張玉葉

摘要：圖表的應(yīng)用不但可使得數(shù)據(jù)的顯示更加清晰、直觀，而且可大大增強(qiáng)Web頁(yè)面的功能和顯示效果。針對(duì)目前大數(shù)據(jù)時(shí)代背景下如何將數(shù)據(jù)進(jìn)行合理有效的可視化展示，從而快速獲取數(shù)據(jù)中所包含的關(guān)鍵信息這一廣泛需求，文章通過對(duì)一商品銷售數(shù)據(jù)分析介紹了如何利用Python的第三方擴(kuò)展庫(kù)PyEcharts來(lái)對(duì)數(shù)據(jù)進(jìn)行合理有效的可視化展示，給出了具體實(shí)現(xiàn)方法和代碼。

關(guān)鍵詞：數(shù)據(jù)可視化;PyEcharts;Python;圖表

中圖分類號(hào)：TP311.1 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）02-0024-04

在信息時(shí)代飛速發(fā)展的今天，每天都在產(chǎn)生海量數(shù)據(jù)，如何從這些海量數(shù)據(jù)中快速發(fā)現(xiàn)和獲取有用信息，最常用的方法就是數(shù)據(jù)的可視化。數(shù)據(jù)可視化是傳達(dá)數(shù)據(jù)分析結(jié)果的重要環(huán)節(jié)，是對(duì)所獲取信息、知識(shí)、模式的圖形化展現(xiàn)，其核心目的是清晰、美觀、有效地傳達(dá)與溝通信息[1]。數(shù)據(jù)可視化的方案有很多，可根據(jù)實(shí)際使用場(chǎng)景來(lái)選擇。本文使用的是Python的第三方擴(kuò)展庫(kù)PyEcharts。PyEcharts 是一個(gè)用于生成 Echarts 圖表的JS類庫(kù)，Echarts 是百度開源的一個(gè)數(shù)據(jù)可視化工具包。利用PyEcharts，通過編寫少量代碼就可方便快捷地生成Echarts風(fēng)格的各種圖表，是大數(shù)據(jù)時(shí)代進(jìn)行數(shù)據(jù)可視化的常用方案[2]。

本文通過餅圖、柱狀圖、玫瑰圖等不同形式圖表多角度地解讀示例數(shù)據(jù)，通過此例來(lái)展示如何將數(shù)據(jù)合理有效地可視化，從而快速獲取我們所需要的關(guān)鍵信息。

1 數(shù)據(jù)集

在此以一個(gè)商品在全國(guó)各地的銷量及損壞量的數(shù)據(jù)集作為示例數(shù)據(jù)，要分析的數(shù)據(jù)集中部分?jǐn)?shù)據(jù)如表1所示（在此只顯示了整個(gè)數(shù)據(jù)集中的前10行數(shù)據(jù)）。

表1中各字段含義：date（銷售日期）、sales（商品銷量）、destroy（商品損壞量）、area（銷售地區(qū)）。

2 開發(fā)環(huán)境

本文示例所采用的開發(fā)工具及相應(yīng)擴(kuò)展庫(kù)的版本：Python3.6、Pandas1.0.3、PyEcharts1.7.1。所有代碼在Jupyter notebook中實(shí)現(xiàn)。

要在Python中使用PyEcharts，首先需要安裝PyEcharts，使用命令pip install pyecharts進(jìn)行PyEcharts庫(kù)的安裝[3] 。

3 數(shù)據(jù)可視化

使用PyEcharts繪制圖表的大體過程可分為以下步驟：

1）導(dǎo)入相應(yīng)的包;

2）準(zhǔn)備繪制圖表所需要的數(shù)據(jù);

3）生成圖表;

4）對(duì)圖表進(jìn)行相應(yīng)的設(shè)置;

5）渲染圖片。

3.1 各大區(qū)銷量分布情況

假設(shè)要想查看商品在全國(guó)各大區(qū)的銷量分布占比情況，可采用餅圖來(lái)展示。具體繪制過程如下：

1）導(dǎo)入相應(yīng)的包

利用PyEcharts繪制餅圖，需要導(dǎo)入兩個(gè)包，一個(gè)是用于繪制餅圖的Pie包，另一個(gè)是用于進(jìn)行系列配置和全局配置的options包。

