数据可视化--比较和趋势

一、pyecharts模块

1. 安装

pip install pyecharts==1.8.1

2. 导入并创建一个对象

#从pyecharts.charts中导入Bar模块
from pyecharts.charts import Bar
#创建一个柱状图Bar对象并赋值给变量bar
bar=Bar()

补充知识：浮点数取近似值

round(x,n)：对浮点数x进行近似取值，并保留n位小数的函数（n可选，默认保留到整数）。

3. 添加x/y轴数据

①添加x轴数据--bar.add_xaxis()

#参数xaxis_data：命名参数，类型为列表，列表中的元素顺序表示柱状图x轴从左到右的刻度
bar.add_xaxis(xaxis_data=name)

②添加y轴数据--bar.add_yaxis()

#参数y_axis：命名参数，类型为列表
#参数series_name：设置图例名称参数，必选添加。图例名称用于区分柱状图，在图表中呈现不同的颜色，并且默认显示在图表上方
bar.add_yaxis(series_name="赞粉比", y_axis=ratioList)

#平滑折线图，添加参数is_smooth=True
line.add_yaxis(series_name=name,y_axis=likes,is_smooth=True)

4. 保存图表--render()

使用render()函数可以将图表以HTML格式存储在代码所在的文件夹内。

#bar.render("路径")
bar.render("/Users/Yoyo/Desktop/fans_likes.html")

二、全局配置项

1. 导入

from pyecharts import options as opts

2. 标题设置

bar.set_global_opts(title_opts=opts.TitleOpts(title="候选博主粉丝与点赞的对比"))

在TitleOpts中添加不同的参数，可以对坐标轴的样式进行相应的配置，例如：

title：设置标题文本

subtitle：副标题文本

pos_left：距离容器的左边距

pos_right：距离容器的右边距

3. 坐标轴配置项--旋转x轴标签

# 初始化一个AxisOpts对象，设置标签旋转45度
bar.set_global_opts(xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":45}))

在AxisOpts中添加不同的参数，可以对坐标轴的样式进行相应的配置，例如：

axislabel_opts：设置坐标轴标签，参数类型为字典

position：设置坐标轴位置

max_：设置坐标轴最大值

三、绘制折线图

#从pyecharts.charts中导入Line 
from pyecharts.charts import Line
#创建一个折线图Line对象，并赋值给变量line
line = Line()
# 近10篇笔记的点赞量数据存入列表likes中
likes = [71,429,150,2214,626,1597,773,10000,1947,2275]
# 将博主姓名赋值给变量name
name = "菠萝冰和夏天"
# 将最近10篇笔记的名字存入列表并赋值给变量page
page = ["近10篇","近9篇","近8篇","近7篇","近6篇","近5篇","近4篇","近3篇","近2篇","近1篇"]
#给折线图添加x轴数据，数据内容是笔记名字：page
line.add_xaxis(xaxis_data=page)
#给折线图添加y轴数据，数据内容是点赞量列表：likes，图例名称为博主姓名：name
line.add_yaxis(y_axis=likes,series_name=name)
#绘制出这条折线图，并保存到/Users/Yoyo/中，文件名称为line.html
line.render("/Users/Yoyo/line.html")

四、绘制看板组合

# 从pyecharts.charts中导入Line,Tab
from pyecharts.charts import Line,Tab
# 创建一个组件Tab对象，赋值给变量tab
tab = Tab()
#使用tab.add(图表，标签名)添加图表
tab.add(line,"点赞折线图")

五、y轴配置项--设置y轴最大值

# 用set_global_opts进行y轴配置，初始化一个AxisOpts对象，设置最大值为13000:
line.set_global_opts(yaxis_opts= opts.AxisOpts(max_ = 13000))

六、初始化配置项--主题配置

line=Line(init_opts = opts.InitOpts(theme="dark"))

七、帕累托图

本质是一个柱状图和一个折线图的叠加。

帕累托图，是基于“帕累托法则”而建立的一种专业图表形式，专门用于识别最有影响的因子类别。

帕累托图是如何描述和识别最有影响的因子类别？

①柱状图部分，将各个原因，按照数量（也就是频次）从大到小排列。最左边，就是最重要的原因；最右边是最不重要的原因。

②折线图部分是各个问题的频率累计的结果。按重要性排序，如果从最重要的问题开始解决，能一共解决多大程度的影响。一般来说，80%是一个分界线。

1. 字典排序

# 根据字典value的大小，对knowledge的元素进行降序排序，然后结果赋值给result
#使用sorted()函数，传入字典使用items()函数的返回值、key、reverse这3个参数，对字典knowledge排序。
#key = lambda item:item[1]，就是将每一个元组中第二个元素，作为排序依据。
result = sorted(knowledge.items(),key = lambda item:item[1],reverse=True)

