手把手教你用 pyecharts 制作数据可视化大屏之超市数据管理驾驶舱
林骥
共 9318字，需浏览 19分钟
·
2020-12-24 08:13
在上一篇文章中，我们用 pyecharts 实现了一个数据地图，今天手把手教你制作一个简单的数据可视化大屏：
首先，新建一个文本文件，命名为 chart_config.json，文件中的内容如下：
[{"cid":"1","width":"1860px","height":"80px","top":"0px","left":"0px"},{"cid":"2","width":"500px","height":"410px","top":"80px","left":"0px"},{"cid":"3","width":"860px","height":"820px","top":"80px","left":"500px"},{"cid":"4","width":"500px","height":"410px","top":"80px","left":"1360px"},{"cid":"5","width":"500px","height":"410px","top":"490px","left":"0px"},{"cid":"6","width":"500px","height":"410px","top":"490px","left":"1360px"}]
其中每个图表有 5 个参数：
cid 是图表编号，对应后面作图将用到的 chart_id；
width 是图表的宽度；
height 是图表的高度；
top 是图表距离顶部的位置；
left 是图表距离左边的位置。
这些参数决定了每个图表在大屏中的大小和位置。
然后，在 Jupyter Lab 中新建一个 Notebook，运行以下代码：
# 导入相关库from pyecharts import options as optsfrom pyecharts.charts import Map, Bar, Grid, Line, Page, Pie, Polarfrom pyecharts.commons.utils import JsCodefrom pyecharts.globals import ThemeTypeimport 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)# 各地区销售额district_sale = df.pivot_table(values='销售额', index='地区', aggfunc=sum)# 每天各类产品销售额daily_sale = df.fillna(0).pivot_table(values='销售额', index='订单日期', columns='类别', aggfunc=sum).fillna(0)# 细分类别销售额parts_sale = df.fillna(0).pivot_table(values='销售额', index='子类别', aggfunc=sum).fillna(0)# 邮寄方式销售额mail_sale = df.fillna(0).pivot_table(values='销售额', index='邮寄方式', aggfunc=sum).fillna(0)# 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)# 数据可视化大屏的标题def main_title():c = (Pie(init_opts=opts.InitOpts(chart_id=1, bg_color='#00589F')).set_global_opts(title_opts=opts.TitleOpts(title="超市数据管理驾驶舱",title_textstyle_opts=opts.TextStyleOpts(font_size=36, color='#FFFFFF'),pos_left='center',pos_top='middle')))return c# 柱形图def bar_sale() -> Bar:c = (Bar(init_opts=opts.InitOpts(chart_id=2, bg_color='#00589F')).add_xaxis(list(district_sale.index)).add_yaxis("", list(round(district_sale.销售额/10000,1)), color='#5D9BCF', label_opts=opts.LabelOpts(color='#FFFFFF')).set_global_opts(title_opts=opts.TitleOpts(title="各地区销售额汇总",pos_left='center', pos_top='10',title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF", font_size=16)),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#999999'),axistick_opts=opts.AxisTickOpts(is_align_with_label=True),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#999999'),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),),))return c# 数据地图def map_china() -> Map:# 绘制地图c = (# 主题样式和背景颜色Map(init_opts=opts.InitOpts(chart_id=3, bg_color='#00589F'))# 添加地图数据.add(series_name="省份", data_pair=list_province_sale, maptype="china", is_map_symbol_show=False)# 全局配置.set_global_opts(# 标题文字title_opts=opts.TitleOpts(title="{:,}".format(int(province_sale.销售额.sum())),# 副标题subtitle='\t\t2016年到2019年总销售额',# 标题位置pos_left='center', 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)),legend_opts=opts.LegendOpts(is_show=False),# 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='36%', pos_bottom=50,# 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)))return c# 折线图def line_daily() -> Line:c = (Line(init_opts=opts.InitOpts(chart_id=4, bg_color='#00589F')).add_xaxis(list(daily_sale.iloc[-30:,:].index.strftime('%Y-%m-%d'))).add_yaxis("办公用品", list(round(daily_sale.iloc[-30:,:].办公用品,1)), is_smooth=True, color='#5D9BCF').add_yaxis("家具", list(round(daily_sale.iloc[-30:,:].家具,1)), is_smooth=True, color='#FBC171').set_series_opts(areastyle_opts=opts.AreaStyleOpts(opacity=0.2),label_opts=opts.LabelOpts(is_show=False),).set_global_opts(title_opts=opts.TitleOpts(title="分类产品每天销售额变化趋势",pos_left='center', pos_top='10',title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF", font_size=16)),xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#999999'),axistick_opts=opts.AxisTickOpts(is_align_with_label=True),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),is_scale=False,boundary_gap=False),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#999999'),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),),legend_opts=opts.LegendOpts(pos_top='36', textstyle_opts=opts.TextStyleOpts(color="#FFFFFF", font_size=12)),))return c# 饼图def pie_parts() -> Pie:x_data = list(parts_sale.index)y_data = list(round(parts_sale.销售额/10000,1))data_pair = [list(z) for z in zip(x_data, y_data)]data_pair.sort(key=lambda x: x[1])c = (Pie(init_opts=opts.InitOpts(chart_id=5, bg_color="#00589F", theme=ThemeType.MACARONS)).add(series_name="细分产品类别",data_pair=data_pair,rosetype="radius",radius="75%",center=["50%", "50%"],label_opts=opts.LabelOpts(is_show=False, position="center"),).set_global_opts(title_opts=opts.TitleOpts(title="细分产品类别分布",pos_left="center",pos_top="0",title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF"),),legend_opts=opts.LegendOpts(is_show=False),))return c# 极坐标图def polar_parts() -> Polar:c = (Polar(init_opts=opts.InitOpts(chart_id=6, bg_color="#00589F")).add_schema(radiusaxis_opts=opts.RadiusAxisOpts(data=list(mail_sale.index),type_="category",axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),axislabel_opts=opts.LabelOpts(color="#999999")),angleaxis_opts=opts.AngleAxisOpts(is_clockwise=True,split_number=9,axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color='#999999')),splitline_opts=opts.SplitLineOpts(linestyle_opts=opts.LineStyleOpts(color='#00589F')),axislabel_opts=opts.LabelOpts(color="#999999")),).add("",list(round(mail_sale.销售额/10000,1)),type_="bar",).set_global_opts(title_opts=opts.TitleOpts(title="不同邮寄方式的销售额",pos_left='center', pos_top='0',title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF", font_size=16))).set_series_opts(label_opts=opts.LabelOpts(color="#999999"),).set_colors(["#FBC171"]))return c# 可拖动的页面page = Page(layout=Page.DraggablePageLayout, page_title="超市数据管理驾驶舱")# 在页面中添加图表page.add(main_title(),bar_sale(),map_china(),line_daily(),pie_parts(),polar_parts(),)# 调用绘制函数后生成一个 temp.html 文件_ = page.render('temp.html')# 新建 chart_config.json 文件，定义图表位置# 生成数据可视化大屏的文件_ = page.save_resize_html('temp.html', cfg_file='chart_config.json', dest='超市数据管理驾驶舱.html')
运行结束之后，系统会自动生成一个文件：超市数据管理驾驶舱.html，用浏览器打开它，就能看到一个数据可视化大屏：超市数据管理驾驶舱。
这是一个简化版的数据可视化大屏，你可以根据自己的业务情况，替换成自己的真实数据，修改为自己想要的图表和颜色样式等。
用 pyecharts 制作数据可视化大屏之数据地图
评论