链家房屋数据爬取与预处理-大数据采集与预处理课程设计

AAA阿魏

已于 2024-06-24 16:09:39 修改

阅读量746

点赞数 8

分类专栏：爬虫 web前端 Python 文章标签：课程设计爬虫大数据 python

于 2024-06-24 16:06:48 首次发布

本文链接：https://blog.csdn.net/weixin_74384251/article/details/139928647

版权

web前端同时被 3 个专栏收录

19 篇文章 0 订阅

订阅专栏

Python

11 篇文章 0 订阅

订阅专栏

爬虫

3 篇文章 0 订阅

订阅专栏

芜湖市链家二手房可视化平台

成品展示

重点说明

1.数据特征数量和名称、数据量

数据特征数量：14；

名称：小区名、价格/万、地区、房屋户型、所在楼层、建筑面积/平方米、户型结构、套内面积、建筑类型、房屋朝向、建筑结构、装修情况、梯户比例、配备电梯；

数据量：3000条。

2.主要爬取和预处理的工具或库

爬取的工具：Requests、time、csv、lxml；

预处理的库：pandas、json、pyecharts；

Web开发框架：HTML、CSS、JavaScript、jQuery、Bootstrap；

3.软件模块设计（类、函数等）

#获取每一页的url

def Get_url(url):

#获取每套房详情信息的url

def Get_house_url(all_url,headers):

#获取每套房的详情信息

def Analysis_html(url_ls,headers):

#把爬取的信息存入文件

def Save_data(name, money, area, data):

4.软件产品形式

Web网站：

http://47.113.217.27/lianjiaershoufang/app/templates/index.html，欢迎访问

摘要

在当前房价高涨的市场环境下，购房者对于房价信息的获取和分析需求日益增强。作为房地产行业的领军企业之一，链家网拥有大量的房源信息和用户数据。为了更好地满足用户需求，提升购房体验，本设计计划构建一个芜湖市链家二手房可视化平台，通过爬取和预处理链家网的房屋数据，为用户提供直观、便捷的房价信息展示和分析工具。

通过使用requests库发送请求获取网页内容，使用time库控制程序的请求速度，使用lxml库解析HTML数据并保存实现对链家网站的数据爬取，使用pandas库对原始数据进行缺失值检测、添加表格头、数据类型转换、异常数据替换等操作，并对各地区房源数量、各地区房价、户型结构分布、所在楼层分布、配备电梯情况等进行分析并转换成json数据实现数据的预处理，成功构建了包含房屋属性、交易属性等关键信息的数据库。采用HTML、CSS、echarts、jQuery、BootStrap框架开发芜湖市链家二手房可视化平台，读取转换的json数据以可视化看板的形式展现给用户。

在数据采集过程中，针对数据不完整和爬虫程序触发限制等问题，提出了分区域爬取和合理控制爬取速度等有效措施。经过数据清洗与分析，确保数据质量并存储于适当格式。平台功能设计完善，部署顺利，为后续的可视化展示提供了坚实基础。

平台对各地区房源数量、各地区房价、户型结构分布、所在楼层分布、配备电梯情况等进行分析，可以让用户快速了解芜湖市二手房的关键信息，辅助用户决策。

在构建芜湖市链家二手房可视化平台的旅程中，成功地将链家网的海量房源数据转化为直观、易理解的可视化信息，为用户提供了宝贵的参考依据。通过不断的优化和迭代，确保了数据的准确性和实时性，满足了购房者在当前房价高涨市场环境下对房价信息的迫切需求。

展望未来，将继续倾听用户的声音，不断完善平台的各项功能，提升用户体验。也将积极探索新的数据源和分析方法，为用户提供更加全面、深入的房地产市场分析服务。相信，在不久的将来，芜湖市链家二手房可视化平台将成为购房者不可或缺的信息助手，帮助他们更加明智地做出购房决策。

下面是具体实现代码

（代码中的路径自己替换成自己的路径）

爬虫程序（URL自己替换成自己想爬取城市的）

import requests,time,csv
import pandas as pd
from lxml import etree

#获取每一页的url
def Get_url(url):
    all_url=[]
    for i in range(1,101):
        all_url.append(url+'pg'+str(i)+'/') #储存每一个页面的url
    return all_url

