写点什么

数据可视化界的小公主:cutecharts,入门 + 实战应用

作者:老表
  • 2021 年 11 月 24 日
  • 本文字数:5569 字

    阅读完需:约 18 分钟

数据可视化界的小公主:cutecharts,入门+实战应用

这是我参与 11 月更文挑战的第 15 天。


今天给大家分享的这篇文章是 19 年写的,当时 pyecharts 作者陈老师和我分享了他们最新开发的动漫风格可视化库:cutecharts,我当即体验了下,效果确实杠杠的,可爱 好看 精炼,今天回顾了下,所有代码依旧能跑通(在 Python 3.10 上,19 年写的时候环境应该是在 Python3.7)。


如果本文,或者历史发布文章对你学习有所帮助,请给我一个免费的点赞;如果您觉得文章又什么描述问题或者知识点介绍问题,请在评论区评论指出,感谢大家支持。

一、前言

昨天,手机突然叮咚一响,微信群跳出一条消息,“@老表 新图表库 敲可爱的画风”,还有仓库链接,

我打开看了下,原来是陈健冬大佬有搞了个新的可视化库,这,我必须尝鲜啊。

cutecharts 项目地址:https://github.com/chenjiandongx/cutecharts/

记得给个 Star~

二、本文概要

Part one : 可视化库 cutecharts 基本使用介绍

Part two : 爬取中国电竞价值排行榜-外设排行榜,利用 cutecharts 数据可视化分析

Part three : 总结 抒情

Part one : 可视化库 cutecharts 基本使用介绍

1.cutecharts 安装

最简单的肯定是pip安装:

$ pip3 install cutecharts
复制代码

当然,也可以进行源码安装:

$ git clone https://github.com/chenjiandongx/cutecharts.git$ cd cutecharts$ pip3 install -r requirements.txt$ python3 setup.py install
复制代码

如果是渲染成 html 文件,你还需要安装的第三方辅助库jinja2,是基于 Python 的模板引擎,主要用于渲染可视化后的内容,最终形成可运行的 html 文件,当然,如果你不感兴趣,你不用过多了解,在安装 cutecharts 时会自动帮你安装上,但你得知道它是 unicode 编码,稍不注意,可能模板生成错误。


解决方法其实很简单,我们把渲染页面里的 js 脚本单独拿出来,放到 js 文件内,然后再在 html 页面内加载静态的 js 文件即可,说白了,就是不要让 jinja2 直接去渲染‘有问题’的 js 内容。


如果你嫌这个麻烦,还有一位朋友使用静态加载方法解决了该问题。

<script type="text/javascript" src="{{url_for('static',filename='js/echarts-gl.min.js')}}"></script>
复制代码

当然,没有遇到问题最好~我是直接用的 jupyter notebook,所以没有这个问题。


关于 jupyter notebook 安装使用,你可以看我之前分享的文章:Windows/Mac 安装、使用 Python 环境 +jupyter notebook

2.基本使用

目前 cutecharts 支持的可视化图像类型有:柱状图、折线图、饼状图、雷达图、散点图。 我想后续作者还会增加的,比如:词云图、3D 柱状图、条形图等等。 另外,项目里已经给我们提供了测试用例,所以我们学习的时候就不用再去自己写测试用例了,直接调用即可。

First : 柱状图

# 导入cutecharts中的Barfrom cutecharts.charts import Bar# 导入测试用例from cutecharts.faker import Faker

def bar_base() -> Bar: chart = Bar("Bar-基本示例") chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel") chart.add_series("series-A", Faker.values()) return chart

bar_base().render_notebook()
复制代码

渲染引擎提供了两个

.render(html_name) :生成一个本地文件,html_name为文件名(html文件),默认名为:render.html.render_notebook() :可以在jupyter中直接运行显示,如上文代码本文案例代码都是在Jupyter Notebook上编写运行
复制代码

显示情况:

 当然,里面的颜色、文字内容我们都是可以更改的。 相关函数参数,作者在 Github 里写的特别清楚,很方便阅读使用 

内容来自:github cutecharts

Second : 折线图

from cutecharts.charts import Linefrom cutecharts.faker import Faker
def line_base() -> Line: chart = Line("Line-基本示例") chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel", legend_pos="upRight") chart.add_series("series-A", Faker.values()) chart.add_series("series-B", Faker.values()) return chart

line_base().render_notebook()
复制代码

显示情况:

 当然,里面的颜色、文字内容我们都是可以更改的。 相关函数参数,作者在 Github 里写的特别清楚,很方便阅读使用 

内容来自:github cutecharts

Third : 饼图

from cutecharts.charts import Piefrom cutecharts.faker import Faker

def pie_base() -> Pie: chart = Pie("Pie-基本示例") chart.set_options(labels=Faker.choose()) chart.add_series(Faker.values()) return chart

pie_base().render_notebook()
复制代码

显示情况:

 当然,里面的颜色、文字内容我们都是可以更改的。 相关函数参数,作者在 Github 里写的特别清楚,很方便阅读使用 

内容来自:github cutecharts

Fourth : 雷达图

from cutecharts.charts import Radarfrom cutecharts.faker import Faker

def radar_base() -> Radar: chart = Radar("Radar-基本示例") chart.set_options(labels=Faker.choose()) chart.add_series("series-A", Faker.values()) chart.add_series("series-B", Faker.values()) return chart

radar_base().render_notebook()
复制代码

显示情况:

 当然,里面的颜色、文字内容我们都是可以更改的。 相关函数参数,作者在 Github 里写的特别清楚,很方便阅读使用 

内容来自:github cutecharts

Fifth : 散点图

from cutecharts.charts import Scatterfrom cutecharts.faker import Faker

def scatter_base() -> Scatter: chart = Scatter("Scatter-基本示例") chart.set_options(x_label="I'm xlabel", y_label="I'm ylabel") chart.add_series( "series-A", [(z[0], z[1]) for z in zip(Faker.values(), Faker.values())] ) chart.add_series( "series-B", [(z[0], z[1]) for z in zip(Faker.values(), Faker.values())] ) return chart

scatter_base().render_notebook()
复制代码

显示情况:

 当然,里面的颜色、文字内容我们都是可以更改的。 相关函数参数,作者在 Github 里写的特别清楚,很方便阅读使用 

内容来自:github cutecharts

这里由于篇幅关系,本文只对 cutecharts 基本图像展现做了介绍,对于以上五个类型的可视化图像的具体参数没有做展开介绍,感兴趣的可以去 github 查看更详细内容:

地址:https://github.com/chenjiandongx/cutecharts

Part two : 爬取中国电竞价值排行榜-外设排行榜,利用 cutecharts 数据可视化分析

【注】本文所有代码都是在 Jupyter Notebook 下运行,理论上移到本地开发工具也是可以运行的,如有问题,请留言评论。


截止到 2021.11.24 该网站外设入口已经不在了,但是数据接口还有,所以理论上以下代码大家运行不会有任何问题,当然,大家还可以用来分析其他页面数据,比如中国富豪榜单等,这类榜单数据大多是 table 标签包裹,且为静态加载,所以直接使用 pandas.read_html 即可很快获取到数据。

1.爬取数据


"""爬取中国电竞价值排行榜-外设排行榜网站:http://djws.uuu9.com/rank/201907/截止到 2021.11.24 这个数据接口还在哈~数据类:键盘 鼠标 耳机 显示器 电竞椅 笔记本 显卡 路由器数据项:排名 型号厂家 天猫指数 京东指数 百度指数 性价指数 科技指数 综合指数"""
复制代码

具体实现代码:

# 爬取数据import pandas as pdurl = "http://djws.uuu9.com/rank/201907/"url_read = pd.read_html(url, header=0)[0]url_read
复制代码

比较简单,因为该网站数据存储在表格(table)里,我之前介绍过 pandas 的 read_html 函数,可以快速的读取网页中 table 里的数据,具体见文章:数据分析从零开始实战 | 基础篇(四)- 后面分享

观察上面获取到的数据,我们发现,奇数行的数据有问题,我看了下网页源码,确实页面的 table 写的有点问题,表头在重复出现,这个数据处理很简单,我们取出偶数行的正确数据即可。

url_read=url_read[url_read.index%2==0]
复制代码


我们会发现,数据里的综合指数数值为NaN,这是因为这一栏数据在网站中是以图像条显示的,存储在 i 标签的 width 里,这里我们就不获取了,要获取也是有办法的,比如:正则表达式,如果你感兴趣,可以去试试。

电竞与外设-键盘前 12 名在 3-7 月的所有的数据。

# 爬取数据import pandas as pd
def get_data(i): url = "http://djws.uuu9.com/rank/20190%d/"%i url_read = pd.read_html(url, header=0)[0] url_read=url_read[url_read.index%2==0] return url_read
df_data = []# 循环抓取3-7月数据for i in range(3,8): df_data.append(get_data(i))# axis: 1 表示列拼接,0 表示行拼接df = pd.concat(df_data, axis=0)
复制代码

为了后续工作方便,我们最好是跑一次,然后把数据存到本地,方便读取处理。

df.to_csv(r'rich_list.csv', mode='a', encoding='utf_8_sig', header=0, index=False)
复制代码

2.数据可视化分析

获取了电竞与外设-键盘前 12 名在 3-7 月的所有的数据,共 60 条数据,方便数据读取显示,以下代码是在 Pycharm 上编写,理论上移植到其他开发工具或平台也可运行,如有问题欢迎留言交流。 Core issues: 键盘品牌分析

读取数据

import osimport pandas as pd
# 数据统计函数def get_list_num(l): name = list(set(l)) # 名字 value = [] # 次数 for item in name: value.append(l.count(item)) return name, value

# 获取当前文件父目录路径father_path = os.getcwd()# # 原始数据文件路径rpath_csv = father_path+r'/rich_list.csv'# 读取数据csv_read = pd.read_csv(rpath_csv)
复制代码

