亚洲国产成人精品久久,日韩免费高清视频,九九精品视频在线

前言

ECharts是由百度開源的基于JS的商業級數據圖表庫，有很多現成的圖表類型和實例，而Pyecharts則是為了方便我們使用Python實現ECharts的繪圖。使用Pyecharts制作可視化大屏，可以分為兩步：

1、使用分別Pyecharts分別制作各類圖形；

2、使用Pyecharts中的組合圖表功能，將所有圖片拼接在一張html文件中進行展示。

小五認為影響大屏美觀最重要的兩個因素就是：配色和布局！在本文中，會特意強調這兩點

Pyecharts可視化

本文縮減了圖表，只選用2020東京奧運會各國金牌分布圖、2020東京奧運會獎牌榜詳情、2020東京奧運會中國各項目獲獎詳情。

這類圖表都很簡單，參照官方文檔直接復制示例就可以學習。圖表配色都使用的Pyecharts默認顏色，大家實際使用時盡量形成自己的風格。

爬取數據

import requests
import pandas as pd
from pprint import pprint
url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/total-table/15/110000004609'
data1 = requests.get(url).json()
pprint(data1)

Map世界地圖

Pyecharts繪制世界地圖時，名稱必須是英文。所以我們在前文中引入了國家名稱中英文對照表，左連接形成了df1：

df1 = pd.DataFrame()
for info in data1['body']['allMedalData']:
  name = info['countryName']
  name_id = info['countryId']
  rank = info['rank']
  gold = info['goldMedalNum']
  silver = info['silverMedalNum']
  bronze = info['bronzeMedalNum']
  total = info['totalMedalNum']
  # 組織數據
  orangized_data = [[name,name_id,rank,gold,silver,bronze,total]]
  # 然后追加df
  df1 = df1.append(orangized_data)
df1.columns = ['名稱', 'ID', '排名', '金牌', '銀牌', '銅牌', '獎牌總數']
df1

Python機器學習之使用Pyecharts制作可視化大屏

url = 'https://app-sc.miguvideo.com/vms-livedata/olympic-medal/detail-total/15/110000004609'
data2 = requests.get(url).json()
pprint(data2)

df2 = pd.DataFrame()
for info in data2['body']['medalTableDetail']:
  english_name = info['countryName']
  name_id = info['countryId']
  award_time = info['awardTime']
  item_name = info['bigItemName']
  sports_name = info['sportsName']
  medal_type = info['medalType']
  # 組織數據
  orangized_data = [[english_name,name_id,award_time,item_name,sports_name,medal_type]]
  # 然后追加df
  df2 = df2.append(orangized_data)
df2.columns = ['英文縮寫', 'ID', '獲獎時間', '項目名', '運動員', '金牌類型']
df2

Python機器學習之使用Pyecharts制作可視化大屏

數據預處理

with open("國家名中英文對照表.txt","r",encoding="utf-8") as f:
  x = f.read()

df3 = pd.DataFrame()
for i in x.split("\n"):
  x = i.split("：")[0].strip()
  y = i.split("：")[1].strip()
  orangined_data = [[x,y]]
  df3 = df3.append(orangined_data)
df3.columns = ["名稱","英文名稱"]
df3.to_excel("國家名中英文對照表.xlsx",index=None)

df4 = pd.merge(df1,df3,on="名稱",how="left")
df4.head(10)

Python機器學習之使用Pyecharts制作可視化大屏

df5 = df2

df6 = pd.merge(df4,df5,on="ID",how="left")
df6.head(10)

Python機器學習之使用Pyecharts制作可視化大屏

df6

Python機器學習之使用Pyecharts制作可視化大屏

x = {"獲獎名次":["金牌","銀牌","銅牌"],"金牌類型":[1,2,3]}
df7 = pd.DataFrame(x)
df7

Python機器學習之使用Pyecharts制作可視化大屏

df8 = pd.merge(df6,df7,on="金牌類型",how="left")
df8.head(10)

