探索数据可视化的魔法世界：Pyecharts 带你飞！

前言

嗨，在之前的文章：Python神器：psutil库使用详解 中，介绍了python psutil库，获取系统运行时的进程和系统利用率（包括CPU、内存、磁盘、网络等）信息，用于系统监控，性能分析，进程管理等场景。今天向大家介绍另一个神奇而有趣的工具——Pyecharts，配合psutil使用，它能够将监控到的数据转化为生动活泼的图表，你在数据的海洋中自如驰骋，尽情挥洒创造力。接下来就着我一起进入这个充满魔法的数据可视化世界吧！

第一章：开启魔法之门

首先，我们需要安装 Pyecharts。不用担心，它的安装过程就像是喝杯咖啡那么简单。只需要在命令行输入一行代码，Pyecharts 就会以闪电般的速度出现在你的电脑里。

pip install pyecharts

Pyecharts 是一款基于 Python 的数据可视化库，它支持多种类型的图表，包括折线图、柱状图、散点图、地理图等等，可以帮助用户快速生成高质量的图表。Pyecharts 具有以下几个特点：

• 易于上手：Pyecharts 提供了直观的 API，使得用户可以轻松地创建各种类型的图表。同时，Pyecharts
  还提供了详细的文档和示例代码，方便用户参考。
• 多种类型的图表：Pyecharts 支持多种类型的图表，包括折线图、柱状图、散点图、地理图等等，用户可以根据自己的需求选择不同类型的图表。
• 丰富的交互功能：Pyecharts 提供了丰富的交互功能，包括鼠标悬停提示、数据筛选、图表联动等等，可以增强用户对数据的理解。
• 可扩展性强：Pyecharts 支持将图表嵌入到 Flask、Django 等 Web 框架中，并支持 Jupyter
  Notebook、Spyder 等 Python IDE。

因此Pyecharts 是一个功能强大、易于上手的数据可视化库，能够帮助用户快速生成高质量的图表，增强对数据的理解和分析。

第二章：释放创造力

现在让我们来看看 Pyecharts 的一些常用图表示例。想象一下，你手里有一堆数据，但你不知道该如何展现它们的魅力。别担心，Pyecharts 可以帮助你释放创造力，让你的数据焕发出新的生机。

2.1 折线图：起伏的数据轨迹

根据psutil库监控内存占用并将数据保存到memory.txt中，数据格式如下图：

使用pyecharts库来自动生成内存占用折线图，并输出到memory_monitor_line.html网页上呈现，代码如下：

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


def output_memory_line_chart():
    # 获取当前脚本所在的目录
    cur_dir = os.path.dirname(os.path.abspath(__file__))

    # 获取折线图需要绘制的数据信息
    x = []
    y = []
    with open(cur_dir + '/memory.txt') as f:
        for line in f:
            space_index = line.find(' ')
            if space_index != -1:
                data = line[space_index + 1:]  # 切片操作，保留空格之后的部分
                time, per = data.strip().split()
                x.append(time)
                y.append(float(per))  # 将字符串转换为浮点数

    line = (
        Line()
        .add_xaxis(x)
        .add_yaxis("内存使用监控", y, label_opts=opts.LabelOpts(is_show=True))
        .set_global_opts(title_opts=opts.TitleOpts(title="内存使用监控,单位:MB"))
    )

    line.render(path=cur_dir + '/memory_monitor_line.html')
    

if __name__ == '__main__':
    # 调用函数生成折线图
    output_memory_line_chart()

代码解释说明：

 - space_index = line.find(' ')：查找字符串中第一个空格的位置。
 - if space_index != -1:：判断是否找到了空格，避免空行导致的错误。
 - data = line[space_index + 1:]：使用切片操作，获取空格之后的部分字符串。
 - time, per = data.strip().split()：使用strip()方法去除字符串两端的空格，并使用split()方法将字符串拆分为时间和内存占用MB两部分。