sorted()函数：对传入的列表进行排序。

字典.items()：将字典中的键值，转化为一个元组的形式。

key参数：需要传入一个函数，函数用于指定进行比较的依据，可以传入一个函数，或者在此定义一个匿名函数

reverse参数：reverse=True，降序排序 reverse=False，升序排序

2. 绘制柱状图

3. 绘制折线图

4. 绘制叠加图

两张图表如果要进行叠加，就需要对其中一个图表使用overlap()函数，然后将另一个图表的对象作为参数传入。

# 对bar使用overlap()函数，传入line，就是在柱状图的基础上叠加折线图
bar.overlap(line)

5. 新增y轴

对bar，需要使用extend_axis函数，拓展一条坐标轴的位置

对line，需要在add_yaxis函数中，注明yaxis_index=1，表示使用第2条y轴（轴的索引从0开始）。

# 使用extend_axis函数，参数yaxis传入坐标轴配置项opts.AxisOpts()
bar.extend_axis(yaxis=opts.AxisOpts())

# 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1
line.add_yaxis(
    series_name="扣分占比",
    y_axis=percentlist,
    yaxis_index=1
    )

6. 设置图表层级

参数z_level从0开始，数值越大的图表，会在越上层显示。

# 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1，设置z_level为1
line.add_yaxis(
    series_name="扣分占比",
    y_axis=percentlist,
    yaxis_index=1,
    z_level=1
    )

7. 总结

# 定义知识点和平均扣分的字典
knowledge = {"圆锥曲线":7.5,"直线与圆":5.0,"立体几何":10.1,"空间向量":3.2,"数列":14.5,"解三角":1.9,"导数":28.5,"函数模型":3.3,"二项式定理":3.0,"线性规划":4.0,"平面向量":3.5,"复数":1.3,"集合":1.9}

# 根据字典value的大小，对knowledge的元素进行降序排序，然后结果赋值给result
result = sorted(knowledge.items(),key = lambda item:item[1],reverse=True)

# 定义一个pointList和scoreList的空列表
pointList = []
scoreList = []

# for循环遍历列表result
for item in result:
    # 其中元组中第一个元素就是x轴的数据，添加到列表pointList中
    pointList.append(item[0])
    # 其中元组的第二个元素就是y轴的数据，添加到列表scoreList中
    scoreList.append(item[1])

# 定义一个累计频率的空列表percentlist
percentlist = []
# 定义一个计算累计频率的变量accu_percent，赋值为0
accu_percent = 0

# 遍历列表scoreList中的每个元素
for score in scoreList:
    # 计算单个扣分分数，占所有扣分分数的比例，乘100，赋值给percent
    percent = score/sum(scoreList)*100
    # 累计频率accu_percent，加上当前扣分分数的频率，得到当前的累计频率accu_percent
    accu_percent = accu_percent + percent
    # 使用round()函数保留两位小数，append到列表percentlist中
    percentlist.append(round(accu_percent,2))

# 绘制柱状图
# 从pyecharts.charts中 导入 Bar模块
from pyecharts.charts import Bar

# 创建一个柱状图Bar对象并赋值给变量bar
bar = Bar()

# 使用add_xaxis函数，传入pointList作为x轴数据
bar.add_xaxis(xaxis_data=pointList)

# 使用add_yaxis函数，设置图例名称参数series_name为"扣分"，传入scoreList作为y轴数据
bar.add_yaxis(
    series_name="扣分", 
    y_axis=scoreList
    )

# 从pyecharts中导入options模块，简写为opts
from pyecharts import options as opts

# 使用全局配置项，设置x轴旋转45度，设置标题为"数学模块最薄弱的失分点"
bar.set_global_opts(
    xaxis_opts=opts.AxisOpts(axislabel_opts={"rotate":45}),
    title_opts=opts.TitleOpts(title="数学模块最薄弱的失分点")
    )

# 使用extend_axis函数，参数yaxis传入坐标轴配置项opts.AxisOpts()
bar.extend_axis(yaxis=opts.AxisOpts())

# 绘制折线图
# 从pyecharts.charts中导入Line模块
from pyecharts.charts import Line

# 创建一个折线图Line对象并赋值给变量line
line = Line()

# 使用add_xaxis函数，传入pointList作为x轴数据
line.add_xaxis(xaxis_data=pointList)

# 使用add_yaxis函数，设置图例名称参数series_name为"扣分占比"，传入percentlist作为y轴数据，设置yaxis_index为1，设置z_level为1
line.add_yaxis(
    series_name="扣分占比",
    y_axis=percentlist,
    yaxis_index=1,
    z_level=1
    )

# 对bar使用overlap()函数，传入line，就是在柱状图的基础上叠加折线图
bar.overlap(line)

# 绘制出图表
bar.render("/Users/Desktop/pareto_overlap.html")

注：overlap()还可以组合不同的图表形式，例如：柱状图叠加饼图

直接组合可能会使图标重合到一起，这时可以通过设置参数center来调整图位置。

#center = [0,0]表示设置饼图的中心坐标为(0,0)。
#设置坐标位置时，也可将参数设置成百分比。设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度
pie.add(
    series_name="",
    data_pair=data,
    radius=["40%","50%"],
    center =[0, 0]
    #center =["75%", "30%"]
    )

overlap()可以组合直角坐标系的图表，如图所示。