Python機器學習之使用Pyecharts制作可視化大屏

df4.head(10)

Python機器學習之使用Pyecharts制作可視化大屏

Pyecharts可視化

單獨提取英文名稱和獎牌總數兩列數據，用來可視化。

data_list=[[i,j] for i,j in zip(df4['英文名稱'],df4['獎牌總數'])]
data_list[:5]

Python機器學習之使用Pyecharts制作可視化大屏

數據準備好了，開始利用pyecharts繪制世界地圖。

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

c = (
  Map()
  .add("", data_list, "world",
        is_map_symbol_show=False,
  )
  .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
  .set_global_opts(
      title_opts=opts.TitleOpts(title="2020東京奧運會各國總獎牌分布圖"),
      visualmap_opts=opts.VisualMapOpts(max_=100)
  )
)

c.render_notebook()

非常簡單

Python機器學習之使用Pyecharts制作可視化大屏

金牌總數

data_list1=[[i,j] for i,j in zip(df4['英文名稱'],df4['金牌'])]
data_list1[:5]

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

c = (
  Map()
  .add("", data_list1, "world",
       is_map_symbol_show=False,
       )
  .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
  .set_global_opts(
      title_opts=opts.TitleOpts(title="2020東京奧運會各國金牌分布圖"),
      visualmap_opts=opts.VisualMapOpts(max_=100)
  )
)

c.render_notebook()

Python機器學習之使用Pyecharts制作可視化大屏

銀牌總數

data_list2=[[i,j] for i,j in zip(df4['英文名稱'],df4['銀牌'])]
data_list2[:5]

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

c = (
  Map()
  .add("", data_list2, "world",
       is_map_symbol_show=False,
       )
  .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
  .set_global_opts(
      title_opts=opts.TitleOpts(title="2020東京奧運會各國銀牌分布圖"),
      visualmap_opts=opts.VisualMapOpts(max_=100)
  )
)

c.render_notebook()

Python機器學習之使用Pyecharts制作可視化大屏

柱狀圖、餅圖

柱狀圖（Bar）

from pyecharts import options as opts
from pyecharts.charts import Bar

c = (
  Bar()
  .add_xaxis(df4['名稱'].head(25).tolist())
  .add_yaxis("金牌", df4['金牌'].head(25).tolist(), stack="stack1")
  .add_yaxis("銀牌", df4['銀牌'].head(25).tolist(), stack="stack1")
  .add_yaxis("銅牌", df4['銅牌'].head(25).tolist(), stack="stack1")
  .set_series_opts(label_opts=opts.LabelOpts(is_show=True, position="inside", font_size=12, color='#FFFFFF'))
  .set_global_opts(title_opts=opts.TitleOpts(title="2020東京奧運會獎牌榜詳情"),
                   xaxis_opts=opts.AxisOpts(type_='category',
                                            axislabel_opts=opts.LabelOpts(
                                                rotate=45),
                                            )))
c.render_notebook()

Python機器學習之使用Pyecharts制作可視化大屏

餅圖（Pie）

from pyecharts import options as opts
from pyecharts.charts import Pie

c = (
  Pie()
  .add("", [['跳水', 12], ['射擊', 11], ['舉重', 8], ['競技體操', 8], ['乒乓球', 7], ['游泳', 6], ['羽毛球', 6], ['田徑', 5], ['靜水皮劃艇', 3], ['蹦床體操', 3], ['自由式摔跤', 3], ['賽艇', 3], ['空手道', 2], ['拳擊', 2], ['帆船', 2], ['花樣游泳', 2], ['跆拳道', 1], ['場地自行車賽', 1], ['古典式摔跤', 1], ['擊劍', 1], ['三人籃球', 1]],
       center=["50%", "60%"],)
  .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
c.render_notebook()

