来源：Python数据之道
作者：Peter
整理：Lemon
Pyecharts 组合图形绘制实践
大家好，之前跟大家分享了用 Pyecharts 绘制桑基图和饼图：
有同学提了一个问题，在 Pyecharts 中如何绘制多个图形，今天我们来分享下组合图的绘制。
在实际的工作需求中，我们经常需要绘制多个甚至多种不同类型的图形，有时候还需要将它们放在一个页面中，达到一个可视化看板的效果。
在本文中将利用 pyecharts 来实现这个需求，同时满足动态可视化的效果，再次感受这个可视化神器的强大之处，让你真正爱上它。
01 环境
Python 3.7
Jupyter notebook
Pandas 1.1.3
pyecharts 1.7.1
pyecharts-jupyter-installer 0.0.3
这里提醒下：
pyecharts 的版本一定要保持一致，非常重要！
pyecharts 的版本一定要保持一致，非常重要！
pyecharts 的版本一定要保持一致，非常重要！
在安装的时候可以直接指定版本号，防止出意外
02 单个图形制作
在下面的文章部门我们先逐个绘制多种不同的图形，这些图形的绘制不会涉及到太多的配置项，本文中的重点是如何将不同类型的图形组合在一起。这些图形包含：
柱状图
饼图
折线图
热力图
漏斗图
仪表盘
导入库
在进行绘制数据处理和绘图之前，我们还是需要先导入各种库：
-
from pyecharts.globals
import CurrentConfig, OnlineHostType # 事先导入，防止不出图
-
from pyecharts
import options as opts # 配置项
-
from pyecharts.charts
import Bar, Pie, Line, HeatMap, Funnel, Gauge, Grid, Page # 各个图形的类
-
from pyecharts.faker
import Faker # 自身数据
-
from pyecharts.commons.utils
import JsCode
-
from pyecharts.globals
import ThemeType,SymbolType
-
-
import pandas as pd
-
import numpy as np
-
import random
模拟数据
首先我们模拟一份简单的数据：通过下面的方式我们可以掌握如何利用pandas快速生成一个DataFrame数据
柱状图
柱状图的制作使用的是 Bar 方法：
-
bar = (
-
Bar()
-
.add_xaxis(df[
'消费'].tolist())
-
.add_yaxis(
"5大开支",df[
'数据'].tolist())
-
.set_global_opts(
-
title_opts=opts.TitleOpts(title=
"Bar-月度开支"),
-
legend_opts=opts.LegendOpts(is_show=False),
-
)
-
)
-
-
bar.render_notebook()
饼图
饼图的制作使用的是Pie：
-
pie = (
-
Pie()
-
.add(
"", [list(z)
for z in zip(df[
'消费'].tolist(), df[
'数据'].tolist())])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Pie-月度开支"))
-
.set_series_opts(label_opts=opts.LabelOpts(formatter=
"{b}: {c}"))
-
)
-
-
pie.render_notebook()
饼图视频：
折线图
折线图的制作使用的是 Line：
-
line = (
-
Line()
-
.add_xaxis(df[
'消费'].tolist())
-
.add_yaxis(
"月度开支", df[
'数据'].tolist())
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Line-月度开支"))
-
)
-
-
line.render_notebook()
热力图
热力图使用的是HeatMap()方法，在这里我们使用的是pyecharts中自带的数据：
-
print(Faker.week)
-
print(Faker.clock)
-
#
0
-50 的随机数+列表推导式
-
-
# 两层的列表推导式
-
value = [[i, j, random.randint(
0,
50)]
for i in
range(
24)
for j in
range(
7)]
-
-
heatmap = (
-
HeatMap()
-
.add_xaxis(Faker.clock) # 横轴标签
-
.add_yaxis(
"热力图", Faker.week, value) # 传入两个列表数据
-
.set_global_opts(
-
title_opts=opts.TitleOpts(title=
"HeatMap-热力图"),
-
visualmap_opts=opts.VisualMapOpts(),
-
)
-
)
-
-
heatmap.render_notebook()
热力图视频：
漏斗图
漏斗图在用户画像中运用的非常广，尤其是在电商领域中，从访问、浏览到最终的支付成功等一系列的操作构成一个漏斗，在这里我们模拟一份数据来绘制漏斗图，先生成一个模拟数据：
绘图代码如下：
-
funnel = (
-
Funnel()
-
.add(
"商城漏斗", [list(z)
for z in zip(df1[
'操作'].tolist(), df1[
'人数'].tolist())])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"商城用户漏斗分析"))
-
)
-
-
funnel.render_notebook()
漏斗图视频：
仪表盘
在这里我们采用官方中的一个实例来制作简单的仪表盘：
-
gauge = (
-
Gauge()
-
.add(
"", [(
"完成率",
80)])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Gauge-仪表盘"))
-
)
-
-
gauge.render_notebook()
03 组合绘图
在上面我们通过不同的方法绘制出了各种不同的图形，都是动态可视化的，非常精美的。下面我们通过 Page 类来将上面的多种图形来放到一个可视化看板中。
