前言：
现在兄弟们对“pyecharts生成html”大体比较关怀，姐妹们都需要分析一些“pyecharts生成html”的相关知识。那么小编同时在网上搜集了一些有关“pyecharts生成html””的相关资讯，希望朋友们能喜欢，看官们快快来了解一下吧！前言
有粉丝提到说是不是可以写一篇用Pyecharts模块做可视化大屏的相关教程，小编立马就答应了他的请求。那么今天我们就来说说如何用Pyecharts模块来制作炫酷的可视化大屏，最后的效果如下
步骤如下：
分别使用Pyecharts制作各类图表，包括柱状图、地图、饼图等等使用Pyecharts当中的组合图表功能，将所有图片拼接在一张html文件中进行展示数据的来源
这次我们使用的数据是虚构的某超市2021年第一季度的订单数据，总共是有1000条，
df.info()
output
<class 'pandas.core.frame.DataFrame'>RangeIndex: 1000 entries, 0 to 999Data columns (total 17 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 订单编号 1000 non-null object 1 分支 1000 non-null object 2 省份 1000 non-null object 3 顾客类型 1000 non-null object 4 性别 1000 non-null object 5 商品类型 1000 non-null object 6 单价 1000 non-null float64 7 数量 1000 non-null int64 8 Tax 5% 1000 non-null float64 9 总价 1000 non-null float64 10 日期 1000 non-null datetime64[ns] ....... dtypes: datetime64[ns](1), float64(7), int64(1), object(8)memory usage: 132.9+ KB
其中顾客的类型有普通顾客与会员，性别有男性与女性，剩下的还有包括商品类型、购买时间、支付方式、各个商品的毛利率等数据，
数据可视化
接下来我们开始各个图表的绘制，我们先来看饼图的绘制，代码并不复杂，首先我们对“商品类型”这一列的数据进行统计
products_type_index = df["商品类型"].value_counts().index.tolist()products_type_values = df["商品类型"].value_counts().values.tolist()
然后再调用Pyecharts()模块中的Pie()实例进行图表的绘制
def pie_chart_2(): c = ( Pie(init_opts=opts.InitOpts(chart_id=4, bg_color='#1C1C1C', theme=ThemeType.INFOGRAPHIC)) .add("", [list(z) for z in zip(products_type_index, products_type_values)]) .set_global_opts(title_opts=opts.TitleOpts(title="商品类型分布图", title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')), legend_opts=opts.LegendOpts(orient="vertical", pos_left="5%", pos_top="10%")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) ) return c if __name__ == "__main__": map = map_chart() map.render("4.html")output另外，我们也看到了单张图片当中有两张饼图的情况，这是使用了Pyecharts()模块当中的Grid()实例，将若干张绘制完成的图表遵从一定的顺序来进行组合
grid = ( Grid(init_opts=opts.InitOpts(width='1000px', height='600px', chart_id=3, bg_color='#1C1C1C')) .add(c_1, grid_opts=opts.GridOpts(pos_left="60%")) .add(c_2, grid_opts=opts.GridOpts(pos_right="50%")) )地图
同样地，我们将不同省份的数据给筛选出来之后，然后进行图表的绘制
city_index = df["省份"].value_counts().index.tolist()city_values = df["省份"].value_counts().values.tolist()
地图的绘制用的是Pyecharts模块当中的Map()实例，可以看到顾客几乎都分布在北京、浙江以及上海这几个地方
def map_chart(): c = ( Map(init_opts=opts.InitOpts(chart_id=2, bg_color='#1C1C1C')) .add("商家A", [list(z) for z in zip(city_index, city_values)], "china") .set_global_opts( title_opts=opts.TitleOpts(title="顾客在全国的分布图", title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')), visualmap_opts=opts.VisualMapOpts(max_=250), ) ) return c if __name__ == "__main__": map = map_chart() map.render("2.html")output直方图我们针对的是购买时间，看一下哪些购买时间段的人会比较多
hour_index = df["小时"].value_counts().index.tolist()hour_index_str = [str(hour_ind) + "时" for hour_ind in hour_index]hour_values = df["小时"].value_counts().values.tolist()
调用Bar()实例进行绘制图表
def bar_chart(): c = ( Bar(init_opts=opts.InitOpts(chart_id=5, bg_color='#1C1C1C', theme=ThemeType.CHALK)) .add_xaxis(hour_index_str) .add_yaxis("商家A", hour_values) .set_global_opts(title_opts=opts.TitleOpts(title="购物的时间分布", subtitle="购物时间", title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF'))) ) return c if __name__ == "__main__": map = map_chart() map.render("5.html")outputPyecharts组合图表将绘制出来的若干份图表组合到一块儿，总共有这几种方式
Grid: 并行/垂直放置多张图Page: 顺序多图Tab: 多个页面多图Timeline: 时间轴循环轮播多图
我们使用的是Page()示例来顺序展示多张图表，先实例化该对象
page = Page(layout=Page.DraggablePageLayout, page_title="基于Pyecharts的销售数据大屏")
之所以用DraggablePageLayout属性是为了调整成我们所想要的布局，然后将我们所绘制的图表一一添加
page.add( title(), map_chart(), pie_chart(), pie_chart_2(), bar_chart(),)page.render('test_2.html')最后生成一个test_2.html的文件，然后我们将布局调整成我们想要的结果
对图片布局完成之后，要记得点击左上角的save config按钮对布局文件进行保存。之后本地会生成一个chart_config.json文件，然后运行下面的代码
page.save_resize_html('test_2.html', cfg_file='chart_config.json', dest='可视化大屏.html')打开重新生成的可视化大屏.html，便是新的内容
获取代码，私信“666”
标签： #pyecharts生成html
