文章目錄

• Pyecharts可視化
• Map世界地圖
• 柱狀圖、餅圖
• Pyecharts組合圖表

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dfdf1 = df1.append(orangized_data) df1.columns = ['名稱', 'ID', '排名', '金牌', '銀牌', '銅牌', '獎牌總數'] df1

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dfdf2 = 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

• 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)

df5 = df2 df6 = pd.merge(df4,df5,on="ID",how="left") df6.head(10)

df6

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

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

df4.head(10)

• 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]

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 Mapc = (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

• 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 Mapc = (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()

• 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 Mapc = (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()

柱狀圖、餅圖

柱狀圖（Bar）

from pyecharts import options as opts from pyecharts.charts import Barc = (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()

餅圖（Pie）

from pyecharts import options as opts from pyecharts.charts import Piec = (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=": {c}")) ) c.render_notebook()

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。

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。

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：

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。

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

以上是生活随笔為你收集整理的Python机器学习---Pyecharts制作可视化大屏的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。