Pyecharts实践：数据可视化大屏_pyecharts 大屏

一、引言

        在当今的大数据时代，数据分析与可视化已经成为我们理解和解释数据的重要工具。Pyecharts是一个强大的Python可视化库，它可以帮助我们轻松地创建各种类型的图表，包括折线图、柱状图、饼图、散点图等。在本篇文章中，我将分享一些我学习到的Pyecharts进行数据分析和可视化的实践经验。

二、Pyecharts简介

        Pyecharts是一个基于Python的开源可视化库，它能够生成Echarts图表的JSON数据，并使用JavaScript进行渲染。Echarts是一个使用JavaScript开发的，开源的数据可视化库，它可以生成各种类型的图表，包括折线图、柱状图、饼图、散点图等。

三、Pyecharts实践案例

        接下来，我们将通过一系列的实践案例，带领你逐步掌握Pyecharts的使用技巧。以下实验将使用线型面积图、液态图、map地图和堆叠柱状图四个图表来创建一个2*2的数据可视化大屏。

• 1.数据准备与清洗

        在进行数据可视化之前，我们需要对数据进行清洗和整理。这一步通常涉及到数据筛选、缺失值处理、异常值检测等操作。在Python中，我们可以使用Pandas库来进行这些操作。

• 使用pyecharts库来生成一个堆叠柱状图（Bar）

导入需要用到的库

from pyecharts import options as opts #用于设置图表选项
from pyecharts.charts import Bar #用于创建柱状图
from pyecharts.faker import Faker #类用于生成模拟数据

创建一个柱状图对象

Bar = (
    Bar() 
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values(), stack="stack1")
    .add_yaxis("商家B", Faker.values(), stack="stack1")
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-堆叠数据（全部）"))
    
)

        最后使用.render_notebook()渲染Line图表，可以直接在NoteBook中查看生成的图表，而不需要保存为HTML文件后再打开

line.render_notebook() #使用.render_notebook()渲染图表

得到的图像如下

• 2.使用pyecharts库来生成一个线型面积图（Line）

导入需要用到的库

import pyecharts.options as opts
from pyecharts.charts import Line #用于创建线型图表
from pyecharts.faker import Faker  #用于生成模拟数据

创建一个线性图表对象并渲染图像

Line = (
    Line() #创建一个线型图表对象 
    .add_xaxis(Faker.choose())
    .add_yaxis("商家A", Faker.values(), is_smooth=True)
    .add_yaxis("商家B", Faker.values(), is_smooth=True)
    .set_series_opts(
        areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
        label_opts=opts.LabelOpts(is_show=False),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Line-面积图（紧贴 Y 轴）"),
        xaxis_opts=opts.AxisOpts(
            axistick_opts=opts.AxisTickOpts(is_align_with_label=True),
            is_scale=False,
            boundary_gap=False,
        ),
    )
    
)
Line.render_notebook()

渲染后图像如下：

• 3.使用pyecharts库来生成一个液态图（Liquid）

导入模块库

from pyecharts import options as opts
from pyecharts.charts import Liquid #用于创建线型图表
from pyecharts.globals import SymbolType #用于定义图表的形状类型

创建一个地图对象并渲染Liquid图表

Liquid = (
    Liquid()
    .add("lq", [0.3, 0.7], is_outline_show=False, shape=SymbolType.DIAMOND)
    .set_global_opts(title_opts=opts.TitleOpts(title="Liquid-Shape-Diamond"))
    
)
Liquid.render_notebook()

查看渲染后的图

1. 4.使用pyecharts库来生成一个中国地图（Map）

导入用到的库

from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker

创建一个地图对象并渲染创建一个地图对象并渲染map图表

map = (
    Map()
    .add("中国地图", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
    .set_global_opts(title_opts=opts.TitleOpts(title=""))
    
)
map.render_notebook()

得下图

四、创建一个带有当前日期的大屏标题

from pyecharts.charts import Pie
from pyecharts import options as opts
from datetime import datetime
now_time = datetime.now().strftime('%Y-%m-%d') # 获取当前时间
big_title = (
    Pie() # 不画图，只显示一个标题，用来构成大屏的标题
        .set_global_opts(
        title_opts=opts.TitleOpts(title="大屏标题",
                                  title_textstyle_opts=opts.TextStyleOpts(font_size=40,
#                                                                           color='#FFFFFF',
                                                                         ),
                                  subtitle = f'截至：{now_time}',
                                  pos_top=10
                                 )
        )
)
big_title.render_notebook()

所得图表如下

• 整合多个图表

        为了更好地展示数据之间的关系，我们可能需要将多个图表整合到一个大屏中。Pyecharts支持在一个页面上添加多个图表，我们可以使用Page类来创建一个网格或页面，然后将各个图表添加到其中。

from pyecharts.charts import Page
page = Page()
page.add(
    big_title, #大屏标题
    Bar, #堆叠柱状图
    Line, #线型面积图
    Liquid, #液态图
    map #地图
)
page.render('page.html') # 将页面渲染为一个 HTML 文件，文件名为 'page.html'，可以用任何 Web 浏览器打开它来查看图表

导入用于解析HTML和XML文档的Python库

from bs4 import BeautifulSoup 
'
运行
运行

• 定制图表样式

        在创建基本的图表后，我们还需要根据需求定制图表的样式。Pyecharts提供了丰富的样式选项，如颜色、字体、图例等。通过set_global_opts方法，我们可以设置图表的标题、坐标轴标题等全局选项。

with open("page.html", "r+", encoding='utf-8') as html:
    html_bf = BeautifulSoup(html, 'lxml')
    divs = html_bf.select('.chart-container') # 根据css定位标签，选中图像的父节点标签
    divs[0]["style"] = "width:420px;height:55px;position:absolute;top:20px;left:350px;border-style:dashed;border-color:#444444;border-width:0px;"
    divs[1]["style"] = "width:420px;height:274px;position:absolute;top:100px;left:30px;border-style:solid;border-color:#444444;border-width:2px;"
    divs[2]["style"] = "width:420px;height:274px;position:absolute;top:100px;left:470px;border-style:solid;border-color:#444444;border-width:2px;"
    divs[3]["style"] = "width:420px;height:274px;position:absolute;top:400px;left:30px;border-style:solid;border-color:#444444;border-width:2px;"
    divs[4]["style"] = "width:420px;height:274px;position:absolute;top:400px;left:470px;border-style:solid;border-color:#444444;border-width:2px;"
    body = html_bf.find("body") # 根据标签名称定位到body标签
    body["style"] = "background-color:white;" # 修改背景颜色
    html_new = str(html_bf) # 将BeautifulSoup对象转换为字符
    html.seek(0, 0) # 光标移动至
    html.truncate() # 删除光标后的所有字符内容
    html.write(html_new) # 将由BeautifulSoup对象转换得到的字符重新写入html文件
    html.close()

五、发布与分享

        最后，我们将整个大屏发布到Web应用程序中，或者分享给其他人查看。Pyecharts支持将图表渲染为HTML文件，这样我们就可以将整个大屏嵌入到Web页面中，或者将HTML文件分享给他人查看。

六、总结与展望

        通过以上的实践案例，我们可以看到Pyecharts在数据可视化大屏方面的强大功能和灵活性。它不仅可以帮助我们快速地创建出各种类型的图表，还可以定制图表的样式和整合多个图表。同时，Pyecharts还支持多平台展示和分享，使得我们能够轻松地将数据可视化大屏嵌入到Web应用程序中或分享给他人查看。未来，随着Pyecharts的不断更新和完善，相信其在数据可视化领域的应用将会更加广泛和深入。