查看全课大纲（第 2 / 45 节）
  1. 1.课程简介
  2. 2.环境搭建
  3. 3.预备知识
  4. 4.pyecharts初体验
  5. 5.数据可视化概述
  6. 6.数据可视化的目标和作用
  7. 7.数据可视化工具对比分析
  8. 8.数据可视化基本流程
  9. 9.数据可视化设计原则
  10. 10.pyecharts简介
  11. 11.官方图表样例
  12. 12.常用图表的基本结构
  13. 13.数据格式
  14. 14.图表的分类
  15. 15.柱状图与条形图
  16. 16.其他对比图表
  17. 17.常用配置项（一）
  18. 18.常用配置项（二）
  19. 19.折线图 面积图
  20. 20.K线图
  21. 21.其他时间图表
  22. 22.常用配置项
  23. 23.散点图 气泡图
  24. 24.热力图
  25. 25.其他相关性图表
  26. 26.饼图
  27. 27.矩形树图
  28. 28.其他成分比例图表
  29. 29.箱型图与直方图
  30. 30.3D柱状图与折线图
  31. 31.其他统计图表
  32. 32.地图 Map
  33. 33.地理坐标系Geo
  34. 34.3D 地图
  35. 35.网络关系图
  36. 36.主题河流图
  37. 37.词云图
  38. 38.组合图表组件
  39. 39.仪表盘相关图表
  40. 40.项目介绍
  41. 41.数据准备
  42. 42.子图制作(一)
  43. 43.子图制作(二）
  44. 44.数据大屏制作
  45. 45.项目总结

环境搭建

小象实战讲义 · ECharts 数据可视化

欢迎来到《ECharts 数据可视化：从交互图表到数据大屏》课程的第一章第二节。在上一节了解了课程概览后，我们即将动手实践。本节将带领你完成从零到一的开发环境搭建，确保你拥有一个稳定、高效的 Python 数据可视化工作台。学完本节，你将能够独立安装并验证 pyecharts 环境，为后续的图表制作与数据大屏开发打下坚实基础。

💡 核心导读

  • 为什么选择 Python 与 pyecharts？ 了解 Python 在数据科学领域的优势，以及 pyecharts 作为 ECharts 的 Python 接口，如何让我们在熟悉的 Python 环境中创作出强大的 Web 交互图表。
  • 一站式环境搭建：Anaconda 掌握使用 Anaconda 科学计算发行版快速搭建 Python 环境的方法，它集成了众多常用库，有效避免了包依赖冲突。
  • 包管理工具 pip 的使用 学习使用 pip 安装、升级和管理 Python 包，特别是安装课程核心工具 pyecharts。
  • 环境验证与初探 通过简单的代码测试环境是否安装成功，并初步浏览 pyecharts 官方文档和示例库，建立直观印象。

一、为什么是 Python 与 pyecharts？

在开始动手之前，我们先明确技术选型。本课程的核心是 ECharts，一个由百度开源、基于 JavaScript 的数据可视化库，以其丰富的图表类型、流畅的交互和优雅的设计著称。

然而，对于已经掌握 Python 和 pandas 进行数据分析的你来说，直接使用 JavaScript 版本的 ECharts 意味着需要学习另一套语言和生态。为了降低门槛，我们将使用 pyecharts。

pyecharts 是 ECharts 的 Python 接口。它允许你使用纯 Python 代码来生成 ECharts 图表，最终输出为标准的 HTML 文件。这意味着：

  1. 无缝衔接：你可以在 Jupyter Notebook 或 Python 脚本中，直接使用 pandas 处理好的 DataFrame 数据来绘图。
  2. 降低门槛：无需深入学习前端（HTML/CSS/JavaScript）即可制作出具有专业级交互效果的 Web 图表。
  3. 灵活交付：生成的 HTML 可以把图表配置交付到浏览器；默认需要联网加载 ECharts 脚本，课程随后会改用本地 assets/ 资源。

因此，我们的技术栈是：Python (数据分析) -> pyecharts (图表生成) -> ECharts (可视化渲染)。

二、搭建 Python 开发环境：Anaconda

我们推荐使用 Anaconda 来管理 Python 环境。Anaconda 是一个开源的 Python 科学计算发行版，它预装了数百个数据科学常用的库（如 NumPy, pandas, Matplotlib 等），并提供了强大的环境管理工具 conda，能有效解决不同库之间的版本依赖冲突问题。

1. 下载与安装

  • 官网下载：访问 Anaconda 官网，选择对应的操作系统（Windows/macOS/Linux）和系统位数（推荐 64 位），下载 Individual Edition（个人免费版）安装程序。
  • 镜像加速：如果官网下载速度慢，可以使用国内的清华大学开源软件镜像站。访问 清华镜像 Anaconda 帮助页，按照指引找到下载链接。

下载完成后，运行安装程序，按照提示完成安装即可，过程中通常使用默认选项。

2. 安装后的重要组件

安装成功后，你会在开始菜单（Windows）或应用程序文件夹（macOS）中找到以下几个关键工具：

  • Anaconda Navigator：一个图形化的环境与管理界面，可以方便地启动工具、安装包和管理不同环境。
  • Anaconda Prompt (Windows) / 终端 (macOS/Linux)：一个命令行工具，它自动配置好了 Anaconda 的环境，是我们后续使用 pip 或 conda 命令安装包的主要入口。
  • Jupyter Notebook：一个基于 Web 的交互式计算环境，我们将主要在这里编写和运行代码。它支持将代码、文本、公式和可视化结果整合在一个文档中，非常适合数据分析和可视化教学。

