??????關(guān)注我，和老表一起學(xué)Python、云服務(wù)器

有粉絲提到說是不是可以寫一篇用Pyecharts模塊做可視化大屏的相關(guān)教程，小編立馬就答應(yīng)了他的請求。那么今天我們就來說說如何用Pyecharts模塊來制作炫酷的可視化大屏，最后的效果如下

• 分別使用Pyecharts制作各類圖表，包括柱狀圖、地圖、餅圖等等
• 使用Pyecharts當(dāng)中的組合圖表功能，將所有圖片拼接在一張html文件中進(jìn)行展示

數(shù)據(jù)的來源

df.info()

output

'pandas.core.frame.DataFrame'>
RangeIndex:?1000?entries,?0?to?999
Data?columns?(total?17?columns):
?#???Column??Non-Null?Count??Dtype?????????
---??------??--------------??-----?????????
?0???訂單編號????1000?non-null???object????????
?1???分支??????1000?non-null???object????????
?2???省份??????1000?non-null???object????????
?3???顧客類型????1000?non-null???object????????
?4???性別??????1000?non-null???object????????
?5???商品類型????1000?non-null???object????????
?6???單價(jià)??????1000?non-null???float64???????
?7???數(shù)量??????1000?non-null???int64?????????
?8???Tax?5%??1000?non-null???float64???????
?9???總價(jià)??????1000?non-null???float64???????
?10??日期??????1000?non-null???datetime64[ns]
?.......??
dtypes:?datetime64[ns](1),?float64(7),?int64(1),?object(8)
memory?usage:?132.9+?KB

數(shù)據(jù)可視化

products_type_index?=?df["商品類型"].value_counts().index.tolist()
products_type_values?=?df["商品類型"].value_counts().values.tolist()

然后再調(diào)用Pyecharts()模塊中的Pie()實(shí)例進(jìn)行圖表的繪制

def?pie_chart_2():
????
????c?=?(
????????Pie(init_opts=opts.InitOpts(chart_id=4,?bg_color='#1C1C1C',
????????????????????????????????????theme=ThemeType.INFOGRAPHIC))
????????.add("",?[list(z)?for?z?in?zip(products_type_index,
???????????????????????????????????????products_type_values)])
????????.set_global_opts(title_opts=opts.TitleOpts(title="商品類型分布圖",
???????????????????????????????????????????????????title_textstyle_opts=opts.TextStyleOpts(font_size=25,?color='#FFFFFF')),
?????????????????????????legend_opts=opts.LegendOpts(orient="vertical",
?????????????????????????????????????????????????????pos_left="5%",
?????????????????????????????????????????????????????pos_top="10%"))
????????.set_series_opts(label_opts=opts.LabelOpts(formatter=":?{c}"))
????)

????return?c
????
if?__name__?==?"__main__":
????map?=?map_chart()
????map.render("4.html")

output

grid?=?(
????????Grid(init_opts=opts.InitOpts(width='1000px',?height='600px',
?????????????????????????????????????chart_id=3,?bg_color='#1C1C1C'))
????????.add(c_1,?grid_opts=opts.GridOpts(pos_left="60%"))
????????.add(c_2,?grid_opts=opts.GridOpts(pos_right="50%"))
????)

地圖

同樣地，我們將不同省份的數(shù)據(jù)給篩選出來之后，然后進(jìn)行圖表的繪制

city_index?=?df["省份"].value_counts().index.tolist()
city_values?=?df["省份"].value_counts().values.tolist()

def?map_chart():
????c?=?(
????????Map(init_opts=opts.InitOpts(chart_id=2,
????????????????????????????????????bg_color='#1C1C1C'))
????????????.add("商家A",?[list(z)?for?z?in?zip(city_index,
??????????????????????????????????????????????city_values)],?"china")
????????????.set_global_opts(
????????????title_opts=opts.TitleOpts(title="顧客在全國的分布圖",
??????????????????????????????????????title_textstyle_opts=opts.TextStyleOpts(font_size=25,
??????????????????????????????????????????????????????????????????????????????color='#FFFFFF')),
????????????visualmap_opts=opts.VisualMapOpts(max_=250),
????????)
????)
????return?c
????
if?__name__?==?"__main__":
????map?=?map_chart()
????map.render("2.html")

output

直方圖

我們針對的是購買時(shí)間，看一下哪些購買時(shí)間段的人會(huì)比較多

hour_index?=?df["小時(shí)"].value_counts().index.tolist()
hour_index_str?=?[str(hour_ind)?+?"時(shí)"?for?hour_ind?in?hour_index]
hour_values?=?df["小時(shí)"].value_counts().values.tolist()

調(diào)用Bar()實(shí)例進(jìn)行繪制圖表

def?bar_chart():
????c?=?(
????????Bar(init_opts=opts.InitOpts(chart_id=5,?bg_color='#1C1C1C',
????????????????????????????????????theme=ThemeType.CHALK))
????????????.add_xaxis(hour_index_str)
????????????.add_yaxis("商家A",?hour_values)
????????????.set_global_opts(title_opts=opts.TitleOpts(title="購物的時(shí)間分布",
???????????????????????????????????????????????????????subtitle="購物時(shí)間",
???????????????????????????????????????????????????????title_textstyle_opts=opts.TextStyleOpts(font_size=25,?color='#FFFFFF')))
????)
????return?c
????
if?__name__?==?"__main__":
????map?=?map_chart()
????map.render("5.html")

output

Pyecharts組合圖表

將繪制出來的若干份圖表組合到一塊兒，總共有這幾種方式

• Grid: 并行/垂直放置多張圖
• Page: 順序多圖
• Tab: 多個(gè)頁面多圖
• Timeline: 時(shí)間軸循環(huán)輪播多圖

我們使用的是Page()示例來順序展示多張圖表，先實(shí)例化該對象

page?=?Page(layout=Page.DraggablePageLayout,?page_title="基于Pyecharts的銷售數(shù)據(jù)大屏")

之所以用DraggablePageLayout屬性是為了調(diào)整成我們所想要的布局，然后將我們所繪制的圖表一一添加

page.add(
????title(),
????map_chart(),
????pie_chart(),
????pie_chart_2(),
????bar_chart(),
)

page.render('test_2.html')

最后生成一個(gè)test_2.html的文件，然后我們將布局調(diào)整成我們想要的結(jié)果

page.save_resize_html('test_2.html',?cfg_file='chart_config.json',?dest='可視化大屏.html')

打開重新生成的可視化大屏.html，便是新的內(nèi)容

代碼下載

項(xiàng)目代碼已上傳，由于公眾號后臺(tái)配置的自動(dòng)回復(fù)規(guī)則超過限制，

所以大家加我微信：pythonbrief，然后回復(fù)「大屏」即可獲取。

掃碼即可加我微信

回復(fù)：大屏?領(lǐng)取源碼

萬水千山總是情，點(diǎn)個(gè)????行不行。

--END--

如何找到我：

近期優(yōu)質(zhì)文章：
Linux里的寶塔，真正的寶塔！詳細(xì)教程
10行代碼！
擁有一臺(tái)服務(wù)器后，我竟然這么酷？
學(xué)習(xí)更多：
整理了我開始分享學(xué)習(xí)筆記到現(xiàn)在超過250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲、機(jī)器學(xué)習(xí)等方面，別再說不知道該從哪開始，實(shí)戰(zhàn)哪里找了
“點(diǎn)贊”就是對博主最大的支持?