Pyecharts 组合图形绘制实践
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(0, 50)] for i in range(24) for 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(0, 50)] for i in range(24) for 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
在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。