對(duì)應(yīng)代碼如下：

from pyecharts.charts import Pie ? ? ?# 用于繪制餅圖的Pie包

from pyecharts import options as opts ?# 用于進(jìn)行設(shè)置的options包

2）準(zhǔn)備繪制圖表所需要的數(shù)據(jù)

繪制餅圖需要的數(shù)據(jù)是類似[[‘華東，3000]，[‘華北，2800]]這種形式的數(shù)據(jù)，要顯示商品在各大區(qū)的銷售分布情況，因此需要各大區(qū)及其所對(duì)應(yīng)的商品銷售總量。數(shù)據(jù)集中給出的是每天不同地區(qū)的銷售量，因此需要先將地區(qū)轉(zhuǎn)換成所屬的大區(qū)，然后按大區(qū)對(duì)商品銷量進(jìn)行分組匯總，即可得到各大區(qū)的商品總銷量。

首先定義一個(gè)將地區(qū)轉(zhuǎn)換成大區(qū)的函數(shù)，代碼如圖1所示。

然后讀取數(shù)據(jù)集，對(duì)數(shù)據(jù)集進(jìn)行相應(yīng)的處理，分組統(tǒng)計(jì)各大區(qū)的銷量，將統(tǒng)計(jì)結(jié)果轉(zhuǎn)換成繪制餅圖所需要的數(shù)據(jù)格式，代碼如下：

data = pd.read_csv（'data/商品銷售情況表.csv'） ? ? ? ?# 讀取數(shù)據(jù)集

data['zone'] = data['area'].apply（zone） ? ? ? ? ? ? ? ?# 將地區(qū)轉(zhuǎn)換成大區(qū)

grp_data = data.groupby（'zone'）['sales'].sum（） ? ? ? ? ?# 分組匯總

pie_data = [[i，v] for i，v in zip（grp_data.index，grp_data）] ?# 數(shù)據(jù)格式轉(zhuǎn)換

3）生成圖表

首先調(diào)用Pie（）方法生成一個(gè)餅圖對(duì)象，然后調(diào)用其add（）方法添加數(shù)據(jù)。

PyEcharts支持鏈?zhǔn)秸{(diào)用，因此兩個(gè)方法可連續(xù)書寫，對(duì)應(yīng)代碼如下：

pie_ ?= ?Pie（）.add（''，pie_data）

4）圖表設(shè)置

圖表設(shè)置通常包括系列設(shè)置和全局設(shè)置。

系列設(shè)置中最常用的是餅圖上是否要顯示數(shù)據(jù)標(biāo)簽，默認(rèn)設(shè)置為不顯示，如果要想顯示，可通過如下代碼進(jìn)行設(shè)置：

pie_.set_series_opts（label_opts = opts.LabelOpts（formatter = '：b5x5bvl%'））

全局設(shè)置中通常需要設(shè)置的是圖表的標(biāo)題。設(shè)置代碼如下：

pie_.set_global_opts（title_opts = opts.TitleOpts（title = '各大區(qū)銷量分布情況'））

5）渲染圖片

生成的圖片可直接放到HTML文件中，也可直接在notebook中顯示。

如要將圖片放到HTML文件中，可使用代碼：

pie_.render（'各大區(qū)商品銷量分布情況.html'）

如要直接在notebook中顯示圖片，則使用如下代碼：

pie_.render_notebook（）

全國(guó)各大區(qū)商品銷量分布餅圖繪制完整代碼如圖2所示：

運(yùn)行上述代碼，會(huì)生成相應(yīng)的HTML文件“各大區(qū)商品銷量分布情況.html”，用瀏覽器打開該HTML文件，結(jié)果如圖3所示。

