Python 数据可视化 pyecharts 使用详解：从安装到实战

小满

发布时间：2026-10-13 | 5人浏览过

原创

本文详细介绍 Python 库 pyecharts 的安装配置与核心用法。涵盖柱状图、饼图、词云及地理坐标系等多种图表类型的代码示例，重点解析地图缺失坐标的四种解决方案，并对比 Python 2/3 编码处理差异，帮助开发者快速掌握高效的数据可视化技能。

pyecharts 简介与安装

pyecharts 是什么？

pyecharts 是一个用于生成 Echarts 图表的 Python 类库。

Echarts 是百度开源的数据可视化 JavaScript 库，专注于数据展示。pyecharts 实现了 Echarts 与 Python 的对接，使得在 Python 环境中也能轻松生成高质量的可视化图表。

通过 pyecharts 生成的图表可以保存为独立的网页文件，同时也支持在 Flask、Django 等 Web 框架中集成使用，方便嵌入动态网页应用。

pyecharts 支持的图表类型

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

安装指南与地图依赖

pyecharts 安装指南


pip install pyecharts

需要特别说明的是，自 0.3.2 版本起，为了减小项目体积并保持轻量化，pyecharts 不再内置地图 JavaScript 文件。如果需要使用 Geo 或 Map 等涉及地图的图表，用户必须自行安装对应的地图数据包。

否则，在调用相关功能时可能无法完整显示地图效果。

全球国家地图: echarts-countries-pypkg (1.9MB)：包含世界地图及 213 个国家的数据，其中包括中国地图。

中国省级地图: echarts-china-provinces-pypkg (730KB)：涵盖 23 个省和 5 个自治区。

中国市级地图: echarts-china-cities-pypkg (3.8MB)：包含 370 个中国城市数据。

在 Windows 系统下，可通过以下 pip 命令进行安装：


pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg

在 Linux 系统下，可通过以下 pip 命令进行安装：


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

核心函数与绘制流程

常见图表类型实例

基本图表使用实例

Bar（柱状图/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
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()

说明：如下代码中，atf_tb1 属性并不会显示在最终图表中。


bar = Bar()
bar.add('格式化',["atf_tb1","shop"],[10,50])
bar.add("范围", ["shop"], [120])
bar.render()

可以看到 atf_tb1 并未加载到图表中，说明不支持这种使用方式。

Pie（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 参数进行选择。


wordcloud =WordCloud(width=1300, height=620)
wordcloud.add("", name, value, word_size_range=[30, 100], shape='diamond')
wordcloud.show_config()
wordcloud.render()

地理坐标系常见问题解决

Geo（地理坐标系）


from pyecharts import Geo 
data =[("海门", 9), ("鄂尔多斯", 12), ("招远", 12), ("舟山", 12), ("齐齐哈尔", 14), ("盐城", 15)]
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')
attr, value =geo.cast(data)
geo.add("", attr, value, type="effectScatter", is_random=True, effect_scale=5)
geo.show_config()
geo.render()

这里需要预先说明：由于 Echarts 内置的地点数据有限，如果添加了不存在的地点，将会生成一个空图。

针对此问题，有四种解决办法：

第一种是最简单的方法，直接删除不存在的地点数据。

第二种是前往百度地图 API 查找找不到地方的经纬度，并将其添加到原始包中（具体方法可参考相关博客：https://www.jb51.net/article/163958.htm）。

第三种是如果数据中的城市在地图中没有坐标，可以通过 geo_cities_coords 参数手动添加坐标，GeoLine 图表同样适用此方法。


#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: jyroy
from pyecharts import Geo
 if __name__ == '__main__':

 list_city_name=["100，30-1","130，40-2"]
 list_num = [["value1","value2"],["value3"]]
 geo_cities_coords = {"100，30-1":[100,30],"130，40-2":[130,40]}

 geo = Geo("Geo 实例")
 geo.add("",list_city_name, list_num, geo_cities_coords=geo_cities_coords)
 geo.render()

第四种是批量导入数据（例如从数据库读取）时，如果不想将异常数据插入地图，可以通过 try...except... 结构过滤掉少量异常数据。以下代码是我遇到该问题时提出的解决方案，data 是从数据库中获取的字典数据。

当然，如果数据量较大，这种做法效率可能不高，仅供参考。


 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

当然，如果数据量较大，这种做法效率可能不高，仅供参考。这是我项目中部分数据得到的结果，我使用了 7 万多条数据进行测试，感觉效果还可以。

Line（折线/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()


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()