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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15