Pyecharts一文速学-绘制树形图实例+Python代码

原创已于 2023-03-01 09:27:50 修改 · 3.7k 阅读

22 ·

CC 4.0 BY-SA版权

文章标签：

#1024程序员节 #python #数据分析 #数据可视化 #数据挖掘

于 2022-10-24 17:23:45 首次发布

本文介绍了如何使用Python库Pyecharts创建Tree树图，并展示了如何将列表数据转换为适合树图的数据结构。Pyecharts是基于JavaScript的商业级数据图表库，提供丰富的图表类型和详尽的文档。通过示例代码，作者演示了生成树图的基本步骤，并讨论了数据处理在数据可视化中的重要性。

前言

一、Tree树图

二、数据处理

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

前言

之前写pandas和matplotlib的时候说到了想要出一期Pyechart系列数据可视化的文章。比起matplotlib，pyeacharts的图表要丰富而且好看，这取决于它是基于百度团队使用Javascript开发的商业级数据图表。而且pyechart文档全，便于开发和阅读文档，熟练掌握后是一种非常好用的数据可视化的工具之一。当然相比pandas的plot代码会繁琐一些，其中一些操作类方法也是比较复杂的，需要对其有个大概的掌握才能作出满意的图表。

在我之前的文章中也有好几次使用到了pyechart方法，但是我觉得既然是完成一些数据可视化的操作应该就要快速可呈现，作为数据处理能够得到解析出想要的数据就足够了，如果有个业务小组完全可以将这一部分交给前端去渲染就好了，主要还是快速出图表给我们自己看，用于调整代码而已。那么废话不多说了开始吧！

一、Tree树图

pyecharts只能说不愧是国人开发，文档真的给力，不用再去啃生肉那么痛苦了。很多详细的参数看开发文档就可以看明白：pyecharts - A Python Echarts Plotting Library built with love.

我们来看它给出的基础例图：

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


data = [
    {
        "children": [
            {"name": "B"},
            {
                "children": [{"children": [{"name": "I"}], "name": "E"}, {"name": "F"}],
                "name": "C",
            },
            {
                "children": [
                    {"children": [{"name": "J"}, {"name": "K"}], "name": "G"},
                    {"name": "H"},
                ],
                "name": "D",
            },
        ],
        "name": "A",
    }
]
c = (
    Tree()
    .add("", data)
    .set_global_opts(title_opts=opts.TitleOpts(title="Tree-基本示例"))
    .render("tree_base.html")
)

此代码会生成一个网页：

看对应的前端源代码：

<!DOCTYPE HTML>
<html>

<head>
  <meta charset="utf-8">
  <title>tree_base.html</title>
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
</head>

<body>
  <style type="text/css">
    html, body, #container {
      height: 100%;
    }
    body, #container {
      overflow: hidden;
      margin: 0;
    }
    #iframe {
      width: 100%;
      height: 100%;
      border: none;
    }
  </style>
  <div id="container">
    <iframe id="iframe" sandbox="allow-scripts" src="/files/Hivesqlblood/tree_base.html"></iframe>
  </div>
</body>

</html>

sandbox="allow-scripts"允许添加脚本执行，也就是将我们编写的python转换为了js脚本，通过代码输入端口获取echart的配置：

如果不想生成网页将render("tree_base.html")改为render_notebook()即可。

树形图有很多种使用场景，比如事件的从属关系，

这里更主要的是数据处理板块，如果我们仅想要将一行列表数据转换为树形图数据结构该如何处理。

二、数据处理

我们拿到展示数据结构为：

[
    {
        "children": [
            {"name": "B"},
            {
                "children": [{"children": [{"name": "I"}], "name": "E"}, {"name": "F"}],
                "name": "C",
            },
            {
                "children": [
                    {"children": [{"name": "J"}, {"name": "K"}], "name": "G"},
                    {"name": "H"},
                ],
                "name": "D",
            },
        ],
        "name": "A",
    }
]

也就是结构为 [{"children":[{"name": "B"},{"name": "B"}] ,"name": "temp"}]的类型，我们需要将将数据转换为这个格式数据，就以通用的list来说，如果用树图来表示的话肯定是有一节点为根节点，一部分节点为子节点。就以一个list来说：

list_1=['temp_road_check_20220902', 'dws_crowdsourcing_cs_order_link_mysql', 'track_point_traffic_dev_tk_track_traffic_info_offline']

第一个节点为根节点，其余为子节点。那么我们就可以进行这样分装：

list_1=['temp_road_check_20220902', 'dws_crowdsourcing_cs_order_link_mysql', 'track_point_traffic_dev_tk_track_traffic_info_offline']
list_children=[]
for i in range(len(list_1)-1):
    children_dict={"name":list_1[i+1]}
    list_children.append(children_dict)
dict_children={"children":list_children,"name": list_1[0]}
data=[dict_children]

这样的话就可以形成树形图的格式了：