#获取每套房详情信息的url
def Get_house_url(all_url,headers):
    num=0
    #简单统计页数
    for i in all_url:
        r=requests.get(i,headers=headers)
        html=etree.HTML(r.text)
        url_ls=html.xpath("//ul[@class='sellListContent']/li/a/@href") #获取房子的url
        Analysis_html(url_ls,headers)
        time.sleep(4)
        print("第%s页爬完了"%i)
        num+=1

#获取每套房的详情信息
def Analysis_html(url_ls,headers):
    for i in url_ls: #num记录爬取成功的索引值
        r=requests.get(i,headers=headers)
        html=etree.HTML(r.text)
        name=(html.xpath("//div[@class='communityName']/a/text()"))[0].split() #获取房名
        money = html.xpath("//span[@class='total']/text()" )# 获取价格
        area = html.xpath("//span[@class='info']/a[1]/text()")  # 获取地区
        data = html.xpath("//div[@class='content']/ul/li/text()")# 获取房子基本属性

        Save_data(name,money,area,data)

#把爬取的信息存入文件
def Save_data(name, money, area, data):
    result=[name[0]]+money+[area]+data #把详细信息合为一个列表
    with open(r'../app/data/raw_data.csv','a',encoding='utf_8_sig',newline='')as f:
        wt=csv.writer(f)
        wt.writerow(result)
        print('已写入')
        f.close()

if __name__=='__main__':
    url='https://wuhu.lianjia.com/ershoufang/'
    headers={
        "Upgrade-Insecure-Requests":"1",
        "User-Agent":"Mozilla/5.0(Windows NT 10.0;Win64;x64) AppleWebKit/537.36(KHTML,like Gecko)Chrome"
                     "/72.0.3626.121 Safari/537.36"
    }
    all_url=Get_url(url)
    with open(r'../app/data/raw_data.csv', 'a', encoding='utf_8_sig', newline='') as f:
        #首先加入表格头
        table_label=['小区名','价格/万','地区','房屋户型','所在楼层','建筑面积','户型结构','套内面积','建筑类型','房屋朝向'
            ,'建筑结构','装修情况','梯户比例','配备电梯']
        wt=csv.writer(f)
        wt.writerow(table_label)
    Get_house_url(all_url,headers)

预处理程序


import csv

# 打开原始CSV文件和目标CSV文件，指定编码方式为UTF-8
with open('../app/data/raw_data.csv', 'r', newline='', encoding='utf-8') as infile, \
     open('../app/data/cleaned_data.csv', 'w', newline='', encoding='utf-8') as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)

    # 跳过原始CSV文件的第一行
    next(reader)

    # 添加表格头
    table_label=['小区名','价格/万','地区','房屋户型','所在楼层','建筑面积','户型结构','套内面积','建筑类型','房屋朝向'
            ,'建筑结构','装修情况','梯户比例','配备电梯']
    writer.writerow(table_label)

    # 删除指定列的索引
    columns_to_drop = [3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25,26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41]

    for row in reader:
        # 删除指定列
        cleaned_row = [row[i] for i in range(len(row)) if i not in columns_to_drop]
        writer.writerow(cleaned_row)


import pandas as pd

# 读取csv文件的前14列
df = pd.read_csv('../app/data/cleaned_data.csv', encoding='utf-8', usecols=range(14))

# 去除地区列中的 ['']（使用正则表达式）
df['地区'] = df['地区'].str.replace(r"['\[\]]", '', regex=True)
# 去除建筑面积列中的㎡
df['建筑面积'] = df['建筑面积'].str.replace('㎡', '')
# 修改列名为'建筑面积/平方米'
df = df.rename(columns={'建筑面积': '建筑面积/平方米'})
# 所在楼层列只保留前三个文字
df['所在楼层'] = df['所在楼层'].str.slice(0, 3)
df['地区'] = df['地区'].replace('三山区', '弋江区')
df['所在楼层'] = df['所在楼层'].replace('22.', '高楼层')
# 将'三山区'改为'弋江区'
# 将'经济开发区'改为'鸠江区'
df['地区'] = df['地区'].replace('经济开发区', '鸠江区')

