数据可视化--分布和流转

一、箱线图

用于描述一组数据的分布情况。组成如下：

说明：

①当箱子较短时，表示数据差别不大，数据都分布在较小的范围内。

当箱子较长时，表示数据差别很大，数据都分布在较大的范围内。

②当中位数接近箱子底部（下四分位数）时，说明在更小的区间内数字分布更密集。

当中位数接近箱子顶部（上四分位数）时，说明在更大的区间内数字分布更密集。

③如果“须”很长，表示数据分布分散；如果一边“须”很长，另一边较短，表示数据在一个方向分散。

绘制

#使用from...import从pyecharts.charts导入Boxplot
from pyecharts.charts import Boxplot

# 创建二维列表data_list
data_list = [[2, 9, 13, 15, 18, 13, 10, 8, 18, 14]]

# 使用Boxplot()创建实例赋值给boxplot
boxplot = Boxplot()

# 使用prepare_data()计算数据，赋值给data
data = boxplot.prepare_data(data_list)

# 使用add_xaxis()设置横坐标，xaxis_data=["袜子"]
boxplot.add_xaxis(xaxis_data=["袜子"])

# 使用add_yaxis()设置纵坐标
# series_name为空，y_axis=data
boxplot.add_yaxis(series_name="", y_axis=data)

# 使用render()生成文件保存到/Users/panpan/boxplot.html
boxplot.render("/Users/panpan/boxplot.html")

注意：

箱线图的y轴需要传入二维列表，样式为[[第1组],[第2组],...]。列表中可传入一组或多组数据，当列表中传入多组数据时，就生成绘制多个箱线图的数值。

使用pyecharts.charts模块中的prepare_data()函数计算出数值列表，计算出的数据以二维列表的形式返回，列表中的没想的含义是：[[min,Q1,median,Q3,max]]

二、桑基图

能够展现某个事物经过多个过程而变为最终的目标结果，包括中间的转换过程和每个过程的比例，能够体现数据的流向。

组成部分：

桑基图最擅长的表现是：

①业务数据的流动，比如：页面流转、物流、资金流、航线客流等等这种从一个地方、类别到另外一个地方、类别的流量移动。

②类别依存关系，比如：某个业务中，某个大类以及小类之间的业务关系或大类销售中，小类的比例等。

1. 节点流（nodes）和信息流（links）的结构

①列表的元素都是字典元素；

②nodes列表中的每个字典元素只包含一对键：值，键（key）都为“name”；

naodes = [{"name":"标签名1"},{"name":"标签名2"},...]

③links列表中的每个字典元素包含三对键：值，键（key）为“source”、“target”、“value”

信息流连接的源节点的标签名为“source”对应的值；

目标节点的标签名为“target”对应的值；

信息流的宽度为“value”对应的值，即：

links = [{"source":"标签名1","target":"标签名2","value":"值1"},

{"source":"标签名1","target":"标签名3","value":"值2"},......]

2. 列表元素去重

#set()函数用于删除重复数据和元素，返回值为无序不重复的元素集合。
# 使用set()函数对list_labels去重
# 使用list()函数对去重后的结果转化为列表
# 赋值给变量list_nodes
list_nodes = list(set(list_labels))

3.桑基图代码框架

注：调用gen_nodesandlinks()函数，（nodes,links）的结果是以元组的形式返回，调用函数：nodes_links = gen_nodesandlinks(sheet),那么，将返回结果索引为0和1的列表分别赋值给nodes和links，就得到了节点和信息流列表：nodes = nodes_links[0] links = nodes_links[1]

4.初始化配置项--背景颜色

#初始化配置项需要使用pyecharts中的options模块，并简写为opts。
from pyecharts import options as opts

#在pyecharts中，对于图例主题可以设置图例初始化配置项init_opts=opts.InitOpts()，其中可设置的参数有：
#1.主题：theme，主题设置为dark。
#2.背景颜色：bg_color，背景色设置成#253441。
sankey = Sankey(init_opts=opts.InitOpts(theme="dark",bg_color="#253441"))

5.线样式基本配置项

#在pyecharts中，对于信息流样式可以设置线样式配置项linestyle_opt=opts.LineStyleOpts()，其中可设置的参数有：
#1.透明度：opacity，透明度设置为0.3。
#2.弯曲度：curve，弯曲度设置为0.5。
#3.颜色：color，颜色设置为source。
#color设置成source表示信息流的颜色与源节点一致，设置成target表示与目标节点颜色一致。
sankey.add("sankey",
        nodes=nodes_links[0],
        links=nodes_links[1],
        # 使用LineStyleOpts()，传入参数opacity=0.3, curve=0.5, color="source"，赋值给linestyle_opt 
        linestyle_opt=opts.LineStyleOpts(opacity=0.3, curve=0.5, color="source"))

