企业官网建设流程全解析

3 步装好 PyGWalker：从 pip 到源码安装的完整路径

【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker

PyGWalker 把 pandas DataFrame 变成 Tableau 风格的交互式可视化界面，在 Jupyter 里拖拽字段就能出图。本文覆盖 pip、conda-forge、源码编译三条安装路径，以及装好后的验证和排障。读完你能独立配好环境，在 Notebook 里打开第一张可交互的图表。

🧭 先选路，再动手：三条 PyGWalker 安装路径怎么选

先按自己的场景对号入座，再跳到对应小节。装 PyGWalker 一共三条路，差别主要在于"你是否要碰前端代码"：

普通读者走 pip 即可，后两条放在后面速览。

📦 pip 安装 PyGWalker：默认路径分步走

走完下面 4 步，你的环境里就有一个可用的 pygwalker，导入不再报错，Jupyter 也随时可以打开。

第 1 步：确认 Python 版本。做完后你会知道当前解释器能不能装。PyGWalker 要求 Python 3.10 及以上，版本太旧 pip 会直接拒绝。

python --version

看到Python 3.10.x或更高即通过。低于 3.10 就先建干净环境，例如python3.11 -m venv venv再激活。

第 2 步：执行安装。装完后环境里多出一个 pygwalker 包及其全部依赖。

pip install pygwalker

结尾出现Successfully installed pygwalker-...算成功。网络受限或公司内网时换内部索引源；装不上且环境里有旧版 pandas/pydantic，多半是依赖冲突，跳到下面"3 个坑"第 2 条。

第 3 步：确认导入。做完后你能拿到版本号，说明运行时依赖（ipywidgets、duckdb 等）都齐了。

python -c "import pygwalker as pyg; print(pyg.__version__)"

打印出版本号、无 Traceback 即成功。报ModuleNotFoundError时确认当前终端激活的就是刚才安装的那个环境。

第 4 步：启动 Jupyter。做完后浏览器里有一个可以写单元格的页面。

jupyter lab

页面正常打开即可。没有装 Jupyter 的话先pip install jupyterlab。

🚂 另外两条路径速览

conda-forge 安装

适合团队用 conda 统一管理 pandas、numpy 这类依赖时，相当于给项目单独开一间机房，让所有依赖在同一环境里求解。

conda install -c conda-forge pygwalker

最易踩的坑：defaults 和 conda-forge 两个 channel 混用会解析冲突，建议新建环境并让 conda-forge 优先。

源码编译安装

只有要改app/src/下的前端代码、参与开发时才需要，普通用户不必走这条路。

git clone https://gitcode.com/GitHub_Trending/py/pygwalker cd pygwalker && pip install -e ".[dev]" cd app && yarn install && yarn build

最易踩的坑：跳过yarn build直接跑 Notebook，会报 "Missing PyGWalker frontend asset"——前端资源根本没生成，构建产物落在pygwalker/templates/dist/。构建细节见 docs/DEVELOPMENT.md。

🔍 如何验证 PyGWalker 装好了

在 Jupyter 里新建单元格，跑这段最小示例，跑通后你会得到一个可以拖拽字段的界面，而不是一段文字输出：

import pandas as pd import pygwalker as pyg df = pd.DataFrame({"x": [1, 2, 3, 4], "y": ["a", "b", "a", "b"]}) pyg.walk(df)

成功时的样子：单元格下方展开一个带 Data 和 Visualization 两个页签的界面，左侧是字段列表，右侧默认渲染出图表；把x拖到 X-Axis、y拖到 Color，图会实时刷新，说明 PyGWalker 已完整可用。

图中红箭头指向的 save 按钮可以把当前图表配置存成 JSON，下次用spec_path参数加载，图表就不用重做。

⚠️ 第一次安装 PyGWalker 最容易踩的 3 个坑

🚀 进阶两件事

离线与隐私设置。默认配置privacy=update-only，只检查新版本，不上传分析数据。完全离线的环境执行一次即可，界面功能不受影响：

pygwalker config --set privacy=offline

大数据集切内核计算。数据量大时把查询交给本地 DuckDB，比默认行为更稳。旧的kernel_computation=True写法将在 0.7.0 移除，新代码直接用computation参数：

walker = pyg.walk(df, computation="kernel")

下一步运行 examples 里的 jupyter_demo.ipynb 熟悉拖拽，构建细节看 docs/DEVELOPMENT.md。

【免费下载链接】pygwalkerPyGWalker: Turn your dataframe into an interactive UI for visual analysis项目地址: https://gitcode.com/GitHub_Trending/py/pygwalker