1、首先给出整体的绘图代码
-
#
1、柱状图
-
def barPage() -> Bar:
-
bar = (
-
Bar()
-
.add_xaxis(df[
'消费'].tolist())
-
.add_yaxis(
"5大开支",df[
'数据'].tolist())
-
.set_global_opts(
-
title_opts=opts.TitleOpts(title=
"Bar-月度开支"),
-
legend_opts=opts.LegendOpts(is_show=False),)
-
)
-
return bar
-
-
#
2、饼图
-
def piePage() -> Pie:
-
pie = (
-
Pie()
-
.add(
"", [list(z)
for z in zip(df[
'消费'].tolist(), df[
'数据'].tolist())])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Pie-月度开支"))
-
.set_series_opts(label_opts=opts.LabelOpts(formatter=
"{b}: {c}"))
-
)
-
return pie
-
-
#
3、折线图
-
def linePage() -> Line:
-
line = (
-
Line()
-
.add_xaxis(df[
'消费'].tolist())
-
.add_yaxis(
"月度开支", df[
'数据'].tolist())
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Line-月度开支"))
-
)
-
return line
-
-
#
4、热力图
-
-
def heatmapPage() -> HeatMap:
-
value = [[i, j, random.randint(
0,
50)]
for i in
range(
24)
for j in
range(
7)]
-
heatmap = (
-
HeatMap()
-
.add_xaxis(Faker.clock)
-
.add_yaxis(
"热力图", Faker.week, value)
-
.set_global_opts(
-
title_opts=opts.TitleOpts(title=
"HeatMap-热力图"),
-
visualmap_opts=opts.VisualMapOpts(),
-
)
-
)
-
return heatmap
-
-
#
5、漏斗图
-
def funnelPage() -> Funnel:
-
funnel = (
-
Funnel()
-
.add(
"商品", [list(z)
for z in zip(Faker.choose(), Faker.values())])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Funnel-漏斗图"))
-
)
-
return funnel
-
-
-
#
6、仪表盘
-
def gaugePage() -> Gauge:
-
gauge = (
-
Gauge()
-
.add(
"", [(
"完成率",
80)])
-
.set_global_opts(title_opts=opts.TitleOpts(title=
"Gauge-仪表盘"))
-
)
-
return gauge
-
-
-
# 上面是
6个图形的代码，下面利用Page进行组合
-
# !!! 关键步骤
-
page = (
-
Page(layout=Page.DraggablePageLayout)
-
.add(
-
barPage(),
-
piePage(),
-
linePage(),
-
funnelPage(),
-
heatmapPage(),
-
gaugePage())
-
)
-
-
page.render(
"page_demo.html")
2、现在解释一下上面的代码：
柱状图、饼图等不同的图形我们封装成不同的函数来实现
使用
Page类的add方法，添加上面的各个函数最后使用
page.render()来生成一个html文件，就是我们的各个图形下一个html页面中
现在看看生成的组合图形1的效果：
组合图形1：
在目前生成的组合图形1中，要注意4点：
左上角有个
save config的按钮，接下来这个按钮大有用处整体的图形是单个上下排列的，且整体靠左，右边很多的空白
每个图形都是虚线框，这表示图形可变大小，同时可以移动的
整体需要上下滑动来浏览全部的图形，视觉效果不佳
下面我们通过save config按钮来进行改动，生成一个我们自己想看到的组合图形2效果：
组合图形2：
当我们把图形按照我们的需求排列OK之后，此时图形仍然没有被固定下来，如果我们刷新当前页面，又会变成组合图形1的效果。
现在点击save config按钮，保存我们的配置文件。此时会在本地当前目录下生成一个chart_config.json的配置文件。
接下来我们利用这个配置来生成上面我们想要达到的效果图形，将图形的格式固定下来，使用下面的代码：
-
Page.save_resize_html(
"page_demo.html", # 上面的HTML文件名称
-
cfg_file=
"chart_config.json", # 保存的json配置文件
-
dest=
"new_page_demo.html") # 新HTML文件名称
在jupyter notebook中再运行一次，这样我们就将图形的格式固定下来了。通过这种方式我们可以设置图形的任意大小和位置，部分截图如下：
本文结合各种图形的简单制作，最终使用 Page 将各种图形组合在一起，形成了一个可视化看板的效果，希望对大家掌握 Pyecharts 的使用有所帮助，真正在实际工作中使用到 Pyecharts 这个视化神器。
作者简介
Peter，硕士毕业僧一枚，从电子专业自学Python入门数据行业，擅长数据分析及可视化。喜欢数据，坚持跑步，热爱阅读，乐观生活。个人格言：不浮于世，不负于己
个人站点：www.renpeter.cn，欢迎常来小屋逛逛
本文来自公众号读者投稿，欢迎各位童鞋向公号投稿，点击下面图片了解详情！
---------End---------
公众号后台回复「微信群」，将邀请加入读者交流群。
????分享、点赞、在看，给个三连击呗！????
转载：https://blog.csdn.net/lemonbit/article/details/111602151