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
在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06在数据驱动的建模与分析场景中,“数据决定上限,特征决定下限”已成为行业共识。原始数据经过采集、清洗后,往往难以直接支撑模 ...
2026-01-06在Python文件操作场景中,批量处理文件、遍历目录树是高频需求——无论是统计某文件夹下的文件数量、筛选特定类型文件,还是批量 ...
2026-01-05在神经网络模型训练过程中,开发者最担心的问题之一,莫过于“训练误差突然增大”——前几轮还平稳下降的损失值(Loss),突然在 ...
2026-01-05在数据驱动的业务场景中,“垃圾数据进,垃圾结果出”是永恒的警示。企业收集的数据往往存在缺失、异常、重复、格式混乱等问题, ...
2026-01-05在数字化时代,用户行为数据已成为企业的核心资产之一。从用户打开APP的首次点击,到浏览页面的停留时长,再到最终的购买决策、 ...
2026-01-04在数据分析领域,数据稳定性是衡量数据质量的核心维度之一,直接决定了分析结果的可靠性与决策价值。稳定的数据能反映事物的固有 ...
2026-01-04在CDA(Certified Data Analyst)数据分析师的工作链路中,数据读取是连接原始数据与后续分析的关键桥梁。如果说数据采集是“获 ...
2026-01-04尊敬的考生: 您好! 我们诚挚通知您,CDA Level III 考试大纲将于 2025 年 12 月 31 日实施重大更新,并正式启用,2026年3月考 ...
2025-12-31“字如其人”的传统认知,让不少“手残党”在需要签名的场景中倍感尴尬——商务签约时的签名歪歪扭扭,朋友聚会的签名墙不敢落笔 ...
2025-12-31