Python機器學習之使用Pyecharts制作可視化大屏

這樣需要用到的三張圖表就繪制好了。

Pyecharts組合圖表

Pyecharts進行可視化大屏第二步就是組合圖表，大致可分為四類：

Grid：并行多圖
Page：順序多圖
Tab：選項卡多圖
Timeline：時間線輪播多圖

官方文檔：Pyecharts

這里用Page（順序多圖）居多，在組合圖表之前，還要先把前面的圖表繪制代碼改為函數。

def map_world() -> Map:
  c = (
      Map(init_opts=opts.InitOpts(chart_id=2, bg_color='#ADD8E6'))
      .add("", data_list, "world",
           is_map_symbol_show=False,
           )
      .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
      .set_global_opts(
          title_opts=opts.TitleOpts(title="2020東京奧運會各國金牌分布圖"),
          visualmap_opts=opts.VisualMapOpts(max_=100)
      )
  )
  return c

順便還在其中增加了背景顏色bg_color、圖表IDchart_id，后者用于多圖表時定位區分。背景顏色的話，我選擇了淡藍色#ADD8E6。后續圖片的布局是根據圖表ID的對應關系進行布局，所以每張圖都要分別設置其id。

接著使用page = Page(layout= Page.DraggablePageLayout)模式對圖片進行展示，這一步是為了調整布局。

page = Page(layout=Page.DraggablePageLayout, page_title="2020東京奧運會獎牌榜")

# 在頁面中添加圖表
page.add(
  title(),
  map_world(),
  bar_medals(),
  pie_china(),)

page.render('test.html')

調用繪制函數后生成一個 test.html 文件。

打開后可以其中的圖片進行拖拽，來實現自定義布局。

Python機器學習之使用Pyecharts制作可視化大屏

對圖片布局完畢后，要記得點擊左上角“save config”對布局文件進行保存。

點擊后，本地會生成一個chart_config.json的文件，這其中包含了每個圖表ID對應的布局位置。

Python機器學習之使用Pyecharts制作可視化大屏

最后，調用保存好的布局文件，重新生成html。

運行下面這行代碼。

page.save_resize_html('test.html', cfg_file='chart_config.json', dest='奧運.html')

其中test.html 為生成的所有圖表的文件、chart_config.json 為下載的布局文件、奧運.html 為布局好的的儀表盤文件、打開儀表奧運.html：

Python機器學習之使用Pyecharts制作可視化大屏

這樣就實現了一次數據可視化――大屏展示。

但還有還有很多不足之處，比如若圖表配色沒有特殊去做調整。

整張大屏只是一個靜態的展示，而非具有商業場景的數據儀表盤。

Python機器學習之使用Pyecharts制作可視化大屏

真正的數據大屏往往更喜歡用BI軟件生成，能夠實現圖、表、切片器之間交叉篩選，希望以后有機會能用Python使用制作出來。

總結

到此這篇關于Python機器學習之Pyecharts制作可視化大屏的文章就介紹到這了,更多相關Pyecharts可視化大屏內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！

原文鏈接：https://blog.csdn.net/weixin_48678602/article/details/120577477

激情久久久_欧美视频区_成人av免费_不卡视频一二三区_欧美精品在欧美一区二区少妇_欧美一区二区三区的

Python機器學習之使用Pyecharts制作可視化大屏

前言

Pyecharts可視化

Map世界地圖

柱狀圖、餅圖

Pyecharts組合圖表

總結

延伸 · 閱讀

使用NumPy和pandas對CSV文件進行寫操作的實例

python 列表轉為字典的兩個小方法(小結)

在Windows系統上搭建Nginx+Python+MySQL環境的教程

python直接訪問私有屬性的簡單方法

Python的dict字典結構操作方法學習筆記

Python3以GitHub為例來實現模擬登錄和爬取的實例講解

python 插入Null值數據到Postgresql的操作

Python實現ping指定IP的示例

PyCharm設置SSH遠程調試的方法

Python安裝圖文教程 Pycharm安裝教程

python是什么意思？python有什么用？

使用Python抓取模板之家的CSS模板

Python 列表(List)操作方法詳解