# 保存修改后的数据
df.to_csv('../app/data/last_cleaned_data.csv', index=False)

转换成Echarts需要的json数据程序

import pandas as pd

# 读取csv文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')
# 计算价格/万列的均值
mean_price = df['价格/万'].mean()

print("价格/万列的均值为:", mean_price)

import pandas as pd
import json

# 读取地区数据
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 统计每个地区的数量
area_counts = df['地区'].value_counts().reset_index()
area_counts.columns = ['name', 'value']

# 转换为需要的格式
json_data = area_counts.to_dict(orient='records')

# 保存为json文件
with open('../app/templates/wuhu_data.json', 'w', encoding='utf-8') as f:
    json.dump({"datas": json_data}, f, ensure_ascii=False)

print("各地区房源数量统计JSON文件保存成功。")

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 对小区名列进行统计
counts = df['小区名'].value_counts()

# 转换成指定的 JSON 格式
result = {
            "ciyunshuju": [
                {
                    "name": name,
                    "value": count
                }
                for name, count in counts.items()
            ]
        }

# 输出 JSON 文件
with open('../app/templates/ciyun.json', 'w',encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
print("小区名词云数据JSON文件保存成功。")


import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 对户型结构列进行统计
counts = df['户型结构'].value_counts()

# 转换成指定的 JSON 格式
result = {
            "huxingjiegou": [
                {
                    "name": name,
                    "value": count
                }
                for name, count in counts.items()
            ]
        }

# 输出 JSON 文件
with open('../app/templates/huxing.json', 'w',encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
print("户型结构分布数据JSON文件保存成功。")

import json
from pyecharts import options as opts
from pyecharts.charts import WordCloud

# Read data from ciyun.json
with open('../app/templates/ciyun.json', 'r', encoding='utf-8') as file:
    data = json.load(file)

# Extract name-value pairs from the data
words = [(item['name'], item['value']) for item in data['ciyunshuju']]

# Generate word cloud
wordcloud = (
    WordCloud()
    .add("", words, word_size_range=[10, 30])
    .set_global_opts(
        graphic_opts=[opts.GraphicGroup(
            graphic_item=opts.GraphicItem(
                left="center", top="middle", width=500, height=300
            )
        )]
    )
)


# Save word cloud as an HTML file
wordcloud.render('../app/templates/wordcloud.html')

print('小区名词云图绘制成功')




import pandas as pd
import json

# 读取CSV文件
df = pd.read_csv('../app/data/last_cleaned_data.csv')

# 将需要的列转换为数值类型，非数值的部分会被转换为NaN
df['价格/万'] = pd.to_numeric(df['价格/万'], errors='coerce')
df['建筑面积/平方米'] = pd.to_numeric(df['建筑面积/平方米'], errors='coerce')

# 去除包含NaN值的行
df = df.dropna(subset=['价格/万', '建筑面积/平方米', '地区'])

# 计算每平方米价格
df['每平方米价格'] = df['价格/万'] * 10000 / df['建筑面积/平方米']

# 按地区分组并计算平均值
average_price_per_sqm = df.groupby('地区')['每平方米价格'].mean().reset_index()

# 将平均值转换为整数
average_price_per_sqm['每平方米价格'] = average_price_per_sqm['每平方米价格'].astype(int)


# 将结果转换为所需的JSON格式
result = {
    "diqupingjun": [
        {"name": row['地区'], "value": row['每平方米价格']}
        for index, row in average_price_per_sqm.iterrows()
    ]
}

# 将结果存储为JSON文件
with open('../app/templates/diqupingjun.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)

print("各地区平均房价数据JSON数据已保存")

import pandas as pd
import json

# 读取CSV文件
df = pd.read_csv('../app/data/last_cleaned_data.csv')

# 按地区分组并计算平均价格
average_price_per_region = df.groupby('地区')['价格/万'].mean().reset_index()

# 将结果转换为JSON格式
result = {
    "diqujiage": [
        {"name": row['地区'], "value": round(row['价格/万'], 2)}
        for index, row in average_price_per_region.iterrows()
    ]
}

# 将结果存储为JSON文件
with open('../app/templates/diqujiage.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)

print("各地区平均单位房价数据JSON数据已保存")


import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 对户型结构列进行统计
counts = df['装修情况'].value_counts()

# 转换成指定的 JSON 格式
result = {
            "zhuangxiu": [
                {
                    "name": name,
                    "value": count
                }
                for name, count in counts.items()
            ]
        }

