1.為什么使用pyecharts而不使用matplotlib？ 優點：matplotlib屬於靜態圖，沒有交互，pyecharts渲染效果更好 缺點：不穩定，因為存在兩個版本導致有一些博客上的舉例不同。（我使用的是1.7.1版本）
2.在其他博客上實例化圖表對象后（如：pie = Pie（））我們會經常看到.add.set_global_opts.set_series_opts，這些是什么勒？
.add是對圖表內的數據進行操作，如Bar圖表（柱狀圖）中bar.add_xaixs(["上海","湖北","湖南"]),此列表即是X軸上的刻度，屬於圖表內的數據
.set_global_opts首先與導入的第三方庫(我們在一些案列中常看到的from pyecharts import options as opts)相關，set_global_opts()是全局配置項
.set_series_opts首先與導入的第三方庫(我們在一些案列中常看到的from pyecharts import options as opts)相關,set_series_opts()是系列配置項
關於全局配置項和系列配置項可以查看Pyecharts的中文文檔,接下來便是對常用圖表（Bar、Line、Pie、Map）以及全局配置項、系列配置項的舉例。
（pip uninstall pyecharts pip install pyecharts==1.7.1卸載與安裝）
3.Bar（）、Line（）
Bar與Line有相似之處、一並介紹：
Bar與Line同屬於直角坐標系圖表，在增加X軸數據時是相同的，在增加Y軸數據時其內參數有所不同
from pyecharts.charts import Bar,Line
from pyecharts.faker import Faker
from pyecharts import options as opts
#pyecharts.faker 中的Faker是隨機產生七組[keys,values]數據，可以為我們舉例時提供數據
print(Faker.choose(),Faker.values()) #['可樂', '雪碧', '橙汁', '綠茶', '奶茶', '百威', '青島'] [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= …… 受益於from pyecharts import options as opts，，這里我使用了圖表的高、寬、以及背景顏色的參數，在pyecharts的中文文檔中同樣可以找到InitOpts的用法，其內包含多個參數
bar = Bar(init_opts=opts.InitOpts(width='1000px',height='1000px',bg_color='WHITE'))
#為Bar新增X軸數據
bar.add_xaxis(Faker.choose())
#為Bar新增Y軸數據，這對照上面給出的圖或者自己參考pyecharts中文文檔內的Bar按要求補充參數，我這里僅僅填寫必須存在的參數
bar.add_yaxis("標簽",Faker.values())
#將獲得的圖表保存在HYML文件內，不填寫文件路徑和文件名默認設置為當前路徑下命名為render.html
bar.render('te1.html')
#因為我在給Bar圖表新增Y軸數據時僅僅補充了必要參數，所以直接將Bar實例化更改為Line便得到了折線圖
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是像素單位
#Map圖表的數據格式為[key,value]對，因此要用到zip內置函數
#add方法后另加了一個china，是說明要用到什么地理圖表
map.add("",[list(z) for z in zip(Faker.choose(),Faker.values())],'china')
#set_global_opts便是全局配置項，這個可結合pyecharts中文文檔對比自己操作以達到熟練，自己多去嘗試、試錯
map.set_global_opts(title_opts=opts.TitleOpts(title = '主標題',subtitle='副標題'),
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是像素單位
#Map圖表的數據格式為[key,value]對，因此要用到zip內置函數
#add方法后另加了一個china，是說明要用到什么地理圖表
pie.add("",[list(z) for z in zip(Faker.choose(),Faker.values())])
#set_global_opts便是全局配置項，這個可結合pyecharts中文文檔對比自己操作以達到熟練，自己多去嘗試、試錯
pie.set_global_opts(title_opts=opts.TitleOpts(title = '主標題',subtitle='副標題'),
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，要能靈活使用pyecharts達到可視化的目的，離不開多練、多嘗試，本文僅用來幫助大家更加了解和使用pyecharts中文文檔