6.标签基本配置项

#在pyecharts中，对于标签可以设置标签配置项label_opts=opts.LabelOpts()，其中可设置的参数有：
#1.位置：position，位置设置为right，也就是节点的右侧。
#2.颜色：color，颜色设置为#ffffff，也就是白色；
#3.字体大小：font_size，字体大小设置为10。
sankey.add("sankey",
        nodes=nodes_links[0],
        links=nodes_links[1],
        # 使用LineStyleOpts()，传入参数opacity=0.3, curve=0.5, color="source"，赋值给linestyle_opt 
        linestyle_opt=opts.LineStyleOpts(opacity=0.3, curve=0.5, color="source"),
        # 使用LabelOpts()，传入参数position="right",color="#ffffff",font_size=10，赋值给label_opts
        label_opts=opts.LabelOpts(position="right",color="#ffffff",font_size=10)
        )

总结使用：

# 使用import导入openpyxl模块
import openpyxl
# 使用from...import从pyecharts.charts导入Sankey
from pyecharts.charts import Sankey
# 使用from...import从pyecharts导入options，简写为opts
from pyecharts import options as opts

# 使用openpyxl.load_workbook(path)读取文件，赋值给wb
wb = openpyxl.load_workbook("/Users/panpan/sankey.xlsx")
# 使用中括号读取工作表对照组和实验组，赋值给sheet_A,sheet_B
sheet_A = wb["对照组"]
sheet_B = wb["实验组"]

# 定义函数gen_nodesandlinks()，传入参数sheet
def gen_nodesandlinks(sheet):
    # 定义标签数据列表，赋值给变量list_labels
    list_labels = []
    # 定义信息流列表，赋值给变量links
    links = []
    # 通过for循环，读取sheet2-24行数据
    for row in sheet[2:24]:
        # .value属性获取元组索引为0的单元格值，并用append()函数添加进list_labels
        list_labels.append(rowl[0].value)
        # .value属性获取元组索引为0的单元格值，并用append()函数添加进list_labels
        list_labels.append(row[1].value)
        # 定义字典，赋值给变量dic
        dic = {}
        # .value属性获取元组索引为0的单元格值，为dic创建（"source":"标签名1"）键：值对
        dic["source"] = row[0].value
        # .value属性获取元组索引为1的单元格值，为dic创建（"target":"标签名2"）键：值对
        dic["target"] = row[1].value
        # .value属性获取元组索引为2的单元格值，为dic创建（"value":值）键：值对
        dic["value"] = row[2].value
        # 使用append()函数将dic添加进links
        links.append(dic)

    # 使用set()函数对list_labels去重
    # 使用list()函数对去重后的结果转化为列表
    # 赋值给变量list_nodes
    list_nodes = list(set(list_labels))

    # 定义节点列表，赋值给变量nodes
    nodes = []
    # 通过for循环遍历list_labels
    for i in list_nodes:
        # 定义字典，赋值给变量dic
        dic = {}
        # 为dic创建（"name":"标签名"）键：值对
        dic["name"] = i
        # 使用append()函数将dic添加进nodes
        nodes.append(dic)

    # 使用return返回(nodes,links)
    return (nodes,links)

# 使用Sankey()函数创建对象赋值给sankey
# 使用InitOpts()，传入参数theme="dark",bg_color="#253441"，赋值给init_opts
#主题：theme，主题设置为dark。背景颜色：bg_color，背景色设置成#253441。
sankey = Sankey(init_opts=opts.InitOpts(theme="dark",bg_color="#253441"))

# 传入sheet_A参数调用gen_nodesandlinks()，赋值给变量nodes_links
nodes_links = gen_nodesandlinks(sheet_A)

# 为创建的实例增加图例名称"sankey"、传入节点和信息流列表
sankey.add(series_name = "sankey",
        nodes=nodes_links[0],
        links=nodes_links[1,
        # 使用LineStyleOpts()，传入参数opacity=0.3, curve=0.5, color="source"，赋值给linestyle_opt 
        linestyle_opt=opts.LineStyleOpts(opacity=0.3, curve=0.5, color="source")],
        # 使用LabelOpts()，传入参数position="right",color="#ffffff",font_size=10，赋值给label_opts
        label_opts=opts.LabelOpts(position="right",color="#ffffff",font_size=10)
        )

# 使用TitleOpts()，传入参数title，赋值给title_opts
# 使用LegendOpts()，传入参数is_show=False，赋值给legend_opts 
# 调用set_global_opts()
sankey.set_global_opts(title_opts=opts.TitleOpts(title="用户路径图"),legend_opts=opts.LegendOpts(is_show=False))

# 使用render()生成桑基图保存到/Users/panpan/sankey.html
sankey.render("/Users/panpan/sankey.html")