数据没有经过处理，那么他就只是一堆数据。
如果可能够将数据进行可视化操作，那数据它就可以很轻松的说明问题啦。
0. 准备工作
绘图工具：
基于Python
pyecharts，这里主要使用pyecharts去一个简单的介绍。
matplotib，底层，学习需要一定成本
seaborn，对matplotib的一个封装。
pyecharts官方文档：http://gallery.pyecharts.org/#/
0.1 模块安装
pip install
pyecharts
0.2 数据获取
- 八仙过海，各显神通
- 视频中示例的数据我会提供给到你。
1. 数据预处理（数据清洗
主要使用pandas模块，
清理空值
去除重复项
将数据处理一致等，
以下两篇文章是我在CSDN写的博文，对于简单的数据清洗，不妨一看。
遇到“脏乱差”的Excel数据怎么办？？利用Python规范Excel表格数据（数据清洗）
【数据分析】Python分析淘宝4200款Bra，发现最好卖的款式居然是。。。
导入模块：
import pandas as pd
# 打开文档
df = pd.read_excel('taobao_goods.xlsx')
删除重复的行：
# 删除行完全一样的值
df.drop_duplicates(inplace=True)
# 删除列重复的值
df.drop_duplicates(subset=['列名','列名'])
对地理位置进行处理：
location_list = []
for location in df['location']:
location = location.split(' ')[0]
location_list.append(location)
df['location'] = location_list
对销售量进行处理：
sales_list = []
for sale in df['sales']:
sale = sale[:-3].replace('+', '')
if '万' in sale:
sale = int(float(sale.replace('万', '')) * 10000)
sales_list.append(sale)
df['sales'] = sales_list
保存为新的表格：
df.to_excel('new_taobao_goods.xlsx',index=None)
2. 制作图表
导入模块
import jieba
import pandas as pd
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.globals import SymbolType
from pyecharts.charts import Pie, Bar, Map, WordCloud, Page
2.1 词云
两种方法：
pyecharts自带的生成词云wordcloud模块生成词云（推荐
方法一：
stop_words_txt = 'stop_words.txt'
# 载入停用词,即过滤词
jieba.analyse.set_stop_words(stop_words_txt)
# TextRank 关键词抽取，只获取固定词性
# topK为返回权重最大的关键词，默认值为20
# withWeight为返回权重值，默认为False
keywords_count_list = jieba.analyse.textrank(' '.join(df1.comment), topK=100, withWeight=True)
print(keywords_count_list)
word_cloud = (
WordCloud()
.add("", keywords_count_list, word_size_range=[5, 50],
shape=SymbolType.TRIANGLE,
)
.set_global_opts(title_opts=opts.TitleOpts(title="这里输入标题"))
)
# 这句话是渲染成一个html文件到当前文件夹下面
# word_cloud.render('WordCloud.html')
方法二：（推荐，可自定义
pip install
wordcloud
import jieba
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
from wordcloud import WordCloud
# 打开文本
# text = open('1.txt',encoding='utf-8').read()
# 中文分词
text = ' '.join(jieba.cut(text))
# 生成对象
mask = np.array(Image.open("input_picture"))
wc = WordCloud(mask=mask,font_path='C:WindowsFontsSimHei.ttf',mode='RGBA').generate(text)
# 显示词云
# plt.imshow(wc, interpolation='bilinear')
# plt.axis("off")
# plt.show()
# 保存到文件
wc.to_file('output_picture')
2.2 柱状图
一般柱状图：
bar = (
Bar()
.add_xaxis(Faker.days_attrs)
.add_yaxis("商家A", Faker.days_values)
.set_global_opts(
title_opts=opts.TitleOpts(title="Bar-DataZoom（slider+inside）"),
)
# .render("bar_datazoom_both.html")
)
横向柱状图：
.reversal_axis()
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
滑块柱状图：
datazoom_opts=[opts.DataZoomOpts()]
2.3 饼图
数据来自：standard_goods_comments.xlsx
这里用cup做展示
[('B', 1909), ('C', 810), ('A', 696), ('D', 259)]
多图显示cup：
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.commons.utils import JsCode
fn = """
function(params) {
if(params.name == 'other')
return '\n\n\n' + params.name + ' : ' + params.value + '%';
return params.name + ' : ' + params.value + '%';
}
"""
def new_label_opts():
return opts.LabelOpts(formatter=JsCode(fn), position="center")
pie = (
Pie()
.add(
"",
[['A_cup', round(696/total_cup, 2)*100],['other',round(1 - 696/total_cup, 2)*100]],
center=["20%", "30%"],
radius=[60, 80],
label_opts=new_label_opts(),
)
.add(
"",
[['B_cup', round(1909/total_cup, 2)*100],['other',round(1 - 1909/total_cup, 2)*100]],
center=["55%", "30%"],
radius=[60, 80],
label_opts=new_label_opts(),
)
.add(
"",
[['C_cup', round(810/total_cup, 2)*100],['other',round(1 - 810/total_cup, 2)*100]],
center=["20%", "70%"],
radius=[60, 80],
label_opts=new_label_opts(),
)
.add(
"",
[['D_cup', round(259/total_cup * 100, 1)],['other',round(1 - 259/total_cup, 2)*100]],
center=["55%", "70%"],
radius=[60, 80],
label_opts=new_label_opts(),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="Cup-多饼图"),
legend_opts=opts.LegendOpts(
type_="scroll", pos_top="20%", pos_left="80%", orient="vertical"
),
)
# .render("mutiple_pie.html")
)
2.3.1 玫瑰图
疫情展示：
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
v = Faker.choose()
pie = (
Pie()
.add(
"",
[list(z) for z in zip(v, list(range(10,80,10)))],
radius=["30%", "75%"],
center=["25%", "50%"],
rosetype="radius",
label_opts=opts.LabelOpts(is_show=False),
)
.add(
"",
[list(z) for z in zip(v,list(range(10,80,10))[::-1])],
radius=["30%", "75%"],
center=["75%", "50%"],
rosetype="area",
)
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-玫瑰图示例"))
)
2.4 地图
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
map = (
Map()
.add("店铺数量",[['广东',100],['广西',100],['湖南',19,]], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="商家店铺地址分布图"),
visualmap_opts=opts.VisualMapOpts(max_=200),
)
)
2.5 水球图
天气：
from pyecharts import options as opts
from pyecharts.charts import Liquid
liquid = (
Liquid()
.add("lq", [0.45,0.5])
# 第一个值为显示的值，第二个值为水的分量
.set_global_opts(title_opts=opts.TitleOpts(title="今日湿度"))
# .render("liquid_base.html")
)
3. 整合图表
Page.save_resize_html('page_draggable_layout.html',cfg_file= 'chart_config.json')