Python数据可视化实战第五章pyecharts实训代码

实训1 绘制交互式基础图形

1、训练要点

(1)掌握pyecharts的基础语法。
(2)掌握柱形图的绘制方法。
(3)掌握折线图的绘制方法。
(4)掌握柱饼图的绘制方法。
(5)掌握时间线轮播多图的绘制方法。
(6)掌握并行多图的绘制方法。

2、需求说明

 ​

（1）获取处理好的数据 .

# 后面都用到的包
import pandas as pd 
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.globals import ThemeType
from pyecharts.charts import Timeline
from pyecharts.charts import Scatter
from pyecharts.charts import Line
from pyecharts.charts import Boxplot
from pyecharts.charts import Scatter3D
from pyecharts.charts import Pie
# 读取数据
data = pd.read_csv('G:/data/处理后的数据.csv',encoding='gb18030')
print(data)

​

( 2）绘制销量2017年6月前5的商品销售柱形图 .

# 确保时间列是datetime格式
data['支付时间'] = pd.to_datetime(data['支付时间'])
# 筛选2017年6月的数据
data1 = data[(data['支付时间'].dt.year == 2017) & (data['支付时间'].dt.month == 6)]
# 统计销量并排序
top5 = data1.groupby('商品')['订单号'].nunique().sort_values(ascending=False).head(5)
# 绘制销量前5的商品销量柱形图
bar = (
    Bar()
    .add_xaxis(top5.index.tolist())
    .add_yaxis('销量', top5.values.tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='2017年6月销量前5的商品')))

bar.render_notebook()

​ （2.1）绘制销量2017年前5的商品销售柱形图 .

# 确保时间列是datetime格式
data['支付时间'] = pd.to_datetime(data['支付时间'])
# 统计销量并排序
top5 = data.groupby('商品')['订单号'].nunique().sort_values(ascending=False).head(5)
# 绘制销量前5的商品销量柱形图
bar = (
    Bar()
    .add_xaxis(top5.index.tolist())
    .add_yaxis('销量', top5.values.tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='2017年销量前5的商品')))

bar.render_notebook()

 ​

（3）绘制售货机每月总交易额折线图 .

data['支付时间']=pd.to_datetime(data['支付时间'])
data['月份']=data['支付时间'].dt.month
temp=data.groupby(by=['月份','地点'],as_index=False)['实际金额'].sum()
x=sorted(list(set(data['月份'].values.tolist())))
x_data=[str(i)+'月' for i in x]
location=list(set(temp['地点'].values.tolist()))
location=sorted(location)
y=[]
for i in location:
    y.append(np.round(temp[temp['地点']==i]['实际金额'].values.tolist(),2))
line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis('A', y[0],label_opts=opts.LabelOpts(is_show=False))
    .add_yaxis('B', y[1],label_opts=opts.LabelOpts(is_show=False))
    .add_yaxis('C', y[2],label_opts=opts.LabelOpts(is_show=False))
    .add_yaxis('D', y[3],label_opts=opts.LabelOpts(is_show=False))
    .add_yaxis('E', y[4],label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        legend_opts=opts.LegendOpts(pos_left='right'),  # 图例放置在右侧
        title_opts=opts.TitleOpts(title='售货机每月总交易额折线图'),
    )
)
line.render_notebook()

​

（4）绘制售货机各类（按大类）商品的销售额饼图 

# 合并所有设备的大类销售额，绘制饼图
total = data.groupby('大类')['实际金额'].sum().reset_index()
pie = (
    Pie()
    .add('', [list(z) for z in zip(total['大类'], total['实际金额'])])
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
    .set_global_opts(
        title_opts=opts.TitleOpts(title = '售货机各类商品销售额饼图')))
pie.render_notebook()

​

 （5）绘制2017年每月每台售货机的销售额的时间轮播多图。

# 按售货机和月份分组，计算每台售货机每月的总交易额
monthly = data.groupby(['地点', '月份'])['实际金额'].sum().reset_index()

# 创建时间线轮播多图
timeline = Timeline()

# 添加每个月的图表
for month in monthly['月份'].unique().tolist():
    bar = (
        Bar()
        .add_xaxis(monthly[monthly['月份'] == month]['地点'].tolist())
        .add_yaxis('销售额', data_monthly[monthly['月份'] == month]['实际金额'].tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title='2017年每月每台售货机销售额'.format(month)))
    )
    timeline.add_schema(play_interval=1000,is_auto_play=True,symbol='pin')
    timeline.add(bar, '{}月'.format(month))
timeline.render_notebook()

​

（6）绘制售货机每月各类（按大类）商品的销售额饼图的并行多图 

zong = data.groupby(['地点', '大类'])['实际金额'].sum().reset_index()

fyl = []  # 非饮料类数据
yl = []   # 饮料类数据
area = [] # 用于存储所有地点，确保不重复

for index, row in zong.iterrows():
    area.append(row['地点'])
    if row['大类'] == '非饮料':
        fyl.append((row['地点'], row['实际金额']))
    else:
        yl.append((row['地点'], row['实际金额']))

# 确保地点列表不重复
area = list(set(area))

# 非饮料类饼图
pie1 = (
    Pie()
    .add("", [list(z) for z in fyl],radius=[20,100], center=['20%', '50%'])  # 直接使用fyl列表
    .set_global_opts(
        title_opts=opts.TitleOpts(title='非饮料类销售情况', pos_left='10%', pos_top='20%'),
        legend_opts=opts.LegendOpts(pos_left='10%'))
    .set_series_opts(
        label_opts=opts.LabelOpts(formatter='{b}: {c} ({d}%)', position='outside')))

# 饮料类饼图
pie2 = (
    Pie()
    .add("", [list(z) for z in yl],radius=[20,100], center=['60%','50%'])  # 直接使用yl列表
    .set_global_opts(
        title_opts=opts.TitleOpts(title='饮料类销售情况', pos_right='35%', pos_top='20%'),
        legend_opts=opts.LegendOpts(pos_left='55%') )
    .set_series_opts(
        label_opts=opts.LabelOpts(formatter='{b}: {c} ({d}%)', position='outside')))

grid=(Grid(init_opts=opts.InitOpts(width='1200px',height='720px',theme=ThemeType.ROMA)))
grid.add(pie1,grid_opts=opts.GridOpts(pos_bottom='50',pos_left='70%'))
grid.add(pie2,grid_opts=opts.GridOpts(pos_top='50',pos_left='60%'))
grid.render_notebook()