Pyecharts 结合 Pandas 绘制图表

前言

数据的可视化是我们数据分析最重要的环节,图表可以化复杂为简洁,化抽象为具体,使读者或听众更容易理解.数据可视化为图表,能让数据更加直观,更加触手可及,让企业能够更迅速,更准确地做出商业决策.让企业能够更好地在所处的领域有所成就.甚至立于不败之地.之前学过 pyecharts 的绘图库,它的强大让我很震撼,但是再好的绘图库只是前端的一种表现形式,数据才是数据分析的最重要对象,之前《Python 绘制精美可视化数据分析图表 (二)-pyecharts》的数据都是我们手动创建的数据,这显然不符合我们日常开发需求,做数据分析,往往会有大量数据需要整理,数据量越大,得出的结论会更加准确.所以我们的数据会来自不同的渠道.会存储在不同类型的文件中.我们平时的数据一般来自 Excel,csv,TXT,json 等等.Excel 正是最常用的数据存储媒介。如果说数据是米，那这些存储媒介就是粮仓。而 Pandas 是和这些文件媒介结合使用最好的数据处理库之一，Pandas 是一个强大的分析结构化数据的工具集， 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征。广泛应用在学术、金融、统计学等各个数据分析领域。

准备

安装 pyecharts 和 Pandas

pip install pandaspip install pyecharts

默认安装符合 Python 版本的最新的版本

可通过代码查看安装版本

import pyechartsimport pandasprint(pyecharts.__version__)print(pandas.__version__)

运行结果：

1.9.11.0.5

pyecharts 结合 pandas 绘制一周销售情况折线图

示例中的 Excel 数据：

第一步当然是导入 Python 库，导入 pyecharts 和 pandas

from pyecharts.charts import Linefrom pyecharts import options as optsimport pandas as pd

使用 pandas 导入 excel 表格中的数据

df = pd.read_excel(r'data.xlsx')

对数据进行转置,让数据变成适合我们需要的格式

df2 = pd.DataFrame(df.values.T, index=df.columns, columns=df.index)#转置

处理数据:把数据方式分开放到对应的 list

创建三个 list 来存储数据

indexs = []							# 行索引columns = []						# 列索引data = []							# 每一列的数据，二维列表

使用 for 循环处理数据

#获取X轴变量for index in df2.index:    indexs.append(index)    #获取每行索引    for column in df2.columns:    columns.append(column)
#把每行数据放到一个list   for i in range(0,len(columns)):    data_ = []    for j in df2.iloc[:,i]:        data_.append(j)    data.append(data_)

数据处理结果:

涉及到多条折线展示,使用层叠多图函数 overlap()来处理,overlap()能让多个图形在同一图表同时展示,不但可以层叠同一类型还可以层叠多种类型的图形,比如:直方图和折线图

创建一个 xiaoshou()函数:

def xiaoshou() -> Line:

先设置基本配置

    c = (        Line()        .add_xaxis(indexs[1:])        .set_global_opts(title_opts=opts.TitleOpts(title="各区域一周销售情况"))    )

循环 data 列表绘制图表,不管后面增加多少行多少列数据都能自适应

    for i in range(0,len(columns)):        c_ = (            Line()            .add_xaxis(indexs[1:])            .add_yaxis(data[i][0], data[i][1:])        )        c.overlap(c_)					# 堆叠    return c

然后统一渲染

xiaoshou().render()

最终效果:

总结

使用 for 循环处理数据再放到 pyecharts 进行渲染绘制图表,能够很好自适应表格数据的删减