Python機器學習之使用Pyecharts制作可視化大屏
前言
ECharts是由百度開源的基於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則是為瞭方便我們使用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。
小五認為影響大屏美觀最重要的兩個因素就是：配色和佈局！在本文中，會特意強調這兩點
Pyecharts可視化
本文縮減瞭圖表，隻選用2020東京奧運會各國金牌分佈圖、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，大傢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瞭國傢名稱中英文對照表，左連接形成瞭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]]
# 然後追加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]]
# 然後追加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("國傢名中英文對照表.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("國傢名中英文對照表.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]
數據準備好瞭，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佈圖"),
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佈圖"),
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佈圖"),
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], ['遊泳', 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], ['花樣遊泳', 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瞭。
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：並行多圖
- Page：順序多圖
- Tab：選項卡多圖
- Timeline：時間線輪播多圖
官方文檔：Pyecharts
這裡用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佈圖"),
visualmap_opts=opts.VisualMapOpts(max_=100)
)
)
return c
順便還在其中增加瞭背景顏色bg_color、圖表IDchart_id，後者用於多圖表時定位區分。背景顏色的話，我選擇瞭淡藍色#ADD8E6。後續圖片的佈局是根據圖表ID的對應關系進行佈局，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，這一步是為瞭調整佈局。
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')
調用繪制函數後生成一個 test.html 文件。
打開後可以其中的圖片進行拖拽，來實現自定義佈局。
對圖片佈局完畢後，要記得點擊左上角“save config”對佈局文件進行保存。
點擊後，本地會生成一個chart_config.json的文件，這其中包含瞭每個圖表ID對應的佈局位置。
最後，調用保存好的佈局文件，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 為下載的佈局文件、奧運.html 為佈局好的的儀表盤文件、打開儀表奧運.html：
這樣就實現瞭一次數據可視化——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。
整張大屏隻是一個靜態的展示，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，希望以後有機會能用Python使用制作出來。
總結
到此這篇關於Python機器學習之Pyecharts制作可視化大屏的文章就介紹到這瞭,更多相關Pyecharts可視化大屏內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- pyecharts實現數據可視化
- Python echarts實現數據可視化實例詳解
- Python可視化神器pyecharts繪制地理圖表
- Python可視化神器pyecharts繪制餅狀圖
- Python可視化神器pyecharts繪制儀表盤