Python机器学习之使用Pyecharts制作可视化大屏

前言

ECharts是由百度开源的基于JS的商业级数据图表库，有很多现成的图表类型和实例，而Pyecharts则是为了方便我们使用Python实现ECharts的绘图。使用Pyecharts制作可视化大屏，可以分为两步：

1、使用分别Pyecharts分别制作各类图形；

2、使用Pyecharts中的组合图表功能，将所有图片拼接在一张html文件中进行展示。

小五认为影响大屏美观最重要的两个因素就是：配色和布局！在本文中，会特意强调这两点

Pyecharts可视化

本文缩减了图表，只选用2020东京奥运会各国金牌分布图、2020东京奥运会奖牌榜详情、2020东京奥运会中国各项目获奖详情。

这类图表都很简单，参照官方文档直接复制示例就可以学习。图表配色都使用的Pyecharts默认颜色，大家实际使用时尽量形成自己的风格。

爬取数据

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世界地图

Pyecharts绘制世界地图时，名称必须是英文。所以我们在前文中引入了国家名称中英文对照表，左连接形成了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']
   # 组织数据
   orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
   # 然后追加df
   df1 = df1.append(orangized_data)
df1.columns = ['名称', 'ID', '排名', '金牌', '银牌', '铜牌', '奖牌总数']
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']
   # 组织数据
   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 = ['英文缩写', 'ID', '获奖时间', '项目名', '运动员', '金牌类型']
df2

数据预处理

with open("国家名中英文对照表.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 = ["名称","英文名称"]
df3.to_excel("国家名中英文对照表.xlsx",index=None)

df4 = pd.merge(df1,df3,on="名称",how="left")
df4.head(10)

df5 = df2

df6 = pd.merge(df4,df5,on="ID",how="left")
df6.head(10)

df6

x = {"获奖名次":["金牌","银牌","铜牌"],"金牌类型":[1,2,3]}
df7 = pd.DataFrame(x)
df7

df8 = pd.merge(df6,df7,on="金牌类型",how="left")
df8.head(10)

df4.head(10)

Pyecharts可视化

单独提取英文名称和奖牌总数两列数据，用来可视化。

data_list=[[i,j] for i,j in zip(df4['英文名称'],df4['奖牌总数'])]
data_list[:5]

数据准备好了，开始利用pyecharts绘制世界地图。

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东京奥运会各国总奖牌分布图"),
       visualmap_opts=opts.VisualMapOpts(max_=100)
   )
)

c.render_notebook()

非常简单

金牌总数

data_list1=[[i,j] for i,j in zip(df4['英文名称'],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东京奥运会各国金牌分布图"),
       visualmap_opts=opts.VisualMapOpts(max_=100)
   )
)

c.render_notebook()

银牌总数

data_list2=[[i,j] for i,j in zip(df4['英文名称'],df4['银牌'])]
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东京奥运会各国银牌分布图"),
       visualmap_opts=opts.VisualMapOpts(max_=100)
   )
)

c.render_notebook()

柱状图、饼图

柱状图（Bar）

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

c = (
   Bar()
   .add_xaxis(df4['名称'].head(25).tolist())
   .add_yaxis("金牌", df4['金牌'].head(25).tolist(), stack="stack1")
   .add_yaxis("银牌", df4['银牌'].head(25).tolist(), stack="stack1")
   .add_yaxis("铜牌", df4['铜牌'].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东京奥运会奖牌榜详情"),
                    xaxis_opts=opts.AxisOpts(type_='category',
                                             axislabel_opts=opts.LabelOpts(
                                                 rotate=45),
                                             )))
c.render_notebook()

饼图（Pie）

from pyecharts import options as opts
from pyecharts.charts import Pie

c = (
   Pie()
   .add("", [['跳水', 12], ['射击', 11], ['举重', 8], ['竞技体操', 8], ['乒乓球', 7], ['游泳', 6], ['羽毛球', 6], ['田径', 5], ['静水皮划艇', 3], ['蹦床体操', 3], ['自由式摔跤', 3], ['赛艇', 3], ['空手道', 2], ['拳击', 2], ['帆船', 2], ['花样游泳', 2], ['跆拳道', 1], ['场地自行车赛', 1], ['古典式摔跤', 1], ['击剑', 1], ['三人篮球', 1]],
        center=["50％", "60％"],)
   .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()

这样需要用到的三张图表就绘制好了。

Pyecharts组合图表

Pyecharts进行可视化大屏第二步就是组合图表，大致可分为四类：

• Grid：并行多图

• Page：顺序多图

• Tab：选项卡多图

• Timeline：时间线轮播多图
  

官方文档：Pyecharts

这里用Page（顺序多图）居多，在组合图表之前，还要先把前面的图表绘制代码改为函数。

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东京奥运会各国金牌分布图"),
           visualmap_opts=opts.VisualMapOpts(max_=100)
       )
   )
   return c

顺便还在其中增加了背景颜 * g_color、图表IDchart_id，后者用于多图表时定位区分。背景颜色的话，我选择了淡蓝色#ADD8E6。后续图片的布局是根据图表ID的对应关系进行布局，所以每张图都要分别设置其id。

接着使用page = Page(layout= Page.DraggablePageLayout)模式对图片进行展示，这一步是为了调整布局。

page = Page(layout=Page.DraggablePageLayout, page_title="2020东京奥运会奖牌榜")

# 在页面中添加图表
page.add(
   title(),
   map_world(),
   bar_medals(),
   pie_china(),)

page.render('test.html')

调用绘制函数后生成一个 test.html 文件。

打开后可以其中的图片进行拖拽，来实现自定义布局。

对图片布局完毕后，要记得点击左上角“save config”对布局文件进行保存。

点击后，本地会生成一个chart_config.json的文件，这其中包含了每个图表ID对应的布局位置。

最后，调用保存好的布局文件，重新生成html。

运行下面这行代码。

page.save_resize_html('test.html', cfg_file='chart_config.json', dest='奥运.html')

其中test.html 为生成的所有图表的文件、chart_config.json 为下载的布局文件、奥运.html 为布局好的的仪表盘文件、打开仪表奥运.html：

这样就实现了一次数据可视化——大屏展示。

但还有还有很多不足之处，比如若图表配色没有特殊去做调整。

整张大屏只是一个静态的展示，而非具有商业场景的数据仪表盘。

真正的数据大屏往往更喜欢用BI软件生成，能够实现图、表、切片器之间交叉筛选，希望以后有机会能用Python使用制作出来。

来源：https://blog.csdn.net/weixin_48678602/article/details/120577477