用 pyecharts 制作数据可视化大屏之数据地图
林骥
共 2711字,需浏览 6分钟
·
2020-12-18 19:55
前段时间,我看到 20 个炫酷的数据可视化大屏,源代码都是基于 echarts 的,于是我产生了用 Python 来实现数据可视化大屏的想法。
参考上面这个模板,我计划用 pyecharts 实现一个类似的数据可视化大屏。
今天先绘制中间的数据地图,为了方便演示,我们采用一个超市数据集,数据来源于 Tableau 官方示例。
你可以点击左下方阅读原文的链接,用电脑下载到本地之后,把 Excel 数据文件保存到 data 文件夹中。
如果你还没有安装 pyecharts,那么请先打开命令行,运行以下代码:
# 安装或更新 v1 以上版本,目前是 1.9.0
pip3 install pyecharts -U
在 Jupyter Lab 中新建一个 Notebook,运行以下代码:
# 声明 Notebook 类型,必须在引入 pyecharts.charts 等模块前声明
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
# 导入相关库
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.globals import ThemeType
import pandas as pd
# 从 data 文件夹读取 Excel 中的数据
df = pd.read_excel('./data/超市数据.xlsx')
# 用数据透视表的方法汇总各省销售额
province_sale = df.pivot_table(values='销售额', index='省/自治区', aggfunc=sum)
# 把数据整理成绘图所需的列表格式,规范名称,销售额换算成万元,保留一位小数
list_province_sale = [list(z) for z in zip(province_sale.index.str.replace('自治区', ''), round(province_sale.销售额/10000, 1))]
# 求各省销售额的最大值
max_sale = round(province_sale.销售额.max()/10000,0)
# 标题,数字千分位格式显示
title = "{:,}".format(int(province_sale.销售额.sum()))
# 副标题
subtitle = '\t\t2016年到2019年总销售额'
# 绘制地图
c = (
# 主题样式和背景颜色
Map(init_opts=opts.InitOpts(theme=ThemeType.SHINE, chart_id=1, bg_color='#00589F'))
# 添加地图数据
.add("", list_province_sale, "china")
# 全局配置
.set_global_opts(
# 标题文字
title_opts=opts.TitleOpts(title=title,
# 副标题
subtitle=subtitle,
# 标题位置
pos_left='39%', pos_top=20,
# 标题颜色和大小
title_textstyle_opts=opts.TextStyleOpts(color="#FBC171", font_size=36),
# 副标题颜色和大小
subtitle_textstyle_opts=opts.TextStyleOpts(color="#CCCCCC", font_size=15)),
# 可视化组件参数
visualmap_opts=opts.VisualMapOpts(
# 最大值
max_=max_sale,
# 显示精确的分段值
is_piecewise=True,
# 图例位置
pos_left='30%', pos_bottom=10,
# 图例字体颜色
textstyle_opts=opts.TextStyleOpts(color="#FFFFFF")))
# 隐藏文字标签
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
)
# 在 Jupyter Lab 中第一次渲染时需要调用
_ = c.load_javascript()
然后,运行以下代码:
# 需要与 load_javascript 在不同的单元格中运行
c.render_notebook()
就能得到如下数据地图:
对于颜色的深浅和气泡的大小,我们的感知能力其实是比较弱的,通常很难精准地判断差异。
从有效传递信息的角度来看,林骥认为上面这种分段式的数据地图,比普通的热力地图和气泡地图更加有效。
下一篇文章,我将用 pyecharts 绘制数据可视化大屏中的其他图表,敬请关注。
数据可视化|用热力地图进行数据分析
评论