数据呈现 | 用 pyecharts 绘制时间线动图

关于Python数据可视化，我们前面向大家介绍了诸如matplotlib、seaborn、bokeh等绘图包的详细用法，也整理了常用的22个绘图包供大家收藏学习（点此回顾），不知道各位同学有没有及时学习。本着学以致用的原则，这期就为大家带来 pyecharts  绘制时间线动图详解。

首先 pyecharts 为何物？请看官方介绍——

简而言之——

“

pyecharts是一款将 python 与 echarts 结合的强大的数据可视化工具。

”

你可能见过下面这种图（或视频），可以清楚的看见历年各地区的变化情况，有没有感觉很炫酷？

试想，在你的报告中或 PPT 中放上这样一幅图，会不会有一图胜千言的感觉。

怎么样，有没有勾起你想绘制这样一幅图的冲动。那么，就让今天的主人公 pyecharts 满足你的表现欲。

准备数据

本次作图数据采用的是2018年统计年鉴上分地区年末人口数，由于是图片格式，下载后需将其转换成 excel 格式文件。

然后你需要在电脑上安装 pyecharts 包，直接在 Jupyter notebook 上输入以下命令，等待安装即可。

!pip install pyecharts         # 在cmd安装输入pip install pyecharts

左右滑动查看更多

此处需要注意的是，pyecharts 目前有两个版本，V0.5.x 与 V1，开发团队已决定不再对 0.5.x 版本进行维护，如有同学仍使用 0.5.x 版本，建议更换最新版本。本文采用的是V1版本。

之后，就是导入数据，并对数据进行格式上的微调。

import pandas as pd
import numpy as np 
data = pd.read_excel('C:/Users/yeahww/Desktop/CH0206.xlsx',sheet_name = 'Sheet2')  
df1=data.set_index("地区")   #将“地区”设为索引
df1.head(10)    #显示前10行

左右滑动查看更多

这样，处理后的数据样式为：

条形图

在绘制动图前，我们先绘制静态的条形图，代码如下：

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

def timeline_bar(df,year):   #定义函数
    df=df1.sort_values(year)
    x=list(df.index)
    y=list(df[year])
    bar = (
        Bar(init_opts = opts.InitOpts(theme = ThemeType.DARK,   #主题为黑色，可选择WHITE
                                      height = "650px"))
        .add_xaxis(x)
        .add_yaxis("",y)
        .reversal_axis()
        .set_series_opts(label_opts = opts.LabelOpts(position = "right"))
        .set_global_opts(title_opts = opts.TitleOpts(title = year + "各省市人口数量" ))
           )
    return bar

bar = timeline_bar(df1,'2017')        #选择2017年的数据进行绘制
bar.render_notebook()

左右滑动查看更多

所作图形如下图所示，可以清楚的看到2017年各省市人口数量的排名及具体数量。

条形时间线

在上图的基础上，我们利用循环将每年的情况绘制出来就可形成动图。

from pyecharts.charts import Timeline
TL = (Timeline(init_opts = opts.InitOpts(theme = ThemeType.DARK,   
                                         height = "650px"))
      .add_schema(play_interval = 300,       #设置播放效果
                  is_auto_play = True,
                  pos_left = 20,
                  width = 800
                 )
     )

for i in df1.columns:         # 循环绘制每一年的条形图
    bar = timeline_bar(df1,i)
    TL.add(bar,i)
    
TL.render("timeline.html")
TL.render_notebook()

左右滑动查看更多

几行代码，大家就可以看到心心念念的动图了，可以看到，广东省的人口数量一直位居全国首位。

地图

你也许在想，上面的条形图要是能展示到地图上就更好了。

你没有多想，你想要的 pyecharts 都给你！

照惯例，我们先画某一年的地图：

from pyecharts.charts import Map

def timeline_map(df,year):         #定义函数
    df = data.sort_values(year,ascending=False)
    series = np.array(data[['地区',year]])
    max_value = int(data[year].max())
    min_value = int(data[year].min())
    
    map = (
        Map()
        .add("",series , "china")
        .set_global_opts(
            title_opts = opts.TitleOpts(title = year + "各省市人口数量"),
            visualmap_opts = opts.VisualMapOpts(max_ = max_value ,min_ = min_value),
        )
    )
    return map

timeline_map(data,'2017').render_notebook()

左右滑动查看更多

运行后，你便可以看到一幅较为精美的地图了。

点击某个省份，会显示相应数值（大家可以在自己的 Jupyter notebook点击尝试），是不是很炫酷。

注意：如果你的数据中，省份是以“北京市”、“浙江省”、“西藏自治区”出现的，你需要将其转化成“北京”、“浙江”、“西藏”这样 pyecharts 地图可以识别的样式。你可以手动修改，毕竟只有31个数据量，也可以尝试运行以下代码进行修改。

def province_change(s):
 if len(s)==4 or s=="内蒙古自治区":
     r=s[:3]
 else:
     r=s[:2]
 return r


df['地区']=df['地区'].apply(lambda x:province_change(x))

左右滑动查看更多

时间线地图

接下来，我们再进一步，利用循环绘制每一年的图形，便可以看到地图动图了。

from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie, Timeline

tl = (Timeline(init_opts=opts.InitOpts(theme=ThemeType.WHITE,height="800px"))
      .add_schema(play_interval=300,is_auto_play=True,pos_left=20,width=800)
     )

for i in df1.columns:
    bar=timeline_map(df1,i)
    tl.add(bar, i)
    
tl.render("timeline2.html")   # 保存成html文件，你可以在自己的工作路径中找到timeline2这个文件
tl.render_notebook()

左右滑动查看更多

最后形成的动图如下所示，可以看到每个省份的颜色随着时间的推移都有一定的变深，表明各省市人口都在增加。

到此，我们完成了时间线动图的绘制，几行简单的代码就可以绘制展示效果还不错的动图，大家快来学习吧。这里还是要重申下，pyecharts 是一个性价比极高的 python绘图包，它学习最好的资料就是官方文档了，只要你肯琢磨，学会这个不是难事。

点击阅读原文，查看官方教程。

►往期推荐

回复【Python】👉简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：威武哥（叶武威）审阅：杨奇明编辑：青酱

    欢迎扫描👇二维码添加关注