當(dāng)鼠標(biāo)停留在餅圖的某部分上時(shí)，會(huì)突出顯示此部分，并顯示相應(yīng)的銷量信息，效果如圖4所示。

通過餅圖，可清晰地看到商品在不同大區(qū)的銷量分布占比情況，同時(shí)也可方便快速地查看指定大區(qū)的銷量情況。

上面繪制的是商品在不同大區(qū)的總銷售量，用同樣方法也可繪制商品在不同大區(qū)的損壞數(shù)量等，只需要將所需數(shù)據(jù)源替換一下即可。類似這種需要分布占比情況數(shù)據(jù)的可視化，用餅圖都是一個(gè)不錯(cuò)的選擇，所以餅圖通常用于展示各部分的占比情況。

3.2 商品銷量前10的地區(qū)

想要查看商品在哪些地區(qū)的銷量最好，可采用柱狀圖來(lái)展示。在此顯示銷量最高的前10個(gè)地區(qū)。

1）導(dǎo)入相應(yīng)的包

from pyecharts.charts import Bar

from pyecharts import options as opts

2）準(zhǔn)備繪制圖表所需要的數(shù)據(jù)

要想獲取商品銷量前10的地區(qū)，需將數(shù)據(jù)集先按地區(qū)分組統(tǒng)計(jì)總銷量，然后按總銷量降序排列，最后取其前10個(gè)即可，對(duì)應(yīng)代碼如下：

data = pd.read_csv（'data/商品銷售情況表.csv'） ? ? ? ? ? ? ? ? # 讀取數(shù)據(jù)集

area_data = data.groupby（by='area'，as_index=False）.sum（） ? ? ? ?# 按地區(qū)分組匯總

bar_data = area_data.sort_values（by='sales'，ascending=False）[：10] ?# 銷量前10地區(qū)

3）繪制相應(yīng)的柱狀圖及設(shè)置相應(yīng)的配置

柱狀圖的繪制相對(duì)比較簡(jiǎn)單，只需分別指定X軸和Y軸的數(shù)據(jù)，配置項(xiàng)通常只需設(shè)置圖表標(biāo)題，在此將圖表繪制及配置項(xiàng)設(shè)置直接采用鏈?zhǔn)綄懛?，相?yīng)代碼如下：

bar = （

Bar（）

.add_xaxis（bar_data['area'].tolist（）） ? ? # x軸為地區(qū)名稱

.add_yaxis（''， bar_data['sales'].tolist（）） ? # y軸為商品銷量

.set_global_opts（title_opts=opts.TitleOpts（title= '商品銷量前10地區(qū)'） #設(shè)置標(biāo)題

）

4）渲染圖片

在此直接利用代碼：bar.render_notebook（）在notebook中渲染圖片。

完整的代碼如圖5所示。

運(yùn)行上述代碼，結(jié)果如圖6所示。

3.3 商品損壞量前10地區(qū)

商品在運(yùn)輸或儲(chǔ)存過程中會(huì)有相應(yīng)的損壞，數(shù)據(jù)集中存放有商品在不同地區(qū)的損壞量。如果要想查看各大區(qū)的商品損壞量，可以利用前面介紹的餅圖來(lái)展示;如果要查看商品損壞量前10地區(qū)，可以利用柱狀圖來(lái)要展示。如果是除了想查看商品損壞量最高的前10地區(qū)外，還想看看各地區(qū)商品損壞量在這10個(gè)地區(qū)中商品總損壞量中的占比情況，這時(shí)更好的可視化圖表是南丁格爾玫瑰圖。南丁格爾玫瑰圖實(shí)際上就是一種特殊的餅圖。

1）導(dǎo)入相應(yīng)的包

from pyecharts.charts import Pie

from pyecharts import options as opts

2）準(zhǔn)備繪制圖表所需要的數(shù)據(jù)

要想獲取商品損壞量前10的地區(qū)，需將數(shù)據(jù)集先按地區(qū)分組統(tǒng)計(jì)各地區(qū)商品損壞總量，然后按商品損壞總量降序排列，最后取前10個(gè)即可，對(duì)應(yīng)代碼如下：

data = pd.read_csv（'data/商品銷售情況表.csv'） ? ? ? ? ? ? # 讀取數(shù)據(jù)集

area_data = data.groupby（by='area'，as_index=False）.sum（） ? ?# 按地區(qū)分組匯總

destroy_data = area_data[['area'，'destroy']].sort_values（by='destroy'，ascending=False）.values[：10]

