python画组合图_python结合G2绘制精美图形-阿里云开发者社区

一、简介

G2是阿里巴巴内部开放的数据可视化工具，提供丰富的图表类型，并且简单易上手，有比较完善的示例代码。其生成的图表简单漂亮，而且有JS互动显示，比较适合报告和文章插图。G2的数据来源是json格式数据。

G2绘制的图形

python的pandas库比较擅长对数据处理和分析，其DataFrame生成json也很方便。pandas自身集成了matplotlib的绘图功能，但是绘制的图形没有G2美观。

pandas 绘制的图形

二、pandas和G2结合绘图

绘制流程如下：

1，pandas读取mysql数据库

2，pandas对数据加工处理

3，pandas生成json数据

4，创建含G2内容的html，嵌入json数据

5，调整G2参数，并显示

下面以具体的案例来说明

1，计算收益率排名前十的专家

a，读取数据

from sqlalchemy import create_engine

import pandas as pd

sql = "select * from strategy order by pct desc"

df = pd.read_sql(sql, engine)

df['pct'] = df['pct'] * 100 #收益率转换为百分比

b，生成json数据

数据写到top10.json文件中

import json

datas = []

for ix, row in df[:10].iterrows():

sss = {'name': row['name'], 'pct': float(row['pct'])}

datas.append(sss)

encodejson = json.dumps(datas, ensure_ascii=False)

f = open('top10.json', 'w')

f.write(encodejson)

f.close()

c，创建html

*** top10.html ***

收益率排名TOP10

$.getJSON('top10.json', function (data) {

var Frame = G2.Frame;

var frame = new Frame(data);

var chart = new G2.Chart({

id: 'c1',

width: 500,

height: 400

});

chart.source(frame, {

'pct': {alias: '年化相对收益率(%)'},

});

// 去除 X 轴标题

chart.axis('name', {

title: null,

labels:{

'font-size':'6',

'font-weight': 'bold' //文本粗细

},

});

chart.legend(false);// 不显示图例

//chart.coord('rect').transpose();

chart.interval().position('name*pct').color('name'); // 绘制层叠柱状图

//chart.line().position('name*correct_rate').color('#5ed470').size(2).shape('smooth'); // 绘制曲线图

//chart.point().position('name*correct_rate').color('#5ed470'); // 绘制点图

chart.render();

})

top10.html文件和top10.json文件在一个文件夹内。

生成的图表如下：

2，计算推荐次数最多的股票

a，读取数据

from sqlalchemy import create_engine

import pandas as pd

sql = "SELECT code FROM stock "

df = pd.read_sql(sql, engine)

b，数据处理

不同的分析师对一只股票可能有重复推荐，这就需要统计每只股票出现的次数，然后让总出现次数从高往低排序。

用到了自然语言处理包nltk的FreqDist词频统计工具。

from nltk import FreqDist

codes = df['code'].get_values()

print "codes ", len(codes)

fdist = FreqDist(codes) #生成词频类

fdf = pd.DataFrame(fdist.items(), columns=['code', 'count']) #转成DataFrame

fdf.sort(columns='count', ascending=False, inplace=True) # 排序

print "fdf ", len(fdf)

c，生成表格

创建html跟一个案例比较相似，这里我们生成markdown格式的表格。

定义一个markdown表格创建工具

"""

markdown 工具

"""

def m_create_table(df):

"""

从pandas的DataFrame生成markdown格式表格

:param df:

:return:

"""

if len(df) == 0:

return ''

datas = []

head = '|'.join(df.columns)

head = "|" + head + "|"

datas.append(head)

datas.append('-|-')

for ix, row in df.iterrows():

data = '|'.join(map(lambda x: str(x), row.get_values()))

data = "|" + data + "|"

datas.append(data)

result = '\n'.join(datas)

# print result

return result

调用并打印显示

makeTable = m_create_table(fdf)

print makeTable

#输出

|name|code|

|-|-|

|隆基股份|601012|

|美的集团|000333|

|贵州茅台|600519|

|华策影视|300133|

|国轩高科|002074|

|网宿科技|300017|

|阳光电源|300274|

|沧州明珠|002108|

|老板电器|002508|

|保利地产|600048|

表格如下：

name

code

隆基股份

601012

美的集团

000333

贵州茅台

600519

华策影视

300133

国轩高科

002074

网宿科技

300017

阳光电源

300274

沧州明珠

002108

老板电器

002508

保利地产

600048

3，统计饼图

对于数据比较少的html，可以直接填入数据就能创建比较精美的图表了。

如下，只需修改data的name和value值，就能马上创建一个动态的饼图。

饼图

var data = [

{name: '买入', value: 17776 },

{name: '增持', value: 19890},

{name: '中性', value: 6814},

{name: '减持', value: 4986},

{name: '卖出', value: 494},

];

var Stat = G2.Stat;

var chart = new G2.Chart({

id: 'c1',

width: 600,

height: 400

});

chart.source(data);

// 重要：绘制饼图时，必须声明 theta 坐标系

chart.coord('theta', {

radius: 0.8 // 设置饼图的大小

});

chart.legend('bottom');

chart.intervalStack()

.position(Stat.summary.percent('value'))

.color('name')

.label('name*..percent',function(name, percent){

percent = (percent * 100).toFixed(2) + '%';

return name + ' ' + percent;

});

chart.render();

// 设置默认选中

var geom = chart.getGeoms()[0]; // 获取所有的图形

var items = geom.getData(); // 获取图形对应的数据

geom.setSelected(items[1]); // 设置选中

Paste_Image.png