查看原文
其他

Pyecharts 组合图形绘制实践

投稿君 Python数据之道 2022-09-04


来源:Python数据之道

作者:Peter

整理:Lemon

Pyecharts 组合图形绘制实践

大家好,之前跟大家分享了用 Pyecharts 绘制桑基图和饼图:



有同学提了一个问题,在 Pyecharts 中如何绘制多个图形,今天我们来分享下组合图的绘制。

在实际的工作需求中,我们经常需要绘制多个甚至多种不同类型的图形,有时候还需要将它们放在一个页面中,达到一个可视化看板的效果。

在本文中将利用 pyecharts 来实现这个需求,同时满足动态可视化的效果,再次感受这个可视化神器的强大之处,让你真正爱上它。

01 环境

  • Python 3.7
  • Jupyter notebook
  • Pandas 1.1.3
  • pyecharts 1.7.1
  • pyecharts-jupyter-installer 0.0.3

这里提醒下:

pyecharts 的版本一定要保持一致,非常重要!

pyecharts 的版本一定要保持一致,非常重要!

pyecharts 的版本一定要保持一致,非常重要!

在安装的时候可以直接指定版本号,防止出意外

02 单个图形制作

在下面的文章部门我们先逐个绘制多种不同的图形,这些图形的绘制不会涉及到太多的配置项,本文中的重点是如何将不同类型的图形组合在一起。这些图形包含:

  • 柱状图
  • 饼图
  • 折线图
  • 热力图
  • 漏斗图
  • 仪表盘

导入库

在进行绘制数据处理和绘图之前,我们还是需要先导入各种库:

from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入,防止不出图
from pyecharts import options as opts  # 配置项
from pyecharts.charts import Bar, Pie, Line, HeatMap, Funnel, Gauge, Grid, Page  # 各个图形的类
from pyecharts.faker import Faker  # 自身数据
from pyecharts.commons.utils import JsCode   
from pyecharts.globals import ThemeType,SymbolType

import pandas as pd
import numpy as np
import random

模拟数据

首先我们模拟一份简单的数据:通过下面的方式我们可以掌握如何利用pandas快速生成一个DataFrame数据

柱状图

柱状图的制作使用的是 Bar 方法:

bar = (
    Bar()
    .add_xaxis(df['消费'].tolist())
    .add_yaxis("5大开支",df['数据'].tolist())
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Bar-月度开支"),
        legend_opts=opts.LegendOpts(is_show=False),
    )
)

bar.render_notebook()

饼图

饼图的制作使用的是Pie:

pie = (
    Pie()
    .add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)

pie.render_notebook()

饼图视频:

折线图

折线图的制作使用的是 Line:

line = (
    Line()
    .add_xaxis(df['消费'].tolist())
    .add_yaxis("月度开支", df['数据'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支"))
)

line.render_notebook()

热力图

热力图使用的是HeatMap()方法,在这里我们使用的是pyecharts中自带的数据:

print(Faker.week)
print(Faker.clock)
# 0-50 的随机数+列表推导式

# 两层的列表推导式
value = [[i, j, random.randint(050)] for i in range(24for j in range(7)]

heatmap = (
    HeatMap()
    .add_xaxis(Faker.clock)   # 横轴标签
    .add_yaxis("热力图", Faker.week, value)   # 传入两个列表数据
    .set_global_opts(
        title_opts=opts.TitleOpts(title="HeatMap-热力图"),
        visualmap_opts=opts.VisualMapOpts(),
    )
)

heatmap.render_notebook()

热力图视频:

漏斗图

漏斗图在用户画像中运用的非常广,尤其是在电商领域中,从访问、浏览到最终的支付成功等一系列的操作构成一个漏斗,在这里我们模拟一份数据来绘制漏斗图,先生成一个模拟数据:

绘图代码如下:

funnel = (
    Funnel()
    .add("商城漏斗", [list(z) for z in zip(df1['操作'].tolist(), df1['人数'].tolist())])
    .set_global_opts(title_opts=opts.TitleOpts(title="商城用户漏斗分析"))
)
    
funnel.render_notebook()

漏斗图视频:

仪表盘

在这里我们采用官方中的一个实例来制作简单的仪表盘:

gauge = (
    Gauge()
    .add("", [("完成率"80)])
    .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘"))
)

gauge.render_notebook()