3）繪制圖表

繪制南丁格爾玫瑰圖時(shí)除了設(shè)置普通餅圖所需要的系列名稱和數(shù)據(jù)外，通常還需要設(shè)置內(nèi)外半徑和圓心位置及玫瑰圖的模式。玫瑰圖有兩種模式：radius和area。radius模式是通過半徑區(qū)分?jǐn)?shù)值大小，角度大小表示占比。area模式是角度都相同，通過面積而表示數(shù)值大小?？筛鶕?jù)情況自行選擇，在此采用area模式，對(duì)應(yīng)代碼如下：

pie = Pie（）.add（series_name = "商品損壞數(shù)量"， ? # 系列名稱

data_pair = destroy_data， ? ? ? ? # 數(shù)據(jù)

radius = ["20%"， "80%"]， ? ? ? ? # 設(shè)置內(nèi)半徑和外半徑

center = ["60%"， "60%"]， ? ? ? ? # 設(shè)置圓心位置

rosetype = "area" ? ? ? ? ? ? ? ?# 玫瑰圖模式

）

4）配置項(xiàng)設(shè)置

將圖表中的標(biāo)簽文字形式設(shè)為：“地區(qū)：占比（%）”的形式，通過設(shè)置系列配置項(xiàng)來(lái)完成，代碼如下：

pie.set_series_opts（label_opts = opts.LabelOpts（formatter=" ： 5bxv5dh%"））

然后設(shè)置圖表標(biāo)題及位置、圖例及位置，通過全局配置項(xiàng)來(lái)完成，代碼如下：

pie.set_global_opts（title_opts = opts.TitleOpts（title="商品損壞量前10地區(qū)"，

pos_right = '40%'），

legend_opts = opts.LegendOpts（ orient='vertical'，

pos_right="85%"，

pos_top="15%"）

）

5）渲染圖片

在此直接利用代碼：pie.render_notebook（）在notebook中渲染圖片。

完整的代碼如圖7所示。

運(yùn)行上述代碼，結(jié)果如圖8所示。

將鼠標(biāo)移動(dòng)到某部分上，可顯示其對(duì)應(yīng)的具體數(shù)據(jù)，效果如圖9所示。

4 結(jié)束語(yǔ)

通常，使用自然語(yǔ)言、數(shù)字等形式表達(dá)的概念是枯燥的、不易懂的，而可視化的技術(shù)可增加數(shù)據(jù)的生動(dòng)性[4]，因而人類通過視覺獲取數(shù)據(jù)比任何其他形式的獲取方式更好[5]。圖表的應(yīng)用不但可使得數(shù)據(jù)的顯示更加清晰、直觀，而且大大增強(qiáng)了Web頁(yè)面的功能和顯示效果。本文介紹的利用Python的第三方擴(kuò)展庫(kù)PyEcharts繪制圖表的方法，其實(shí)現(xiàn)簡(jiǎn)單方便，在目前大數(shù)據(jù)時(shí)代背景下有著廣泛的應(yīng)用領(lǐng)域和良好的使用前景。讀者可參考其實(shí)現(xiàn)思路稍微改動(dòng)一下即可實(shí)現(xiàn)更多類似的數(shù)據(jù)可視化效果，從而提高數(shù)據(jù)可視化處理能力。

參考文獻(xiàn)：

[1] 張延松，徐新哲.數(shù)據(jù)分析與數(shù)據(jù)可視化實(shí)戰(zhàn)[M].北京：電子工業(yè)出版社，2020.

[2] 零一.Python 3爬蟲、數(shù)據(jù)清洗與可視化實(shí)戰(zhàn)[M].北京：電子工業(yè)出版社，2018.

[3] 董付國(guó).Python數(shù)據(jù)分析、挖掘與可視化[M].北京：人民郵電出版社，2019.

[4] 吳振宇，李春忠，李建鋒.Phthon數(shù)據(jù)處理與挖掘[M].北京：人民郵電出版社，2020.

[5] 柳毅.Python數(shù)據(jù)分析與實(shí)踐[M].北京：清華大學(xué)出版社，2019.

【通聯(lián)編輯：謝媛媛】