三、安装 pyecharts

Anaconda 预装了许多包，但 pyecharts 不在其默认列表中。我们需要使用 Python 的包管理工具 pip 来安装。

重要版本说明：本课程基于 pyecharts 2.1.0 版本进行教学，它默认加载 ECharts 6 的资源。pyecharts 在 1.0 版本进行了重大升级，与之前的 0.5.x 版本不兼容，请务必安装 1.0 及以上版本。

  1. 打开 Anaconda Prompt (Windows) 或系统终端 (macOS/Linux)。
  2. 在命令行中输入以下固定版本安装命令：
    pip install pyecharts==2.1.0
  3. 等待安装完成。命令行会显示下载和安装进度，最后出现 Successfully installed pyecharts-2.1.0 ... 类似的提示，即表示安装成功。

包管理常用命令：

  • pip install [包名]：安装指定包。
  • pip uninstall [包名]：卸载指定包。
  • pip install -U [包名] 或 pip install --upgrade [包名]：升级指定包到最新版本。

四、环境测试与初探

安装完成后，让我们快速验证一下环境是否工作正常。

1. 基础环境测试

在刚才的 Anaconda Prompt 中，输入 python 并回车，进入 Python 交互式环境。然后依次输入以下命令：

# 导入 pyecharts，如果不报错说明库已正确安装
import pyecharts

# 查看当前安装的 pyecharts 版本
print(pyecharts.__version__)

预期输出：

2.1.0

看到版本号输出（应为 2.1.0 或更高），说明 pyecharts 已成功安装。输入 exit() 或按 Ctrl+D (macOS/Linux) / Ctrl+Z 回车 (Windows) 退出 Python 环境。

2. 官方资源一览

在开始深入编码前，建议你花几分钟浏览一下 pyecharts 的官方资源，这对后续学习很有帮助。

  • 官方文档：https://pyecharts.org：这里有最权威的 API 说明、配置项指南和基础教程。支持中英文切换。
  • 示例画廊：https://gallery.pyecharts.org：这里汇集了几乎所有图表类型的可交互示例和源代码。当你想实现某种效果但不知从何下手时，这里是绝佳的灵感来源和参考库。

3. 第一个验证图表（可选）

为了更直观地感受，我们创建一个最简单的图表并保存为 HTML。把课程 assets/ 目录放在脚本同级，让 CurrentConfig.ONLINE_HOST 指向本地资源：

from pyecharts.globals import CurrentConfig
from pyecharts.charts import Bar
from pyecharts import options as opts

CurrentConfig.ONLINE_HOST = "assets/"

# 创建柱状图对象
bar = (
    Bar()
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [114, 55, 27, 101, 125, 27])
    .add_yaxis("商家B", [57, 134, 137, 129, 145, 60])
    .set_global_opts(title_opts=opts.TitleOpts(title="商场销售情况"))
)

# 生成可本地浏览的 HTML
bar.render("first_chart.html")
商家A和商家B在衬衫、羊毛衫等六类商品上的销量柱状图
图：环境验证用的第一张柱状图：商家A与商家B在六类商品上的销量对比，图例、类目轴和柱子都正常显示。手机端可左右滑动查看，点击图片可看全图。

运行后在当前目录生成 first_chart.html，用浏览器打开即可看到交互式柱状图。Jupyter 用户也可以改用 bar.render_notebook() 在单元格内显示。

注意：课程统一使用 .render("文件名.html")；render_notebook() 只作为 Jupyter 环境的可选方式。

📝 动手练一练

  1. 环境自查：请在你的 Anaconda Prompt 中，使用 pip list 命令查看已安装的包列表，找到 pyecharts 及其版本号，并确认其是否为 2.1.0。
  2. 示例探索：访问 pyecharts 示例画廊，在“基本图表”分类下找到一个你感兴趣的图表（例如折线图、饼图），点击进入后，观察其右侧的 Python 源代码结构，尝试理解 add_xaxis, add_yaxis, set_global_opts 等基本方法的作用。
点击查看参考答案

练习1参考步骤与输出： 在 Anaconda Prompt 中输入 pip list | findstr pyecharts (Windows) 或 pip list | grep pyecharts (macOS/Linux)。你看到的输出应该类似于：

pyecharts          2.1.0

（版本号可能因未来更新而略有不同，但主要版本应为2.x）。

练习2参考观察： 以画廊中的“基本折线图”为例，其代码核心结构通常包含：

  • from pyecharts.charts import Line：导入特定的图表类。
  • Line()：创建图表实例。
  • .add_xaxis([...])：设置横轴数据（通常是类别或时间）。
  • .add_yaxis(“系列名”, [...])：添加一个数据系列，并指定其纵轴数值。
  • .set_global_opts(...)：设置全局配置，如图表标题、坐标轴标签等。 通过观察不同示例，你能快速建立起对 pyecharts 绘图流程的直观认识。

本章小结

恭喜你成功完成了可视化开发环境的搭建！你现在拥有一个集成了 Python、数据科学库和 pyecharts 的强大工作台。记住，一个稳定、干净的环境是高效学习和开发的第一步。

📋 行动清单

  • 成功安装 Anaconda，并能打开命令行和 Jupyter Notebook。
  • 使用 pip install pyecharts==2.1.0 固定版本安装，并通过版本检查。
  • 在 Python 交互环境中能成功执行 import pyecharts 并打印出版本号。
  • 浏览过 pyecharts 官方文档和示例画廊，对其能力范围有了初步印象。

—— 小象教研组