# 输出 JSON 文件
with open('../app/templates/zhuangxiu.json', 'w',encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
print("装修情况数据JSON文件保存成功。")


import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 对配备电梯列进行统计
counts = df['配备电梯'].value_counts()

# 转换成指定的 JSON 格式
result = {
            "dianti": [
                {
                    "name": name,
                    "value": count
                }
                for name, count in counts.items()
            ]
        }

# 输出 JSON 文件
with open('../app/templates/dianti.json', 'w',encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
print("配备电梯情况JSON文件保存成功。")

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('../app/data/last_cleaned_data.csv', encoding='utf-8')

# 对户型结构列进行统计
counts = df['所在楼层'].value_counts()

# 转换成指定的 JSON 格式
result = {
            "louceng": [
                {
                    "name": name,
                    "value": count
                }
                for name, count in counts.items()
            ]
        }

# 输出 JSON 文件
with open('../app/templates/louceng.json', 'w',encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=4)
print("所在楼层分布数据JSON文件保存成功。")

JS部分代码


$(function () {
    echarts_1();
    echarts_2();
    echarts_4();
    echarts_31();
    echarts_5();
    echarts_6();



    function echarts_31() {
    var myChart = echarts.init(document.getElementById("fb1"));
    myChart.setOption({
        title: [{
            left: 'center',
            textStyle: {
                color: '#fff',
                fontSize: '16'
            }
        }],
        tooltip: {
            trigger: 'item',
            formatter: '{a} <br/>{b} : {c} ({d}%)'
        },
        legend: {
            orient: 'horizontal',
            bottom: 0,
            textStyle: {
                color: '#fff'  // 设置图例字体颜色为白色
            },
            data: []  // 初始设置为空数组，等待后续动态加载
        },
        series: [
            {
                color: ['#00d0ff', '#0059ff', '#ff6a00', '#ff0008'],
                name: '户型结构占比',
                type: 'pie',
                center: ['50%', '50%'],
                startAngle: 180,
                endAngle: 360,
                data: []  // 初始设置为空数组，等待后续动态加载
            }
        ]
    });

    // 读取huxing.json
    $.getJSON("huxing.json", function (data) {
        var huxing_data = data.huxingjiegou;
        // 使用huxing_data来渲染图表
        // 修改图表数据
        myChart.setOption({
            series: [{
                data: huxing_data.map(function (item) {
                    return {
                        name: item.name.trim(),
                        value: item.value
                    };
                })
            }],
            legend: {
                data: huxing_data.map(function (item) {
                    return item.name.trim();
                })
            }
        });
    });
}


    function echarts_1() {
    // 基于准备好的dom，初始化echarts实例
    var myChart = echarts.init(document.getElementById('echart1'));

    // 从服务器加载JSON数据
    fetch('zhuangxiu.json')
    .then(response => response.json())
    .then(data => {
        // 提取名称和对应的值
        var names = data.zhuangxiu.map(item => item.name.trim());
        var values = data.zhuangxiu.map(item => item.value);

        var option = {
            tooltip: {
                trigger: 'axis',
                axisPointer: {
                    type: 'shadow'
                }
            },
            grid: {
                left: '0%',
                top: '10px',
                right: '0%',
                bottom: '4%',
                containLabel: true
            },
            xAxis: [{
                type: 'category',
                data: names, // 使用从JSON文件中读取的数据
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLabel: {
                    interval: 0,
                    show: true,
                    splitNumber: 15,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
            }],
            yAxis: [{
                type: 'value',
                axisLabel: {
                    show: true,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                splitLine: {
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                    }
                }
            }],
            series: [
                {
                    name: '装修类型数量',
                    type: 'bar',
                    data: values, // 使用从JSON文件中读取的数据
                    barWidth: '35%', // 柱子宽度
                    itemStyle: {
                        normal: {
                            color: '#2f89cf',
                            opacity: 1,
                            barBorderRadius: 5,
                        }
                    }
                },
                {
                    name: '装修类型数量',
                    type: 'line',
                    data: values, // 使用从JSON文件中读取的数据
                    itemStyle: {
                        normal: {
                            color: '#f56c6c',
                            opacity: 1,
                        }
                    }
                }
            ]
        };