这样就可以得到每一行数据中的时间和内存占用MB，分别赋值给time和per变量。在后续的代码中，可以根据需要对这些值进行处理或者使用。

 - data = line[space_index + 1:] 这行代码的作用是获取字符串 line中第一个空格后面的部分字符串，并将其赋值给变量 data。
 - 这里使用了切片操作符 [start:end]，其中 start表示切片的起始位置（包含），end 表示切片的结束位置（不包含），如果省略 start 或 end 则表示从字符串的开头或结尾开始切片。
 - 在这里，space_index + 1 表示从第一个空格的下一个位置开始切片，即去掉了空格本身，这样就可以得到字符串中空格后面的部分。
 - 例如，如果 line 的值为"2024-01-21 10:30:00 33.7"，那么经过切片操作后，data 的值将为 "10:30:00 33.7"。

2.2 柱状图：高耸入云的数据墙

如果我们需要的是柱状图，代码如下：

def output_memory_bar_chart():
    # 获取当前脚本所在的目录
    cur_dir = os.path.dirname(os.path.abspath(__file__))

    # 获取柱状图需要绘制的数据信息
    x = []
    y = []
    with open(cur_dir + '/memory.txt') as f:
        for line in f:
            space_index = line.find(' ')
            if space_index != -1:
                data = line[space_index + 1:]  # 切片操作，保留空格之后的部分
                time, per = data.strip().split()
                x.append(time)
                y.append(float(per))  # 将字符串转换为浮点数

    bar = (
        Bar()
        .add_xaxis(x)
        .add_yaxis("内存使用监控", y, label_opts=opts.LabelOpts(is_show=True))
        .set_global_opts(title_opts=opts.TitleOpts(title="内存使用监控,单位:MB"))
    )

    bar.render(path=cur_dir + '/memory_monitor_bar.html')

2.3 散点图：舞动的数据点

如果我们需要的是散点图，代码如下：

def output_memory_scatter_chart():
    # 获取当前脚本所在的目录
    cur_dir = os.path.dirname(os.path.abspath(__file__))

    # 获取散点图需要绘制的数据信息
    x = []
    y = []
    with open(cur_dir + '/memory.txt') as f:
        for line in f:
            space_index = line.find(' ')
            if space_index != -1:
                data = line[space_index + 1:]  # 切片操作，保留空格之后的部分
                time, per = data.strip().split()
                x.append(time)
                y.append(float(per))  # 将字符串转换为浮点数

    scatter = (
        Scatter()
        .add_xaxis(x)
        .add_yaxis("散点图", y, label_opts=opts.LabelOpts(is_show=False))
        .set_global_opts(title_opts=opts.TitleOpts(title="内存使用监控,单位:MB"))
    )

    scatter.render(path=cur_dir + '/memory_monitor_scatter.html')

第三章：解决魔法难题

细心的同学可能已经发现，上面图中x轴上的点，并没有显示我们memory.txt中数据的每一个点。原因是默认情况下，是程序根据数据间的间隔自动确定 x 轴刻度的。如果想要x轴的每一个刻度标签都显示出来，怎么办？

很简单，我们使用 xaxis_opts 中的 axislabel_opts 设置 interval=0，代码如下：

scatter = (
    Scatter()
    .add_xaxis(x)
    .add_yaxis("散点图", y, label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="内存使用监控,单位:MB"),
        xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(interval=0)),
    )
)

这样x轴上的点都显示出来了，但是细心的你会发现又出现了另一个问题：
由于点太多了，导致两个点的标签有一部分重叠显示了，看起来很不好看。怎么办呢？

方法1：调整X轴的显示方式
可以通过设置X轴的显示角度或者间隔来减少标签的重叠。例如，可以使用axislabel_opts中的rotate参数设置标签的旋转角度，或者使用interval参数设置标签的显示间隔。

scatter = (
    Scatter()
    .add_xaxis(x)
    .add_yaxis("散点图", y, label_opts=opts.LabelOpts(is_show=True))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图"),
        xaxis_opts=opts.AxisOpts(
            axislabel_opts=opts.LabelOpts(interval=0, rotate=45)  # 设置标签间隔和旋转角度
        ),
    )
)

