.TitleOpts( title="2024年上半年月度销售额分析",# 主标题 subtitle="数据来源：销售部",# 副标题 title_textstyle_opts=opts.TextStyleOpts(font_size=16)# 主标题字体大小),# 2. x轴配置 xaxis_opts=opts.AxisOpts( name="月份",# x轴名称 name_location="middle",# 轴名称位置（中间） name_gap=30# 轴名称与轴线的距离),# 3. y轴配置 yaxis_opts=opts.AxisOpts( name="销售额（万元）",# y轴名称（明确单位，避免歧义） min_=0# y轴最小值设为0，避免数据失真),# 4. 工具箱配置（实用功能：导出图片、查看数据等） toolbox_opts=opts.ToolboxOpts( feature=opts.ToolBoxFeatureOpts( save_as_image=opts.ToolBoxFeatureSaveAsImageOpts(),# 导出图片 data_view=opts.ToolBoxFeatureDataViewOpts(),# 查看原始数据 restore=opts.ToolBoxFeatureRestoreOpts()# 重置图表)),# 5. 提示框配置（鼠标悬停时的显示效果） tooltip_opts=opts.TooltipOpts( trigger="axis",# 触发方式：按轴触发（悬停时显示整行数据） axis_pointer_type="cross"# 指针样式：十字线（方便定位）),# 6. 图例配置（调整图例位置） legend_opts=opts.LegendOpts( pos_left="center",# 水平位置：居中 pos_top="bottom"# 垂直位置：底部))# 5. 渲染图表 bar_chart.render("优化后的销售额图表.html")

配置项说明（重点理解）

六、个性化：主题切换，让图表更有风格

pyecharts提供10+种内置主题，支持一键切换，满足不同场景的视觉需求（如亮色系适合报告、暗色系适合大屏展示）。

实战3：切换图表主题

以“暗色系主题”为例，代码如下：

# 1. 导入模块：Bar + 配置项 + 主题类型from pyecharts.charts import Bar from pyecharts import options as opts from pyecharts.globalsimport ThemeType # 主题类型枚举# 2. 准备数据 x_data =["一月","二月","三月","四月","五月"] y_data =[10,20,15,25,30]# 3. 创建图表对象时指定初始主题（关键：init_opts参数） bar_chart = Bar( init_opts=opts.InitOpts( theme=ThemeType.DARK,# 初始主题：暗色系 width="800px",# 图表宽度 height="500px"# 图表高度))# 4. 添加数据 + 全局配置（同上） bar_chart.add_xaxis(x_data) bar_chart.add_yaxis("销售额", y_data) bar_chart.set_global_opts( title_opts=opts.TitleOpts(title="月度销售额分析（暗色系主题）"), xaxis_opts=opts.AxisOpts(name="月份"), yaxis_opts=opts.AxisOpts(name="销售额（万元）"))# 5. 渲染图表 bar_chart.render("暗色系销售额图表.html")

常用内置主题列表

pyecharts的内置主题分为「亮色系」和「暗色系」，可根据场景选择：

七、总结与拓展

通过本文，你已经掌握了pyecharts的核心流程：

1. 安装pyecharts并验证环境；
2. 基于Bar类创建基础交互式图表；
3. 用set_global_opts()添加标题、坐标轴、工具箱等专业配置；
4. 用ThemeType切换主题，实现个性化风格。

下一步学习建议

1. 尝试其他图表：基于本文的思路，尝试用Line（折线图）展示趋势、Pie（饼图）展示占比、Map（地图）展示地域数据；
2. 对接Pandas数据：pyecharts支持直接传入Pandas的DataFrame数据，例如add_yaxis(y_axis=df["销售额"].tolist())；
3. 学习3D图表：对于复杂数据，可探索Scatter3D（3D散点图）、Surface3D（3D曲面图）；
4. 查阅官方文档：pyecharts官方文档（https://pyecharts.org/#/zh-cn/intro）有更详细的配置项和案例，是进阶学习的最佳资料。

动手实践是掌握pyecharts最快的方式，赶紧用自己的数据试试吧！如果有问题，欢迎在评论区留言讨论~

💡下一篇咱们学习 Python入门：Python3 selenium库全面学习教程！

附录：扩展学习资源

1. 官方资源：
   • Python官网：https://www.python.org
   • PyPI：https://pypi.org（查找第三方库）
   • 安装包等相关文件（另附带pycharm工具），网盘下载地址：https://pan.quark.cn/s/649af731037c
   • 学习资料视频和文档资源，网盘下载地址： https://pan.quark.cn/s/ee16901a8954
2. 本专栏特色资源：
   • 代码资源仓库：ZEEKLOG专属资源在线获取
   • 海量Python教程：关注公众号：xcLeigh，获取网盘地址
   • 一对一答疑：添加微信与博主在线沟通（备注“Python专栏”）

联系博主

    xcLeigh 博主，全栈领域优质创作者，博客专家，目前，活跃在ZEEKLOG、微信公众号、小红书、知乎、掘金、快手、思否、微博、51CTO、B站、腾讯云开发者社区、阿里云开发者社区等平台，全网拥有几十万的粉丝，全网统一IP为 xcLeigh。希望通过我的分享，让大家能在喜悦的情况下收获到有用的知识。主要分享编程、开发工具、算法、技术学习心得等内容。很多读者评价他的文章简洁易懂，尤其对于一些复杂的技术话题，他能通过通俗的语言来解释，帮助初学者更好地理解。博客通常也会涉及一些实践经验，项目分享以及解决实际开发中遇到的问题。如果你是开发领域的初学者，或者在学习一些新的编程语言或框架，关注他的文章对你有很大帮助。

    亲爱的朋友，无论前路如何漫长与崎岖，都请怀揣梦想的火种，因为在生活的广袤星空中，总有一颗属于你的璀璨星辰在熠熠生辉，静候你抵达。

     愿你在这纷繁世间，能时常收获微小而确定的幸福，如春日微风轻拂面庞，所有的疲惫与烦恼都能被温柔以待，内心永远充盈着安宁与慰藉。

    至此，文章已至尾声，而您的故事仍在续写，不知您对文中所叙有何独特见解？期待您在心中与我对话，开启思想的新交流。

     💞 关注博主 🌀 带你实现畅游前后端！

     🏰 大屏可视化 🌀 带你体验酷炫大屏！

     💯 神秘个人简介 🌀 带你体验不一样得介绍！

     🥇 从零到一学习Python 🌀 带你玩转Python技术流！

     🏆 前沿应用深度测评 🌀 前沿AI产品热门应用在线等你来发掘！

     💦 注：本文撰写于ZEEKLOG平台,作者：xcLeigh（所有权归作者所有） ，https://xcleigh.blog.ZEEKLOG.net/，如果相关下载没有跳转，请查看这个地址，相关链接没有跳转，皆是抄袭本文，转载请备注本文原地址。

     📣 亲，码字不易，动动小手，欢迎 点赞 ➕ 收藏，如 🈶 问题请留言（或者关注下方公众号，看见后第一时间回复，还有海量编程资料等你来领！），博主看见后一定及时给您答复 💌💌💌