1.为什么使用pyecharts而不使用matplotlib？ 优点：matplotlib属于静态图，没有交互，pyecharts渲染效果更好 缺点：不稳定，因为存在两个版本导致有一些博客上的举例不同。（我使用的是1.7.1版本）
2.在其他博客上实例化图表对象后（如：pie = Pie（））我们会经常看到.add.set_global_opts.set_series_opts，这些是什么勒？
.add是对图表内的数据进行操作，如Bar图表（柱状图）中bar.add_xaixs(["上海","湖北","湖南"]),此列表即是X轴上的刻度，属于图表内的数据
.set_global_opts首先与导入的第三方库(我们在一些案列中常看到的from pyecharts import options as opts)相关，set_global_opts()是全局配置项
.set_series_opts首先与导入的第三方库(我们在一些案列中常看到的from pyecharts import options as opts)相关,set_series_opts()是系列配置项
关于全局配置项和系列配置项可以查看Pyecharts的中文文档,接下来便是对常用图表（Bar、Line、Pie、Map）以及全局配置项、系列配置项的举例。
（pip uninstall pyecharts pip install pyecharts==1.7.1卸载与安装）
3.Bar（）、Line（）
Bar与Line有相似之处、一并介绍：
Bar与Line同属于直角坐标系图表，在增加X轴数据时是相同的，在增加Y轴数据时其内参数有所不同
from pyecharts.charts import Bar,Line
from pyecharts.faker import Faker
from pyecharts import options as opts
#pyecharts.faker 中的Faker是随机产生七组[keys,values]数据，可以为我们举例时提供数据
print(Faker.choose(),Faker.values()) #['可乐', '雪碧', '橙汁', '绿茶', '奶茶', '百威', '青岛'] [50, 52, 130, 133, 22, 93, 149]
print(Faker.choose(),Faker.values()) #['周一', '周二', '周三', '周四', '周五', '周六', '周日'] [83, 34, 111, 107, 91, 32, 47]
#init_opts= …… 受益于from pyecharts import options as opts，，这里我使用了图表的高、宽、以及背景颜色的参数，在pyecharts的中文文档中同样可以找到InitOpts的用法，其内包含多个参数
bar = Bar(init_opts=opts.InitOpts(width='1000px',height='1000px',bg_color='WHITE'))
#为Bar新增X轴数据
bar.add_xaxis(Faker.choose())
#为Bar新增Y轴数据，这对照上面给出的图或者自己参考pyecharts中文文档内的Bar按要求补充参数，我这里仅仅填写必须存在的参数
bar.add_yaxis("标签",Faker.values())
#将获得的图表保存在HYML文件内，不填写文件路径和文件名默认设置为当前路径下命名为render.html
bar.render('te1.html')
#因为我在给Bar图表新增Y轴数据时仅仅补充了必要参数，所以直接将Bar实例化更改为Line便得到了折线图
4.Map
from pyecharts.charts import Map
from pyecharts.faker import Faker
from pyecharts import options as opts
map = Map(init_opts=opts.InitOpts(width='800px',height='800px')) #px是像素单位
#Map图表的数据格式为[key,value]对，因此要用到zip内置函数
#add方法后另加了一个china，是说明要用到什么地理图表
map.add("",[list(z) for z in zip(Faker.choose(),Faker.values())],'china')
#set_global_opts便是全局配置项，这个可结合pyecharts中文文档对比自己操作以达到熟练，自己多去尝试、试错
map.set_global_opts(title_opts=opts.TitleOpts(title = '主标题',subtitle='副标题'),
visualmap_opts=opts.VisualMapOpts(max_=100,pos_top='bottom'))
map.render('te2.html')
5.Pie
from pyecharts.charts import Pie
from pyecharts.faker import Faker
from pyecharts import options as opts
pie = Pie(init_opts=opts.InitOpts(width='800px',height='800px')) #px是像素单位
#Map图表的数据格式为[key,value]对，因此要用到zip内置函数
#add方法后另加了一个china，是说明要用到什么地理图表
pie.add("",[list(z) for z in zip(Faker.choose(),Faker.values())])
#set_global_opts便是全局配置项，这个可结合pyecharts中文文档对比自己操作以达到熟练，自己多去尝试、试错
pie.set_global_opts(title_opts=opts.TitleOpts(title = '主标题',subtitle='副标题'),
visualmap_opts=opts.VisualMapOpts(max_=100,pos_top='bottom'))
pie.set_series_opts(textstyle_opts = opts.TextStyleOpts(color='RED',font_style='italic'))
pie.render('te3.html')
最后，要能灵活使用pyecharts达到可视化的目的，离不开多练、多尝试，本文仅用来帮助大家更加了解和使用pyecharts中文文档