03 组合绘图

在上面我们通过不同的方法绘制出了各种不同的图形,都是动态可视化的,非常精美的。下面我们通过 Page 类来将上面的多种图形来放到一个可视化看板中。

1、首先给出整体的绘图代码

# 1、柱状图
def barPage() -> Bar: 
    bar = (
        Bar()
        .add_xaxis(df['消费'].tolist())
        .add_yaxis("5大开支",df['数据'].tolist())
        .set_global_opts(
            title_opts=opts.TitleOpts(title="Bar-月度开支"),
            legend_opts=opts.LegendOpts(is_show=False),)
    )
    return bar

# 2、饼图
def piePage() -> Pie:
    pie = (
        Pie()
        .add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())])
        .set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支"))
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
    )
    return pie

# 3、折线图
def linePage() -> Line:
    line = (
        Line()
        .add_xaxis(df['消费'].tolist())
        .add_yaxis("月度开支", df['数据'].tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支"))
    )
    return line

# 4、热力图

def heatmapPage() -> HeatMap:
    value = [[i, j, random.randint(050)] for i in range(24for j in range(7)]
    heatmap = (
        HeatMap()
        .add_xaxis(Faker.clock)
        .add_yaxis("热力图", Faker.week, value)
        .set_global_opts(
            title_opts=opts.TitleOpts(title="HeatMap-热力图"),
            visualmap_opts=opts.VisualMapOpts(),
        )
    )
    return heatmap

# 5、漏斗图
def funnelPage() -> Funnel:
    funnel = (
        Funnel()
        .add("商品", [list(z) for z in zip(Faker.choose(), Faker.values())])
        .set_global_opts(title_opts=opts.TitleOpts(title="Funnel-漏斗图"))
    )
    return funnel


# 6、仪表盘
def gaugePage() -> Gauge:
    gauge = (
        Gauge()
        .add("", [("完成率"80)])
        .set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘"))
    )
    return gauge


# 上面是6个图形的代码,下面利用Page进行组合
# !!! 关键步骤
page = (
    Page(layout=Page.DraggablePageLayout)
    .add(
        barPage(),
        piePage(),
        linePage(),
        funnelPage(),
        heatmapPage(),
        gaugePage())
)

page.render("page_demo.html")

2、现在解释一下上面的代码:

  • 柱状图、饼图等不同的图形我们封装成不同的函数来实现
  • 使用Page类的add方法,添加上面的各个函数
  • 最后使用page.render()来生成一个html文件,就是我们的各个图形下一个html页面中

现在看看生成的组合图形1的效果

组合图形1:

在目前生成的组合图形1中,要注意4点:

  • 左上角有个save config的按钮,接下来这个按钮大有用处
  • 整体的图形是单个上下排列的,且整体靠左,右边很多的空白
  • 每个图形都是虚线框,这表示图形可变大小,同时可以移动的
  • 整体需要上下滑动来浏览全部的图形,视觉效果不佳

下面我们通过save config按钮来进行改动,生成一个我们自己想看到的组合图形2效果:

组合图形2:

当我们把图形按照我们的需求排列OK之后,此时图形仍然没有被固定下来,如果我们刷新当前页面,又会变成组合图形1的效果。

现在点击save config按钮,保存我们的配置文件。此时会在本地当前目录下生成一个chart_config.json的配置文件。

接下来我们利用这个配置来生成上面我们想要达到的效果图形,将图形的格式固定下来,使用下面的代码:

Page.save_resize_html("page_demo.html",   # 上面的HTML文件名称
                      cfg_file="chart_config.json",  # 保存的json配置文件
                      dest="new_page_demo.html")  # 新HTML文件名称

jupyter notebook中再运行一次,这样我们就将图形的格式固定下来了。通过这种方式我们可以设置图形的任意大小和位置,部分截图如下:

本文结合各种图形的简单制作,最终使用 Page 将各种图形组合在一起,形成了一个可视化看板的效果,希望对大家掌握 Pyecharts 的使用有所帮助,真正在实际工作中使用到 Pyecharts 这个视化神器。


作者简介

Peter,硕士毕业僧一枚,从电子专业自学Python入门数据行业,擅长数据分析及可视化。喜欢数据,坚持跑步,热爱阅读,乐观生活。个人格言:不浮于世,不负于己

个人站点:www.renpeter.cn,欢迎常来小屋逛逛


本文来自公众号读者投稿,欢迎各位童鞋向公号投稿,点击下面图片了解详情!


---------End---------


 公众号后台回复「微信群」,将邀请加入读者交流群。

🧐分享、点赞、在看,给个三连击呗!👇 

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存