调整后，显示效果如下：

方案2：加长x轴的显示长度
可以通过使用了 opts.InitOpts() 方法来手动设置图表的宽度和高度，比如像下面这样设置X轴比较长，也能避免重叠显示。

scatter = (
    Scatter(init_opts=opts.InitOpts(width="2000px", height="600px"))
    .add_xaxis(x)
    .add_yaxis("散点图", y, label_opts=opts.LabelOpts(is_show=True))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="散点图"),
        xaxis_opts=opts.AxisOpts(
            axislabel_opts=opts.LabelOpts(interval=0, rotate=45)  # 设置标签间隔和旋转角度
        ),
    )
)

调整后，显示效果如下：

如果觉得柱状图、折线图中使用单一的颜色太单调，还可以通过参数visualmap_opts，设置图表是否渐变色显示：

bar = (
    Bar()
    .add_xaxis(x)
    .add_yaxis("柱状图", y, label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="内存使用监控,单位:MB"),
        visualmap_opts={"is_show": True}  # 显示颜色渐变的图例
    )
)

修改后的效果图如下：

第四章：魔法升级之路

感谢坚持看到这里的同学，之前的文章Python神器：psutil库使用详解 中，有一个缺陷：如果我们统计某一个程序进程占用的内存，会发现统计出来的内存占用，和window任务管理器显示的内存占用结果，存在一定的差异。之前的代码是：

def getMemSize(pid):
    # 根据进程号来获取进程的内存大小
    process = psutil.Process(pid)
    memInfo = process.memory_info()

    # rss: 该进程实际使用物理内存（包含共享库占用的全部内存）。
    # vms：该进程使用的虚拟内存总量。

    return memInfo.rss / 1024 / 1024

那今天我们就来解决掉这个问题，方法是：使用新的Process.memory_full_info().uss，比以前用的Process.memory_info().rss要更加的准确，这个属性只在 psutil 5.6.2 及以上版本中可用，区别在于：

 - memory_info.rss 和 memory_full_info.uss 都表示进程占用的物理内存大小，但它们计算所依据的范围不同。
 - memory_info.rss 只统计进程的私有物理内存大小，不包括共享内存和映射文件等。 
 - memory_full_info.uss统计的是进程的所有占用的私有物理内存大小，包括私有物理内存、共享内存和映射文件等。 
 - 因此，在新版本的 psutil 中，使用memory_full_info.uss 可以更全面地了解进程占用的物理内存大小
 - 而在旧版本的 psutil 中只能使用memory_info.rss 来获取进程的物理内存占用情况
 - 但这可能会导致与任务管理器上显示的值有一些差异。

比如window任务管理器统计出来飞书、网易云音乐、QQ音乐内存占用的结果如下：

我们使用新版本的memory_full_info().uss统计出来的结果如下：

而使用老版本的memory_info().rss统计出来的数据如下：

对比数据可以发现，很明显，新版的memory_full_info().uss统计出来的结果，比老方法memory_info().rss统计出来的结果，要准确很多。

第五章：完整魔法攻略

现在，如果有一个任务让你测试监控某个软件的稳定性，我们就可以通过psutil库去采集cpu/内存的监控数据，然后再使用pyecharts库根据监控存下来的数据，自动生成炫酷的图表并在HTML网页上呈现。

为方便大家使用，更新优化后的完整代码我放在了我的微信公众号：程序员杨叔 同篇文章中，需要的宝子们可以搜索并关注后，找到同篇文章查看，或者聊天窗口输入关键词：python监控，即可获取。

=================================================================================================
以上就是本次的全部内容，如果对你有帮助，麻烦点个赞+收藏+关注，一键三连啦~ 欢迎关注下方我的公众号：程序员杨叔，各类文章都会第一时间在上面发布，持续分享各类测试开发知识干货，你的支持就是作者更新最大的动力。