        // 使用刚指定的配置项和数据显示图表。
        myChart.setOption(option);
        window.addEventListener("resize", function(){
            myChart.resize();
        });
    });
}

    function echarts_2() {
    var myChart = echarts.init(document.getElementById('echart2'));

    // 从服务器加载JSON数据
    fetch('diqujiage.json')
    .then(response => response.json())
    .then(data => {
        var option = {
            tooltip: {
                trigger: 'axis',
                axisPointer: { type: 'shadow'},
                formatter: function(params) {
                    return params[0].name + ': ' + params[0].value + ' 万';
                }
            },
            grid: {
                left: '0%',
                top:'10px',
                right: '0%',
                bottom: '4%',
                containLabel: true
            },
            xAxis: [{
                type: 'category',
                data: data.diqujiage.map(item => item.name), // 使用从JSON文件中读取的地区数据
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLabel:  {
                    interval: 0,
                    show: true,
                    splitNumber: 15,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
            }],
            yAxis: [{
                type: 'value',
                axisLabel: {
                    show:true,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                splitLine: {
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                    }
                }
            }],
            series: [
                {
                    type: 'bar',
                    data: data.diqujiage.map(item => item.value), // 使用从JSON文件中读取的价格数据
                    barWidth:'35%', //柱子宽度
                    itemStyle: {
                        normal: {
                            color:'#27d08a',
                            opacity: 1,
                            barBorderRadius: 5,
                        }
                    }
                }
            ]
        };
        myChart.setOption(option, true);
        myChart.setOption(option);
        window.addEventListener("resize",function(){
            myChart.resize();
        });
    });
}

    function echarts_5() {
    var myChart = echarts.init(document.getElementById('echart5'));

    // 从服务器加载JSON数据
    fetch('diqupingjun.json')
    .then(response => response.json())
    .then(data => {
        // 提取地区名称和对应的平均价格
        var names = data.diqupingjun.map(item => item.name);
        var values = data.diqupingjun.map(item => item.value);

        var option = {
            tooltip: {
                trigger: 'axis',
                axisPointer: {
                    type: 'shadow'
                },
                formatter: function(params) {
                    return params[0].name + ': ' + params[0].value + ' 元/㎡';
                }
            },
            grid: {
                left: '0%',
                top: '10px',
                right: '0%',
                bottom: '2%',
                containLabel: true
            },
            xAxis: [{
                type: 'category',
                data: names, // 使用从JSON文件中读取的地区数据
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLabel: {
                    interval: 0,
                    show: true,
                    splitNumber: 15,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
            }],
            yAxis: [{
                type: 'value',
                axisLabel: {
                    show: true,
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: '12',
                    },
                },
                axisTick: {
                    show: false,
                },
                axisLine: {
                    show: true,
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                        width: 1,
                        type: "solid"
                    },
                },
                splitLine: {
                    lineStyle: {
                        color: "rgba(255,255,255,.1)",
                    }
                }
            }],
            series: [{
                type: 'bar',
                data: values, // 使用从JSON文件中读取的价格数据
                barWidth: '35%', // 柱子宽度
                itemStyle: {
                    normal: {
                        color: '#2f89cf',
                        opacity: 1,
                        barBorderRadius: 5,
                    }
                }
            }]
        };

        // 使用刚指定的配置项和数据显示图表
        myChart.setOption(option);
        window.addEventListener("resize", function() {
            myChart.resize();
        });
    });
}

    function echarts_4() {
    // 基于准备好的dom，初始化echarts实例
    var myChart = echarts.init(document.getElementById('echart4'));

    // 从服务器加载JSON数据
    fetch('dianti.json')
    .then(response => response.json())
    .then(data => {
        // 提取名称和对应的值
        var names = data.dianti.map(item => item.name.trim());
        var values = data.dianti.map(item => item.value);

        var option = {
            tooltip: {
                trigger: 'axis',
                axisPointer: {
                    lineStyle: {
                        color: '#dddc6b'
                    }
                }
            },
            grid: {
                left: '10',
                top: '30',
                right: '10',
                bottom: '10',
                containLabel: true
            },
            xAxis: [{
                type: 'category',
                boundaryGap: false,
                axisLabel: {
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: 12,
                    },
                },
                axisLine: {
                    lineStyle: {
                        color: 'rgba(255,255,255,.2)'
                    }

