数据可视化：堆叠柱状图与饼状图的应用-CSDN博客

本文链接：https://blog.csdn.net/qq_46324053/article/details/128980852

一、堆叠柱状图

体现一个大分类包含的每个小分类的数据时，选用堆叠柱状图。

类型一：一般堆叠柱状图--适用于比较每个分组的数据总量

每一根柱子的高度，分别代表一个分组总数据的大小。在每一根柱子内部，不同颜色的柱子高度表示在这个数据部分中不同种类的数据大小。

类型二：百分比堆叠柱状图--适合用来比较不同分组数据内各个种类的占比情况，但不适用于对比各分组总数的大小

所有的柱子高度一样，都表示100%。在每一根柱子内部，不同颜色的柱子高度表示在这个数据分组中不同种类的数据大小

绘制堆叠柱状图

#导入对应模块
from pyecharts.charts import Bar
from pyecharts import options as opts

# 设置列表
months = ["7月", "8月", "9月", "10月", "11月", "12月"]
choc_sales=[5340,6078,6460,6475,7431,8038]
gum_sales=[4340,4379,4460,5075,5431,6038]
walnut_sales=[6340,5579,4460,4075,3431,3038]

label_options = opts.LabelOpts(position="inside")

#创建Bar对象并赋值给变量bar
bar = Bar()

#使用add_xaxis()函数，添加参数xaxis_data，将参数值设置为months
bar.add_xaxis(xaxis_data=months)

#使用add_yaxis()函数
# 将图例设置为“巧克力”
# y轴数值设置为列表choc_sales
#参数stack作用：将柱子堆叠，同系列配置相同stack值（数据类型是字符串）可以堆叠放置。即stack 值可以任意设置，只需要将 add_yaxis() 函数的 stack 值保持一致，即可生成堆叠柱状图。
bar.add_yaxis(y_axis=choc_sales,series_name="巧克力",stack="sales",label_opts=label_options)

#使用add_yaxis()函数
# 将图例设置为“口香糖”
# y轴数值设置为列表gum_sales
bar.add_yaxis(y_axis=gum_sales,series_name="口香糖",stack="sales",label_opts=label_options)

#使用add_yaxis()函数
# 将图例设置为“核桃”
# y轴数值设置为列表walnut_sales
bar.add_yaxis(y_axis=walnut_sales,series_name="核桃",stack="sales",label_opts=label_options)

#使用render函数将堆积柱状图保存在指定路径
bar.render("/Users/azhen/bar_stack.html")

小知识点：数据标签配置项--位置

#导入options模块
from pyecharts import options as opts

#将 opts.LabelOpts() 赋值给变量 label_options
label_options = opts.LabelOpts(position="inside")

#在 add_yaxis() 函数中添加参数 label_opts，将其值设置为变量 label_options
bar.add_yaxis(
    series_name="巧克力",
    y_axis=choc_sales,
    stack="sales",
    label_opts=label_options
    )

二、用户口碑

用户口碑简单来说，就是口口相传式的营销，让用户来讨论和分享产品，并通过这种方式将产品传播出去，让更多的用户使用。

衡量用户口碑，可通过净推荐值（NPS）。NPS是衡量用户向周围朋友推荐产品意愿度。NPS越高，说明用户满意度越好，用户的推荐意向越高。

NPS=（推荐者数/总样本数）×100%-（批评者数/总样本数）×100%

三、绘制饼状图

饼状图用于表示不同分类的占比，通过每个扇形的大小来对比各分类。

#导入相应模块
from pyecharts.charts import Pie

# 列表data
data = [("苹果", 60), ("香蕉", 80), ("核桃", 120)]

# 创建Pie对象赋值给pie
pie = Pie()

#设置饼状图
# 添加参数series_name，将图例设置为空
# 添加参数data_pair，将值设置为data
# 添加参数label_opts，将值设置为opts.LabelOpts
# 在数据标签配置项中添加参数formatter，将值设置为"{d}%"
# 添加参数position，将值设置为"inside"
pie.add(series_name="",data_pair=data,label_opts = opts.LabelOpts(formatter="{d}%",position="inside"))

#使用render保存饼状图到指定路径
pie.render("/yequ/pie.html")

知识点：

设置饼图：

#设置饼状图
#series_name 是一个必选参数，可以将其设置为空，但不能省略
#data_pair参数：绘制饼状图不同分类的扇形大小类型是列表，列表中的每一项元素是由元组组成，格式为：[(分类1, 数值1), (分类2, 数值2)]。注意，这里的数值不是百分比，是分类对应的数值。
pie.add(series_name="",data_pair=data)

数据标签配置项--内容

pie.add(series_name="",data_pair=data,label_opts = opts.LabelOpts(formatter="{d}%",position="inside"))

参数formatter：设置数据标签的内容，类型为字符串，值如下图

四、变形饼状图

1.环形图：将饼图的角度判断改成了弧形长度判断。

修改饼状图半径的参数radius：其值有三种数据类型：

①数字--可以直接指定外半径的值，例如：radius=80；数值也就是外半径在网页上的像素值。

②字符串--例如：radius="40%"，表示外半径为画布尺寸（高度或者宽度最小的一项）的40%长度。

③数组--例如：radius=[50,100]或者radius=["30%","60%"]，数组的第一项是内半径，第二项为外半径。如果将内半径设置成大于0，外半径设置成大于内半径，就可以绘制一个环形图

2.南丁格尔玫瑰图--一般用于对比非常相近的数值时，适当的夸大会有助于分辨。

南丁格尔玫瑰图以半径来反映数值，从视觉上，它会将数据的比例夸大。

使用：只需在add()函数中添加参数rosetype。有"radius"和"area"两种模式可以选择。

radius：扇形圆心角展现数据的百分比，半径展现数据的大小；

area：所有扇形圆心角相同，仅通过半径展现数据大小

# 使用add()设置饼状图的内容
# 添加参数series_name，将图例设置为空
# 添加参数data_pair，将值设置为data
# 添加参数rosetype，将参数值设置为"area"
# 添加参数radius，将饼状图的半径设置为[50, 150]
pie.add(
    series_name="",
    data_pair=data,
    rosetype="area",
    radius=[50,150]
    )