可视化展示在数据分析领域中是一个至关重要的点，好的可视化展示对我们的结果分析有更好的支持作用。
一、问题
在数据分析的时代里面我们需要将数据的可视化展现出来，更加方便用户的观察。如下图
有些时候我们需要将数据和地理关系连接起来，将数据更好的可视化操作，如下图，因此介绍pyecharts。
二、方法
解决我们可以使用matplotlib，使用指令【pip install matplotlib】进行安装，除了这个以外将介绍一种由js渲染出来的动图——pyecharts，可以结合中国地图以及其他比较酷炫的可视化展示。
1.安装pyecharts指令
【pip install pyecharts】进行安装
2.安装地图包
安装国家：【pip3 install echarts-countries-pypkg】
安装各省：【pip3 install echarts-china-provinces-pypkg】
安装各个城市：【pip3 install echarts-china-cities-pypkg】
三、使用
由于python2.7将不再维护，所以全面使用python3.x+，因此以前的内容都不能在使用需要查看官方文档给出的例子：pyecharts。
这里展示一小部分的内容，剩下的内容去参考官网。
Provinces和pro_value都是列表形式的数据，
path_store是存储的路劲：要以.html结尾，
name是标题名字，
max_c是在图中显示的最大值，
min_c是在图中显示的最小值。
其余的参数设置可以在官网中查看。
from pyecharts.charts import Map
from pyecharts import options as opts
def map_visual_map(counter_dict, path_store, name, max_c, min_c) -> Map:
provinces = list(counter_dict.keys())
pro_value = list(counter_dict.values())
c = (
Map()
.add("", [list(z) for z in zip(provinces, pro_value)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title=name),
visualmap_opts=opts.VisualMapOpts(max_=max_c, min_=min_c),
)
)
return c.render(path_store)
四、结果展示
五、注意
1.版本
问题：
很多人在导入的时候会出现 cannt import name 'Bar'。
原因：
由于更迭pyecharts0.5的版本不适用高版本，它是支持2.7/3.4+的版本。而1.0的版本是支持3.6+的所以注意版本的使用。
这两个的区别导致导入的方式和使用的方式不一样。下面给出开发者的github的地址，里面有详细的介绍。
github：
https://github.com/pyecharts/pyecharts
https://github.com/pyecharts/pyecharts/issues/1033
2.数据安装
一般安装一个国家的地图就够了，注意数据量也是比较大的。其他的就根据需求来就可以了。
六、参考：
官方文档
https://pyecharts.org/#/zh-cn/quickstart
1版本的知乎实例参考
https://zhuanlan.zhihu.com/p/72624794
0.5版本的解决办法
https://blog.csdn.net/weixin_42741271/article/details/90343159