京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者:Python进阶者
来源:Python爬虫与数据挖掘
Pyecharts这个可视化库火爆,关于它,官方如是说: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。
前几天在Python交流群里边,有人就遇到了Pyecharts库版本的问题,目前来看,Pyecharts分为V1和V0.5两个大版本,而且两个版本之间不兼容。换句话说,如果你自己的Pyecharts版本是V1展示的话,代码给到别人,如果别人的Pyecharts版本是V0.5的话,运行之后,是会报错的,反之亦然。举个例子,当前小编的Pyecharts版本是V1,可以正常运行代码。
然后小编跑了别人手里Pyecharts为V0.5的代码,然后就出现下图的问题:
一般出现类似这种问题的话,就是Pyecharts版本不兼容导致的。基于此,这里给出一个笨方法,用来切换Pyecharts V1和V0.5,这样也是给大家一点启发。当然了,话说回来,V0.5版本将不再进行维护,这里小编也是建议大家都用最新版本V1,只不过目前还在过渡期,很多网上的代码,大都是V0.5版本写的,所以学点本文这个小技巧,兴许可以帮到你。
1、V0.5-->V1
假设你当前的版本是V0.5,如果想升级到V1,那就非常简单了,只需要操作一步,在命令行中输入升级命令:pip install -U pyecharts即可。
这样就轻松实现了升级切换:
假设你当前的版本是V1,如果想回退到版本V0.5,那就稍微复杂一些,需要你直接输入安装命令:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts==0.5.10这里小编没来得及截图,总之肯定好使就是了。之后安装好之后,还需要安装几个依赖库和相关地图库文件,这样才可以加载地图,命令如下:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts==0.5.10 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-countries-pypkg
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-provinces-pypkg
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-cities-pypkg
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-counties-pypkg
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-china-misc-pypkg
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple echarts-united-kingdom-pypkg
pip install pyecharts_snapshot
如果不安装地图依赖文件的话,那么代码运行之后,程序不会报错,但是生成的html文件就会出现无图的情况,没有数据显示,如下图所示。
如果安装了地图相关库之后,就会正常显示出来。
我是Python进阶者。本文基于Python中的可视化库Pyecharts两个不兼容的版本,盘点了Pyecharts V1和V0.5之间的切换方法。
总的来说,针对pyecharts v1.0安装,可以直接由v0.5进行升级即可;如果想切换为v0.5,直接进行安装即可,关于升级和安装的命令详情请见内文。文中提供的方法虽然笨重了一些,但是亲测可行。小编相信肯定还有其他的方法的,也欢迎大家在评论区谏言。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24