数据可视化，是关于数据视觉表现形式的科学技术研究。通过某种概要形式抽提出数据的关键信息，包括相应信息单位的各种属性和变量。
基本的数据可视化流程如下所示，分为工具的选取、数据源的获取，数据清洗，报表呈现。
好的可视化报表应该是包含重要的可视化信息内容，通过如下的DataMax实时数据大屏看板，可以看到每日的订单量变化，订单量的变化趋势，以及在地图上进行可视化分布。
接下来讲讲，啥是pyecharts？
首先说说Echarts，Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了，如下分别是Echarts和Pyecharts的官方网址，感兴趣的同学可以登录官网进行学习。
pyecharts 分为 v0.5.X 和 v1 两个大版本，v0.5.X 和 v1 间不兼容，v1 是一个全新的版本，本文所使用的案例均为v1版本，接下来会逐步讲解pyecharts如何使用？
1
pyecharts下载
# 安装
pip install pyecharts
这里可能因为网速等问题，可能下载起来会比较慢，加个国内的镜像，速度快到飞起，使用方法如下：
国内镜像
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学：https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
使用方法：
pip install-i https://pypi.tuna.tsinghua.edu.cn/simple 库名
例如安装matplotlib包
pip install-i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
2
pyecharts版本
import pyecharts
print(pyecharts.__version__) ##当前使用pyecharts的版本
通过使用两行命令，可以看到，该版本是1.0.0版本。
3
绘图的逻辑
- 选择图表类型
- 添加数据
- 设置全局变量
- 显示及保存图表
基本图表类型
from pyecharts.charts import *
常见的图表分为散点图、柱状图、饼图、折线图等等。
添加数据
散点图、折线图等二维数据图形可通过
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name='', y_axis=y)
方法进行设置。
饼图等一维图形可通过
.add(series_name=‘’, data_pair=[(i, j)for i, j in zip(lab, num)])
方法设置参数，pyecharts 所有方法均支持链式调用。
全局配置
使用 options 配置项，在 pyecharts 中，一切皆 Options。全局配置项可通过 set_global_options 方法设置。
.get_options() # 该行只为了查看配置项，方便调试时使用
显示、保存图表
.render()
默认将会在当前目录下生成一个 render.html 的文件，支持 path 参数，设置文件保存位置，如 bar.render("./html/bar.html")，文件用浏览器打开。
.Jupyter Notebook()
直接调用 render_notebook ()随时随地渲染图表
熟练掌握如上的几个基本方法后，就可以做出好看的pyecharts 图形了。
pyecharts 图形示例一
pyecharts 图形示例二