Python機器中如何使用Pyecharts制作可視化大屏

這篇文章主要講解了“Python機器中如何使用Pyecharts制作可視化大屏”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Python機器中如何使用Pyecharts制作可視化大屏”吧！

目錄

• 前言

• Pyecharts可視化

• Map世界地圖

• 柱狀圖、餅圖

• Pyecharts組合圖表

前言

ECharts是由百度開源的基于JS的商業級數據圖表庫，有很多現成的圖表類型和實例，而Pyecharts則是為了方便我們使用Python實現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。

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制示例就可以學習。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格。

爬取數據

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']
    # 組織數據
    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']
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']
    # 組織數據
    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

數據預處理

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兩列數據，用來可視化。

data_list=[[i,j] for i,j in zip(df4['英文名稱'],df4['獎牌總數'])]
data_list[:5]

數據準備好了，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

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

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="{b}: {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。

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分。背景顏色的話，我選擇了淡藍色#ADD8E6。后續圖片的布局是根據圖表ID的對應關系進行布局，所以每張圖都要分別設置其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')

調用繪制函數后生成一個 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對應的布局位置。

最后，調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：

這樣就實現了一次數據可視化——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整。

整張大屏只是一個靜態的展示，而非具有商業場景的數據儀表盤。

真正的數據大屏往往更喜歡用BI軟件生成，能夠實現圖、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。

感謝各位的閱讀，以上就是“Python機器中如何使用Pyecharts制作可視化大屏”的內容了，經過本文的學習后，相信大家對Python機器中如何使用Pyecharts制作可視化大屏這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！