python中图形绘制技术的应用_【Python】Pyecharts 组合图形绘制实践

Pyecharts 组合图形绘制实践

大家好，之前跟大家分享了用 Pyecharts 绘制桑基图和饼图：

有同学提了一个问题，在 Pyecharts 中如何绘制多个图形，今天我们来分享下组合图的绘制。

在实际的工作需求中，我们经常需要绘制多个甚至多种不同类型的图形，有时候还需要将它们放在一个页面中，达到一个可视化看板的效果。

在本文中将利用 pyecharts 来实现这个需求，同时满足动态可视化的效果，再次感受这个可视化神器的强大之处，让你真正爱上它。

01 环境Python 3.7

Jupyter notebook

Pandas 1.1.3

pyecharts 1.7.1

pyecharts-jupyter-installer 0.0.3

这里提醒下：

pyecharts 的版本一定要保持一致，非常重要！

pyecharts 的版本一定要保持一致，非常重要！

pyecharts 的版本一定要保持一致，非常重要！在安装的时候可以直接指定版本号，防止出意外

02 单个图形制作

在下面的文章部门我们先逐个绘制多种不同的图形，这些图形的绘制不会涉及到太多的配置项，本文中的重点是如何将不同类型的图形组合在一起。这些图形包含：柱状图

饼图

折线图

热力图

漏斗图

仪表盘

导入库

在进行绘制数据处理和绘图之前，我们还是需要先导入各种库：from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入，防止不出图

from pyecharts import options as opts  # 配置项

from pyecharts.charts import Bar, Pie, Line, HeatMap, Funnel, Gauge, Grid, Page  # 各个图形的类

from pyecharts.faker import Faker  # 自身数据

from pyecharts.commons.utils import JsCode

from pyecharts.globals import ThemeType,SymbolType

import pandas as pd

import numpy as np

import random

模拟数据

首先我们模拟一份简单的数据：通过下面的方式我们可以掌握如何利用pandas快速生成一个DataFrame数据

柱状图

柱状图的制作使用的是 Bar 方法：bar = (

Bar()

.add_xaxis(df['消费'].tolist())

.add_yaxis("5大开支",df['数据'].tolist())

.set_global_opts(

title_opts=opts.TitleOpts(title="Bar-月度开支"),

legend_opts=opts.LegendOpts(is_show=False),

)

)

bar.render_notebook()

饼图

饼图的制作使用的是Pie：pie = (

Pie()

.add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())])

.set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支"))

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

)

pie.render_notebook()

饼图视频：

折线图

折线图的制作使用的是 Line：line = (

Line()

.add_xaxis(df['消费'].tolist())

.add_yaxis("月度开支", df['数据'].tolist())

.set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支"))

)

line.render_notebook()

热力图

热力图使用的是HeatMap()方法，在这里我们使用的是pyecharts中自带的数据：print(Faker.week)

print(Faker.clock)# 0-50 的随机数+列表推导式

# 两层的列表推导式

value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]

heatmap = (

HeatMap()

.add_xaxis(Faker.clock)   # 横轴标签

.add_yaxis("热力图", Faker.week, value)   # 传入两个列表数据

.set_global_opts(

title_opts=opts.TitleOpts(title="HeatMap-热力图"),

visualmap_opts=opts.VisualMapOpts(),

)

)

heatmap.render_notebook()

热力图视频：

漏斗图

漏斗图在用户画像中运用的非常广，尤其是在电商领域中，从访问、浏览到最终的支付成功等一系列的操作构成一个漏斗，在这里我们模拟一份数据来绘制漏斗图，先生成一个模拟数据：

绘图代码如下：funnel = (

Funnel()

.add("商城漏斗", [list(z) for z in zip(df1['操作'].tolist(), df1['人数'].tolist())])

.set_global_opts(title_opts=opts.TitleOpts(title="商城用户漏斗分析"))

)

funnel.render_notebook()

