Python 数据可视化神器—Pyecharts

今日分享主题：Python Pyecharts模块实现数据动态可视化分析

前言

Echarts 是数据百度开源的一款数据可视化 JS 工具，数据可视化类型十分丰富，可视但是化神得通过导入 js 库在 Java Web 项目上运行。

作为工作中常用 Python 的数据选手，不能不知道这款数据可视化插件的可视强大。那么，化神能否在 Python 中也能用到 Echarts 的数据功能呢?寻找中惊喜地发现了 pyecharts，只需在python中安装该模块即可使用。可视

安装

常用的化神pip安装包一键安装pyecharts

# pyecharts安装命令：

python -m pip install pyechartsPython + pyecharts具体应用

结合工作中的项目数据，我选择了 test 项目需求中 hotel_code_new 为 CNSZVS_002，数据CWSWS_003 对应2019年12个月指标为 RNs 的可视数据做可视化展示与分析。

1.Hive数据库查询sql

hive_sql内容如下

# sql中所使用的化神部分语法为hive sql中常规的语法，与mysql有所不同，数据请注意。可视

select rrrd1.hotel_code_new as hotel_code_new

,化神dda.natural_date as natural_date

,nvl(rrrd.room_nights, 0) as room_nights

from ( select distinct substr(natural_dt,1,7) as natural_date

from dws.dws_test_date_calendar

where dt_year=2019

)dda

left join

(select CNSZVS_002 hotel_code_new

UNION all select CWSWS_003 hotel_code_new

)rrrd1

left join

(select hotel_code_new

,substr(stay_date,1,7) as stay_date

,sum(number_of_room_nights) as room_nights

from dwm.dwm_test_resvs_rom_daily_df

where dt=2021-10-24

and hotel_code_new in(CNSZVS_002, CWSWS_003)

and resv_status in(CHECKEDSSSIN,CHECKEDSSSOUT)

and substr(stay_date,0,4) = 2019

group by hotel_code_new,substr(stay_date,1,7)

)rrrd

on dda.natural_date = rrrd.stay_date

and rrrd1.hotel_code_new=rrrd.hotel_code_new

order by rrrd.hotel_code_new;

2.Python代码实现—柱状图

from impala.dbapi import connect

import warnings

#数据仓库数据获取准备

def hive_connect(sql):

warnings.filterwarnings(ignore)

config_hive_beta = {

host: 10.7.0.12, #hive的host地址

port: 10000, #hive的端口号

user: hive, #hive的username

password: hive, #hive的password

database: tmp, #hive中需要查询的数据库名

auth_mechanism: PLAIN #hive的hive-site.xml配置文件中获取

}

conn = connect(**config_hive_beta)

cursor = conn.cursor()

cursor.execute(sql)

hive_all_data = cursor.fetchall()

return hive_all_data

# all_data = hive_connect(hive_sql)

# 通过调用hive_connect方法获取到的数据库查询结果数据如all_data列表所示

all_data = [(CNSZVS_002, 2019-01, 0), (CNSZVS_002, 2019-02, 0), (CNSZVS_002, 2019-03, 0),

(CNSZVS_002, 2019-04, 0), (CNSZVS_002, 2019-05, 0), (CNSZVS_002, 2019-06, 2353),

(CNSZVS_002, 2019-07, 2939), (CNSZVS_002, 2019-08, 5148), (CNSZVS_002, 2019-09, 3850),

(CNSZVS_002, 2019-10, 4973), (CNSZVS_002, 2019-11, 5467), (CNSZVS_002, 2019-12, 4742),

(CWSWS_003, 2019-01, 5914), (CWSWS_003, 2019-02, 4434), (CWSWS_003, 2019-03, 6003),

(CWSWS_003, 2019-04, 6611), (CWSWS_003, 2019-05, 6586), (CWSWS_003, 2019-06, 5840),

(CWSWS_003, 2019-07, 6624), (CWSWS_003, 2019-08, 7001), (CWSWS_003, 2019-09, 5792),

(CWSWS_003, 2019-10, 6898), (CWSWS_003, 2019-11, 6944), (CWSWS_003, 2019-12, 5404)]

# 从pyecharts模块导入柱状图-Bar

from pyecharts import Bar

# 设置横轴行名，源码库这里使用12个月份的英文简称

columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]

# 分别新建2个空list用于存储每个月份对应的RNs的值

CNSZVS_002 = []

CWSWS_003 = []

for i in all_data:

if i[0] == CNSZVS_002:

CNSZVS_002.append(i[2])

elif i[0] == CWSWS_003:

CWSWS_003.append(i[2])

else:

pass

# 设置柱状图的主标题与副标题

bar = Bar("柱状图", "Test需求—2019年的RNs")

# 添加柱状图的数据及配置项-求平均值、最大值、最小值

bar.add("CNSZVS_002", columns, CNSZVS_002, mark_line=["average"], mark_point=["max", "min"])

bar.add("CWSWS_003", columns, CWSWS_003, mark_line=["average"], mark_point=["max", "min"])

# 在本py文件同级目录下生成名为render.html的本地文件（默认为.html文件）

bar.render()

# 也可设置成指定的路径用于保存html文件

#bar.render(r"D:bar_render.html")柱状效果图展示

生成的柱状效果图是html格式的，可以在浏览器中打开查看，在浏览器中支持下载成图片格式到本地，并且点击图例即可置灰对应的图例，同时隐藏图例对应的柱状图数据，如下图所示。

3.Python代码实现—饼状图

注意：数据准备部分的代码与柱状图一样，这里只展示饼状图特有的代码

# 从pyecharts模块中导入饼图Pie

from pyecharts import Pie

# 设置主标题与副标题，标题设置居中，设置宽度为1000

pie = Pie("饼状图", "Test需求—2019年的RNs", title_pos=left, width=1000)

# 使用add导入数据，设置坐标位置为【20，50】，上方的colums选项取消显示

pie.add("CNSZVS_002", columns, CNSZVS_002, center=[20, 50], is_legend_show=True)

# 使用add导入数据，云服务器提供商设置坐标位置为【75，50】，上方的colums选项正常显示

pie.add("CWSWS_003", columns, CWSWS_003, center=[75, 50], is_legend_show=False, is_label_show=True)

# 保存图表

pie.render()饼状效果图展示——隐藏所占百分比

饼状效果图展示——展示所占百分比

4.Python代码实现—箱型图# 从pyecharts模块导入箱型图Boxplot

from pyecharts import Boxplot

boxplot = Boxplot("箱型图", "Test需求—2019年的RNs")

x_axis = [CNSZVS_002, CWSWS_003]

y_axis = [CNSZVS_002, CWSWS_003]

# prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]

yaxis = boxplot.prepare_data(y_axis)

boxplot.add("2019年RNs统计", x_axis, yaxis)

boxplot.render()箱型图效果展示

5.Python代码实现—折线图from pyecharts import Line

line = Line("折线图", "Test需求—2019年的RNs")

# is_label_show属性是设置上方数据是否显示

line.add("CNSZVS_002", columns, CNSZVS_002, is_label_show=True)

line.add("CWSWS_003", columns, CWSWS_003, is_label_show=True)

line.render()折线图效果展示

6.Python代码实现—雷达图from pyecharts import Radar

radar = Radar("雷达图", "Test需求—2019年的RNs")

# 由于雷达图传入的数据得为多维数据，需要将list再进行list转换一次

CNSZVS_002 = [CNSZVS_002]

CWSWS_003 = [CWSWS_003]

# 设置column的最大值，为了雷达图更为直观，这里的月份最大值设置依据真实数据的值来设置，因此各个月份有所不同

schema_diff = [

("Jan", 7000), ("Feb", 5000), ("Mar", 6500),

("Apr", 7000), ("May", 7000), ("Jun", 6200),

("Jul", 6800), ("Aug", 7200), ("Sep", 6000),

("Oct", 7300), ("Nov", 7500), ("Dec", 6000)

]

# 传入坐标

radar.config(schema_diff)

radar.add("CNSZVS_002", CNSZVS_002)

# 一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色

radar.add("CWSWS_003", CWSWS_003, item_color="#1C86EE")

radar.render()雷达效果图展示

7.Python代码实现—散点图from pyecharts import Scatter

scatter = Scatter("散点图", "Test需求—2019年的RNs")

# xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置

scatter.add("CWSWS_003&CNSZVS_002 RNs的散点分布", CNSZVS_002, CWSWS_003, xaxis_name="CNSZVS_002", yaxis_name="CWSWS_003", yaxis_name_gap=40)

scatter.render()散点图效果展示

总结准备符合要求的数据及其格式导入对应图表所使用的包add()方法：主要方法，用于添加图表的数据和设置各种配置项render()方法：用于保存生成的图表服务器托管

很赞哦!（1）