                },

                data: names // 使用从JSON文件中读取的数据

            }, {

                axisPointer: { show: false },
                axisLine: { show: false },
                position: 'bottom',
                offset: 20,

            }],

            yAxis: [{
                type: 'value',
                axisTick: { show: false },
                axisLine: {
                    lineStyle: {
                        color: 'rgba(255,255,255,.1)'
                    }
                },
                axisLabel: {
                    textStyle: {
                        color: "rgba(255,255,255,.6)",
                        fontSize: 12,
                    },
                },

                splitLine: {
                    lineStyle: {
                        color: 'rgba(255,255,255,.1)'
                    }
                }
            }],
            series: [
                {
                    // name: '安卓',
                    type: 'line',
                    smooth: true,
                    symbol: 'circle',
                    symbolSize: 5,
                    showSymbol: false,
                    lineStyle: {

                        normal: {
                            color: '#0184d5',
                            width: 2
                        }
                    },
                    areaStyle: {
                        normal: {
                            color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                                offset: 0,
                                color: 'rgba(1, 132, 213, 0.4)'
                            }, {
                                offset: 0.8,
                                color: 'rgba(1, 132, 213, 0.1)'
                            }], false),
                            shadowColor: 'rgba(0, 0, 0, 0.1)',
                        }
                    },
                    itemStyle: {
                        normal: {
                            color: '#0184d5',
                            borderColor: 'rgba(221, 220, 107, .1)',
                            borderWidth: 12
                        }
                    },
                    data: values // 使用从JSON文件中读取的数据

                },
                {
                    // name: 'IOS',
                    type: 'line',
                    smooth: true,
                    symbol: 'circle',
                    symbolSize: 5,
                    showSymbol: false,
                    lineStyle: {

                        normal: {
                            color: '#00d887',
                            width: 2
                        }
                    },
                    areaStyle: {
                        normal: {
                            color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                                offset: 0,
                                color: 'rgba(0, 216, 135, 0.4)'
                            }, {
                                offset: 0.8,
                                color: 'rgba(0, 216, 135, 0.1)'
                            }], false),
                            shadowColor: 'rgba(0, 0, 0, 0.1)',
                        }
                    },
                    itemStyle: {
                        normal: {
                            color: '#00d887',
                            borderColor: 'rgba(221, 220, 107, .1)',
                            borderWidth: 12
                        }
                    },
                    data: values // 使用从JSON文件中读取的数据

                },

            ]
        };

        // 使用刚指定的配置项和数据显示图表。
        myChart.setOption(option);
        window.addEventListener("resize", function(){
            myChart.resize();
        });
    });
}

function echarts_6() {
        // 基于准备好的dom，初始化echarts实例
        var myChart = echarts.init(document.getElementById("echart6"));
    myChart.setOption({
        title: [{
            left: 'center',
            textStyle: {
                color: '#fff',
                fontSize: '16'
            }
        }],
        tooltip: {
            trigger: 'item',
            formatter: '{a} <br/>{b} : {c} ({d}%)'
        },
        legend: {
            orient: 'horizontal',
            bottom: 0,
            textStyle: {
                color: '#fff'  // 设置图例字体颜色为白色
            },
            data: []  // 初始设置为空数组，等待后续动态加载
        },
        series: [
            {
                color: ['#00d0ff', '#0059ff', '#ff6a00', '#ff0008'],
                name: '所在楼层占比',
                type: 'pie',
                center: ['50%', '50%'],
                startAngle: 180,
                endAngle: 360,
                data: []  // 初始设置为空数组，等待后续动态加载
            }
        ]
    });

    // 读取huxing.json
    $.getJSON("louceng.json", function (data) {
        var huxing_data = data.louceng;
        // 使用huxing_data来渲染图表
        // 修改图表数据
        myChart.setOption({
            series: [{
                data: huxing_data.map(function (item) {
                    return {
                        name: item.name.trim(),
                        value: item.value
                    };
                })
            }],
            legend: {
                data: huxing_data.map(function (item) {
                    return item.name.trim();
                })
            }
        });
    });
    }
				
	
})

HTML、CSS、JS等代码太多不去展示。

需要web平台端程序、文档、帮忙修改程序的可以加我QQ2579562108。