Python機器學(xué)習(xí)之使用Pyecharts制作可視化大屏
前言
ECharts是由百度開源的基于JS的商業(yè)級數(shù)據(jù)圖表庫，有很多現(xiàn)成的圖表類型和實例，而Pyecharts則是為了方便我們使用Python實現(xiàn)ECharts的繪圖。使用Pyecharts制作可視化大屏，可以分為兩步：
1、使用分別Pyecharts分別制作各類圖形；
2、使用Pyecharts中的組合圖表功能，將所有圖片拼接在一張html文件中進行展示。
小五認為影響大屏美觀最重要的兩個因素就是：配色和布局！在本文中，會特意強調(diào)這兩點
Pyecharts可視化
本文縮減了圖表，只選用2020東京奧運會各國金牌分布圖、2020東京奧運會獎牌榜詳情、2020東京奧運會中國各項目獲獎詳情。
這類圖表都很簡單，參照官方文檔直接復(fù)制示例就可以學(xué)習(xí)。圖表配色都使用的Pyecharts默認顏色，大家實際使用時盡量形成自己的風(fēng)格。
爬取數(shù)據(jù)
import requests import pandas as pd from pprint import pprint url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609' data1 = requests.get(url).json() pprint(data1)
Map世界地圖
Pyecharts繪制世界地圖時，名稱必須是英文。所以我們在前文中引入了國家名稱中英文對照表，左連接形成了df1：
df1 = pd.DataFrame()
for info in data1['body']['allMedalData']:
name = info['countryName']
name_id = info['countryId']
rank = info['rank']
gold = info['goldMedalNum']
silver = info['silverMedalNum']
bronze = info['bronzeMedalNum']
total = info['totalMedalNum']
# 組織數(shù)據(jù)
orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
# 然后追加df
df1 = df1.append(orangized_data)
df1.columns = ['名稱', 'ID', '排名', '金牌', '銀牌', '銅牌', '獎牌總數(shù)']
df1
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609' data2 = requests.get(url).json() pprint(data2)
df2 = pd.DataFrame()
for info in data2['body']['medalTableDetail']:
english_name = info['countryName']
name_id = info['countryId']
award_time = info['awardTime']
item_name = info['bigItemName']
sports_name = info['sportsName']
medal_type = info['medalType']
# 組織數(shù)據(jù)
orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
# 然后追加df
df2 = df2.append(orangized_data)
df2.columns = ['英文縮寫', 'ID', '獲獎時間', '項目名', '運動員', '金牌類型']
df2
數(shù)據(jù)預(yù)處理
with open("國家名中英文對照表.txt","r",encoding="utf-8") as f:
x = f.read()
df3 = pd.DataFrame()
for i in x.split("\n"):
x = i.split("：")[0].strip()
y = i.split("：")[1].strip()
orangined_data = [[x,y]]
df3 = df3.append(orangined_data)
df3.columns = ["名稱","英文名稱"]
df3.to_excel("國家名中英文對照表.xlsx",index=None)
df4 = pd.merge(df1,df3,on="名稱",how="left") df4.head(10)
df5 = df2
df6 = pd.merge(df4,df5,on="ID",how="left") df6.head(10)
df6
x = {"獲獎名次":["金牌","銀牌","銅牌"],"金牌類型":[1,2,3]}
df7 = pd.DataFrame(x)
df7
df8 = pd.merge(df6,df7,on="金牌類型",how="left") df8.head(10)
df4.head(10)
Pyecharts可視化
單獨提取英文名稱和獎牌總數(shù)兩列數(shù)據(jù)，用來可視化。
data_list=[[i,j] for i,j in zip(df4['英文名稱'],df4['獎牌總數(shù)'])] data_list[:5]
數(shù)據(jù)準備好了，開始利用pyecharts繪制世界地圖。
from pyecharts import options as opts
from pyecharts.charts import Map
c = (
Map()
.add("", data_list, "world",
is_map_symbol_show=False,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="2020東京奧運會各國總獎牌分布圖"),
visualmap_opts=opts.VisualMapOpts(max_=100)
)
)
c.render_notebook()
非常簡單
金牌總數(shù)
data_list1=[[i,j] for i,j in zip(df4['英文名稱'],df4['金牌'])] data_list1[:5]
from pyecharts import options as opts
from pyecharts.charts import Map
c = (
Map()
.add("", data_list1, "world",
is_map_symbol_show=False,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="2020東京奧運會各國金牌分布圖"),
visualmap_opts=opts.VisualMapOpts(max_=100)
)
)
c.render_notebook()
銀牌總數(shù)
data_list2=[[i,j] for i,j in zip(df4['英文名稱'],df4['銀牌'])] data_list2[:5]
from pyecharts import options as opts
from pyecharts.charts import Map
c = (
Map()
.add("", data_list2, "world",
is_map_symbol_show=False,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="2020東京奧運會各國銀牌分布圖"),
visualmap_opts=opts.VisualMapOpts(max_=100)
)
)
c.render_notebook()
柱狀圖、餅圖
柱狀圖（Bar）
from pyecharts import options as opts
from pyecharts.charts import Bar
c = (
Bar()
.add_xaxis(df4['名稱'].head(25).tolist())
