Pandas pyecharts数据可视化基础③

引言

本文将详细介绍使用pyecharts库进行基础绘图的相关代码案例，包括三维散点图、漏斗图和词云图的绘制。pyecharts是一个用于生成 ECharts 图表的 Python 库，ECharts 是一个由百度开源的数据可视化工具，凭借其丰富的图表类型和强大的交互性，被广泛应用于数据可视化领域。

思维导图

graph LRclassDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;A(基础绘图案例):::process --> B(三维散点图):::processA --> C(漏斗图):::processA --> D(词云图):::processB --> B1(最大携氧能力、体重和运动后心率):::processC --> C1(某淘宝店铺的订单转化率):::processD --> D1(部分宋词词频):::process

代码案例分析

提前安装依赖

打开Anaconda Prompt
输入pip install pyecharts

同样操作

在 Anaconda Prompt 中安装这四个包的完整代码如下：

1. 安装 webdriver - manager：

pip install webdriver - manager

2. 安装 ipykernel：

pip install ipykernel

3. 安装 selenium：

pip install selenium

4. 安装 pyecharts - snapshot：

pip install pyecharts - snapshot

安装完重新启动Jupyter Notebook

三维散点图（代码5 - 40）

# 代码5-40
import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Scatter3D# 读取数据player_data = pd.read_excel('./运动员的最大携氧能力、体重和运动后心率数据.xlsm',sheet_name=2)
print("DataFrame列名：", player_data.columns)
# 确保列名与 Excel 中的一致（英文括号）
player_data = [player_data['体重(kg)'],         # 英文括号player_data['运动后心率(次/分钟)'],  # 英文括号player_data['最大携氧能力(ml/min)']   # 英文括号
]
player_data = np.array(player_data).T.tolist()s = (Scatter3D().add('', player_data, xaxis3d_opts=opts.Axis3DOpts(name='体重(kg)'),  # 英文括号yaxis3d_opts=opts.Axis3DOpts(name='运动后心率(次/分钟)'),  # 英文括号zaxis3d_opts=opts.Axis3DOpts(name='最大携氧能力(ml/min)')).set_global_opts(title_opts=opts.TitleOpts(title='最大携氧能力、体重和运动后心率3D散点图'), visualmap_opts=opts.VisualMapOpts(range_color=['#1710c0', '#0b9df0', '#00fea8', '#00ff0d', '#f5f811', '#f09a09', '#fe0300'])))
s.render_notebook()

代码结果

代码解析

1. 导入库：导入pandas和numpy用于数据处理，从pyecharts中导入options和Scatter3D用于绘图。
2. 数据处理：使用pandas的read_excel方法读取 Excel 文件，提取所需列的数据，将其转换为numpy数组，再转置并转换为列表。
3. 创建图表：使用Scatter3D创建三维散点图对象，调用add方法添加数据，并设置三个坐标轴的名称。
4. 设置全局选项：使用set_global_opts方法设置图表标题和视觉映射选项，包括颜色范围。
5. 渲染图表：调用render_notebook方法在 Jupyter Notebook 中渲染图表。

漏斗图（代码5 - 41）

# 代码5-41
import pandas as pd
import numpy as np
from pyecharts import options as opts
from pyecharts.charts import Funnel
data = pd.read_excel('./某淘宝店铺的订单转化率统计数据.xlsm', sheet_name=1)
print("DataFrame列名：", data.columns)
x_data = data['网购环节'].tolist()
y_data = data['人数'].tolist()
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
funnel = (Funnel().add('', data_pair=data,label_opts=opts. LabelOpts(position='inside', formatter='{b}:{d}%'), gap=2, tooltip_opts=opts.TooltipOpts(trigger='item'), itemstyle_opts=opts.ItemStyleOpts(border_color='#fff', border_width=1)).set_global_opts(title_opts=opts.TitleOpts(title='某淘宝店铺的订单转化率漏斗图'), legend_opts=opts.LegendOpts(pos_left='40%')))
funnel.render_notebook()

结果

代码解析

1. 导入库：从pyecharts.charts中导入Funnel用于绘制漏斗图。
2. 数据处理：使用pandas的read_excel方法读取 Excel 文件，将网购环节和人数列的数据转换为列表，并组合成二维列表。
3. 创建图表：使用Funnel创建漏斗图对象，调用add方法添加数据，设置标签位置、格式，间隔、提示框和项目样式。
4. 设置全局选项：使用set_global_opts方法设置图表标题和图例位置。
5. 渲染图表：调用render_notebook方法在 Jupyter Notebook 中渲染图表。

词云图（代码5 - 42）

# 代码5-42
from pyecharts.charts import WordCloud
data_read = pd.read_csv('./worldcloud.csv', encoding='gbk')
words = list(data_read['词语'].values)
num = list(data_read['频数'].values)
data = [k for k in zip(words, num)]
data = [(i,str(j)) for i, j in data]
wordcloud = (WordCloud().add('', data_pair=data, word_size_range=[10, 100]).set_global_opts(title_opts=opts.TitleOpts(title='部分宋词词频词云图', title_textstyle_opts=opts.TextStyleOpts(font_size=23)), tooltip_opts=opts.TooltipOpts(is_show=True)))
wordcloud.render_notebook()

结果

代码解析

1. 导入库：从pyecharts.charts中导入WordCloud用于绘制词云图。
2. 数据处理：使用pandas的read_csv方法读取 CSV 文件，将词语和频数列的数据转换为列表，并组合成元组列表，将频数转换为字符串类型。
3. 创建图表：使用WordCloud创建词云图对象，调用add方法添加数据，设置词云图的大小范围。
4. 设置全局选项：使用set_global_opts方法设置图表标题和提示框选项。
5. 渲染图表：调用render_notebook方法在 Jupyter Notebook 中渲染图表。

总结

通过本文的学习，你可以掌握以下知识与技能：

1. 学会使用pyecharts库绘制三维散点图、漏斗图和词云图。
2. 掌握使用pandas进行数据读取和处理的基本方法。
3. 了解pyecharts中图表对象的创建、数据添加和全局选项设置的方法。
4. 学会在 Jupyter Notebook 中渲染pyecharts图表。

这些技能将帮助你在数据可视化领域更好地展示和分析数据，为数据分析和决策提供有力支持。