作者 | 俊欣
来源 | 关于数据分析与可视化
有时候大家想把自己绘制好的可视化图片集中到一个页面,整合成仪表盘,集中给同事或者他人来呈现,但又不知道该怎么做,今天小编就来分享一个实用的第三方模块中的方法,而此次用到的数据便是最近大热门的民国历史剧《觉醒年代》的相关数据。被称为是继《走向共和》后的又一部历史神剧。自开播以来,豆瓣上的评分也是从最初的8.3分飙升到9.2分,并且在最近的上海电视节白玉兰奖中获得多项提名。
01
数据的可视化
Pyecharts中的页面组件Page能够很好地将许多绘制出来的页面组合到一个页面当中去,首先我们先导入需要用到的模块,
import pandas as pdfrom pyecharts.charts import Bar, Pagefrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypefrom collections import Counterfrom pyecharts.charts import Pie
首先我们来可视化一下观众的评分分布,从中可以看书,5颗星的评分占到了75%,可见观众们对该剧的评价都是非常的高了,几乎都给出了满分的好评
p = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC)) .add("", [list(z) for z in zip(stars_keys_list, stars_values_list)], radiu=["40%%", "65%"], center=["55%", "50%"]) .set_global_opts(title_opts=opts.TitleOpts(title="电影评分分布(%)", pos_left="center", subtitle="觉醒年代"), legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="25%")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) )p.render("movie_stars.html")
下面我们来绘制一下剧中的主角被提及的次数,当然可能有一些读者朋友不是特别熟悉该部剧,该剧的历史背景是1915年到1921年这段期间,由李大钊、陈独秀以及胡适领导的新文化运动开始讲起,从可视化出来的结果可以发现于和伟(皇叔)被提及的次数是最多的,哈哈哈
bar = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC)) .add_xaxis(actor_mention_keys_list) .add_yaxis("", actor_mention_values_list) .set_global_opts(title_opts=opts.TitleOpts(title="主角被提及的次数", subtitle="觉醒年代", pos_left="center"), yaxis_opts=opts.AxisOpts(min_= 0, max_=1800)))bar.render("actors_mentions_times.html")
与此同时,小编也统计了一下参与了评论的观众朋友们的地域分布情况,发现的是北京和上海的观众最多,对于历史题材的,党政类型的剧情比较感兴趣,
bar = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC)) .add_xaxis(location_keys_list) .add_yaxis("", location_values_list) .set_global_opts(title_opts=opts.TitleOpts(title="影迷的分布地点", subtitle="觉醒年代", pos_left="center"), yaxis_opts=opts.AxisOpts(min_=0, max_=65) ))bar.render("fans_location.html")
而这些观众粉丝们大多也是近几年才刚加入的新用户,大多都集中在2018年至2020年这些时间段,可见为了用户增长,该社区也是花了不少的功夫
最后我们来制作可视化仪表盘,在实例化Page对象之后,就将我们绘制好的作品往里添加即可,
page = Page(layout=Page.SimplePageLayout)page.add(visualiza_stars(0.8, 0.9, 3.7, 19.3, 75.3), visualize_actors_mentions_times(), visualize_user_location(), visualize_fans_year(), review_sentiment_analysis(), review_sentiment_score_analysis())page.render("page_sample1.html")
最后出来的结果如下图所示:
=推荐阅读=
点分享点收藏点点赞点在看