.add_yaxis("金牌", df4['金牌'].head(25).tolist(), stack="stack1")
.add_yaxis("銀牌", df4['銀牌'].head(25).tolist(), stack="stack1")
.add_yaxis("銅牌", df4['銅牌'].head(25).tolist(), stack="stack1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12, color='#FFFFFF'))
.set_global_opts(title_opts=opts.TitleOpts(title="2020東京奧運會獎牌榜詳情"),
xaxis_opts=opts.AxisOpts(type_='category',
axislabel_opts=opts.LabelOpts(
rotate=45),
)))
c.render_notebook()
餅圖（Pie）
from pyecharts import options as opts
from pyecharts.charts import Pie
c = (
Pie()
.add("", [['跳水', 12], ['射擊', 11], ['舉重', 8], ['競技體操', 8], ['乒乓球', 7], ['游泳', 6], ['羽毛球', 6], ['田徑', 5], ['靜水皮劃艇', 3], ['蹦床體操', 3], ['自由式摔跤', 3], ['賽艇', 3], ['空手道', 2], ['拳擊', 2], ['帆船', 2], ['花樣游泳', 2], ['跆拳道', 1], ['場地自行車賽', 1], ['古典式摔跤', 1], ['擊劍', 1], ['三人籃球', 1]],
center=["50%", "60%"],)
.set_series_opts(label_opts=opts.LabelOpts(formatter=": {c}"))
)
c.render_notebook()
這樣需要用到的三張圖表就繪制好了。
Pyecharts組合圖表
Pyecharts進行可視化大屏第二步就是組合圖表，大致可分為四類：
- Grid：并行多圖
- Page：順序多圖
- Tab：選項卡多圖
- Timeline：時間線輪播多圖
官方文檔：Pyecharts
這里用Page（順序多圖）居多，在組合圖表之前，還要先把前面的圖表繪制代碼改為函數(shù)。
def map_world() -> Map:
c = (
Map(init_opts=opts.InitOpts(chart_id=2, bg_color='#ADD8E6'))
.add("", data_list, "world",
is_map_symbol_show=False,
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="2020東京奧運會各國金牌分布圖"),
visualmap_opts=opts.VisualMapOpts(max_=100)
)
)
return c
順便還在其中增加了背景顏色bg_color、圖表IDchart_id，后者用于多圖表時定位區(qū)分。背景顏色的話，我選擇了淡藍色#ADD8E6。后續(xù)圖片的布局是根據(jù)圖表ID的對應(yīng)關(guān)系進行布局，所以每張圖都要分別設(shè)置其id。
接著使用page = Page(layout= Page.DraggablePageLayout)模式對圖片進行展示，這一步是為了調(diào)整布局。
page = Page(layout=Page.DraggablePageLayout, page_title="2020東京奧運會獎牌榜")
# 在頁面中添加圖表
page.add(
title(),
map_world(),
bar_medals(),
pie_china(),)
page.render('test.html')
調(diào)用繪制函數(shù)后生成一個 test.html 文件。
打開后可以其中的圖片進行拖拽，來實現(xiàn)自定義布局。
對圖片布局完畢后，要記得點擊左上角“save config”對布局文件進行保存。
點擊后，本地會生成一個chart_config.json的文件，這其中包含了每個圖表ID對應(yīng)的布局位置。
最后，調(diào)用保存好的布局文件，重新生成html。
運行下面這行代碼。
page.save_resize_html('test.html', cfg_file='chart_config.json', dest='奧運.html')
其中test.html 為生成的所有圖表的文件、chart_config.json 為下載的布局文件、奧運.html 為布局好的的儀表盤文件、打開儀表奧運.html：
這樣就實現(xiàn)了一次數(shù)據(jù)可視化——大屏展示。
但還有還有很多不足之處，比如若圖表配色沒有特殊去做調(diào)整。
整張大屏只是一個靜態(tài)的展示，而非具有商業(yè)場景的數(shù)據(jù)儀表盤。
真正的數(shù)據(jù)大屏往往更喜歡用BI軟件生成，能夠?qū)崿F(xiàn)圖、表、切片器之間交叉篩選，希望以后有機會能用Python使用制作出來。
總結(jié)
到此這篇關(guān)于Python機器學(xué)習(xí)之Pyecharts制作可視化大屏的文章就介紹到這了,更多相關(guān)Pyecharts可視化大屏內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python切片的步進、添加、連接簡單操作,結(jié)合實例形式分析了Python切片運算的常見操作技巧,需要的朋友可以參考下2019-07-07
Python中l(wèi)ist列表的賦值方法及遇到問題處理
這篇文章主要介紹了Python中l(wèi)ist列表的賦值方法及遇到問題處理，記錄在列表list的賦值過程中遇到的問題，并對列表的拷貝相關(guān)知識進行匯總,需要的朋友可以參考一下2022-03-03
這篇文章主要介紹了Python模塊常用四種安裝方式,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-10-10
很多時候有pytorch模型轉(zhuǎn)onnx模型的必要,比如用tensorRT加速的時候,下面這篇文章主要給大家介紹了關(guān)于pytorch模型轉(zhuǎn)onnx模型的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-08-08
這篇文章主要介紹了如何通過Selenium獲取當(dāng)前鼠標指向的元素，本文方法的核心，是借助JavaScript的事件(event)來獲取鼠標所在的元素，感興趣的可以試一試2022-03-03
這篇文章主要介紹了Python同時迭代多個序列的方法，文中講解非常細致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
使用python提取html文件中的特定數(shù)據(jù)的實現(xiàn)代碼
python提供了SGMLParser類用于html文件的解析。用戶只需從SGMLParser類繼承子類，并在子類中對html文件做具體處理2013-03-03
python機器學(xué)習(xí)庫xgboost的使用
這篇文章主要介紹了python機器學(xué)習(xí)庫xgboost的使用，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01
Python中實現(xiàn)遠程調(diào)用（RPC、RMI）簡單例子
說白了，遠程調(diào)用就是將對象名、函數(shù)名、參數(shù)等傳遞給遠程服務(wù)器，服務(wù)器將處理結(jié)果返回給客戶端2014-04-04
這篇文章主要介紹了Django框架的中的setting.py文件說明詳解，這個文件包含了所有有關(guān)這個Django項目的配置信息，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-10-10