漏斗图视频：

仪表盘

在这里我们采用官方中的一个实例来制作简单的仪表盘：gauge = (

Gauge()

.add("", [("完成率", 80)])

.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘"))

)

gauge.render_notebook()

03 组合绘图

在上面我们通过不同的方法绘制出了各种不同的图形，都是动态可视化的，非常精美的。下面我们通过 Page 类来将上面的多种图形来放到一个可视化看板中。

1、首先给出整体的绘图代码# 1、柱状图

def barPage() -> Bar:

bar = (

Bar()

.add_xaxis(df['消费'].tolist())

.add_yaxis("5大开支",df['数据'].tolist())

.set_global_opts(

title_opts=opts.TitleOpts(title="Bar-月度开支"),

legend_opts=opts.LegendOpts(is_show=False),)

)

return bar

# 2、饼图

def piePage() -> Pie:

pie = (

Pie()

.add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())])

.set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支"))

.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

)

return pie

# 3、折线图

def linePage() -> Line:

line = (

Line()

.add_xaxis(df['消费'].tolist())

.add_yaxis("月度开支", df['数据'].tolist())

.set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支"))

)

return line

# 4、热力图

def heatmapPage() -> HeatMap:

value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]

heatmap = (

HeatMap()

.add_xaxis(Faker.clock)

.add_yaxis("热力图", Faker.week, value)

.set_global_opts(

title_opts=opts.TitleOpts(title="HeatMap-热力图"),

visualmap_opts=opts.VisualMapOpts(),

)

)

return heatmap

# 5、漏斗图

def funnelPage() -> Funnel:

funnel = (

Funnel()

.add("商品", [list(z) for z in zip(Faker.choose(), Faker.values())])

.set_global_opts(title_opts=opts.TitleOpts(title="Funnel-漏斗图"))

)

return funnel

# 6、仪表盘

def gaugePage() -> Gauge:

gauge = (

Gauge()

.add("", [("完成率", 80)])

.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘"))

)

return gauge

# 上面是6个图形的代码，下面利用Page进行组合

# !!! 关键步骤

page = (

Page(layout=Page.DraggablePageLayout)

.add(

barPage(),

piePage(),

linePage(),

funnelPage(),

heatmapPage(),

gaugePage())

)

page.render("page_demo.html")

2、现在解释一下上面的代码：柱状图、饼图等不同的图形我们封装成不同的函数来实现

使用Page类的add方法，添加上面的各个函数

最后使用page.render()来生成一个html文件，就是我们的各个图形下一个html页面中

现在看看生成的组合图形1的效果：

组合图形1：

在目前生成的组合图形1中，要注意4点：左上角有个save config的按钮，接下来这个按钮大有用处

整体的图形是单个上下排列的，且整体靠左，右边很多的空白

每个图形都是虚线框，这表示图形可变大小，同时可以移动的

整体需要上下滑动来浏览全部的图形，视觉效果不佳

下面我们通过save config按钮来进行改动，生成一个我们自己想看到的组合图形2效果：

组合图形2：

当我们把图形按照我们的需求排列OK之后，此时图形仍然没有被固定下来，如果我们刷新当前页面，又会变成组合图形1的效果。

现在点击save config按钮，保存我们的配置文件。此时会在本地当前目录下生成一个chart_config.json的配置文件。

接下来我们利用这个配置来生成上面我们想要达到的效果图形，将图形的格式固定下来，使用下面的代码：Page.save_resize_html("page_demo.html",   # 上面的HTML文件名称

cfg_file="chart_config.json",  # 保存的json配置文件

dest="new_page_demo.html")  # 新HTML文件名称

在jupyter notebook中再运行一次，这样我们就将图形的格式固定下来了。通过这种方式我们可以设置图形的任意大小和位置，部分截图如下：

本文结合各种图形的简单制作，最终使用 Page 将各种图形组合在一起，形成了一个可视化看板的效果，希望对大家掌握 Pyecharts 的使用有所帮助，真正在实际工作中使用到 Pyecharts 这个视化神器。