Question one: 对品牌分析

读取数据

manufacturer = list(csv_read["厂家"])statistical = get_list_num(manufacturer)
复制代码

可视化

# 导入cutecharts中的Barfrom cutecharts.charts import Bar

def bar_base() -> Bar: chart = Bar("3-7月键盘品牌") chart.set_options(labels=statistical[0], x_label="品牌名", y_label="出现次数") chart.add_series("品牌频数比较", statistical[1]) return chart

bar_base().render()
复制代码


 从这里看,我们可以发现达尔优、雷蛇、CHERRY、赛睿、海盗船都在排行榜上出现了 10 次,华硕 ROG、雷柏略差一些,只出现了五次。 我们再来结合各个品牌对应的产品排名来分析一下: 数据处理

# 获取每个品牌对应的排名总和rank_list = []for i in statistical[0]:    table = csv_read.loc[csv_read["厂家"] == i]    rank_list.append(sum(table["排名"])/5)  # 排名计算总和都除五
复制代码

可视化分析:

from cutecharts.charts import Line

def line_base() -> Line: chart = Line("3-7月键盘品牌") chart.set_options(labels=statistical[0], x_label="品牌名", y_label="总数") chart.add_series("品牌频数", statistical[1]) chart.add_series("品牌排名", rank_list) return chartline_base().render()
复制代码


 首先我们要知道,第一次统计的品牌名出现次数,表示品牌旗下产品上榜的数量,可能是有多种产品上榜,也可能是部分产品多次上榜,第二次统计的产品排名数和(为了方便展示,我把数除五了),表示该品牌所有上榜产品的排名和,如果做对比的话,应该是在第一个条件(品牌出现次数)相同情况下做对比。 从图中我们很容易看出,品牌`CHERRY`这个品牌出现次数多,而且排名靠前(因为排名数和低),其次是海盗船,第三可以算赛睿,雷蛇,达尔优,我们还可以看出雷柏和华硕 ROG 好像差不多。 

 接下来我们再看看品牌热度,我们直接看`综合指数`,当然,如果你在做数据分析工作中,肯定不会这么选择,你应该选择和你目的最贴切的数据项进行分析,甚至进行一些进阶算法,给每个指数项一定权重然后分析。

index_list = []# 选取三个比较热门的产品model = ["MX8.0", "K70", "雷柏V500"]for i in model:	print(i)    table = csv_read.loc[csv_read["型号"] == i]    print(table)  # 显示查询数据
复制代码


 

从网页上我们可以轻易看到,七月综合指数最高是的是CHERRY旗下的MX8.0,如果你感兴趣,可以像我什么一样,自己选 3-5 个热门产品,作出他们 3-7 月之间的综合指数或其他数据的变化图(一段时间内的变化,折线图会是一种比较好的显示方式)。


对于以上数据,你还有什么其他比较好的分析思路吗?欢迎你留言说说你的看法,由于时间和篇幅关系,我就不过多叙述了。


记住,本文主旨是给大家介绍cutecharts这个新的 py 可视化库。


cutecharts 项目地址:https://github.com/chenjiandongx/cutecharts/ 

如果喜欢,请给个 Star。

Part three : 总结 抒情

哇,终于写完了,虽然本文技术含量不是那么高,但还是有很多地方是大家可以学习的,比如:认识个牛逼的人。 最后,我代替大家,其实也就是我自己想问的,问了陈键冬大佬三个问题,这里分享给大家:


Q:1. 目前 cutecharts 只支持部分图形,后续还会开发出其他图形支持吗?比如词云图?


A:cutecharts 是基于 chart.xkcd 开发的,目前 100% 支持其所有图形和配置项,如果 chart.xkcd 图表类型更新的话,cutecharts 也会同步更新的。


Q:2. 你觉得 cutecharts 和 pyecharts 的关系是什么?


A:cutecharts 和 pyecharts 属于同一类项目,都是使用 Python、Notebook+JS 实现数据的可视化,不过 pyecharts 目前有着更丰富的图形种类以及更多的配置项。


cutecharts 可以看做是精简版的 pyecharts,保留着 pyecharts 的所有核心功能,是学习 pyecharts 源码的很好的入手点。


Q:3. 你有没有什么想说的,对 cutecharts 和 pyecharts 的使用者?


A:开发一个类似的库并不难,无非是找到优秀的 JS 库,设计好 Python 接口,并将两者融合在一起。所以也希望有更多 Python 开发者能够参与到这方面的开发中来,为社区贡献出更多优秀的作品。


希望,我们都越来越优秀。


下期见,我是爱猫爱技术的老表,如果觉得本文对你学习有所帮助,欢迎点赞、评论、关注我!

发布于: 3 小时前阅读数: 13
用户头像

老表

关注

公众号|简说Python 2018.09.23 加入

【公众号:简说Python】爱猫爱技术,Python终身学习者、数据分析爱好者、Go语言内卷机。

评论

发布
暂无评论
数据可视化界的小公主:cutecharts,入门+实战应用