数据可视化专区 加入小组
Python实现数据动态可视化
Python实现数据动态可视化
和数据打交道的人都听过一句话，叫做“文不如表，表不如图”，在信息传递上，图有着表和文字所没有的优势。这里的图，指的就是将数据通过图的形式展现出来，即我们常说的数据可视化。
当前，我们正处于大数据时代，数据量呈现井喷之势，如何从海量数据中获取有用的信息是摆在所有数据人面前的问题。其中，数据可视化就是很有效的一种手段，数据可视化之后能够直观展现蕴藏其中的趋势规律等。
很长一段时间以来，人们都在使用静态的图来展现数据，例如这种：
或者这种：
以上的图也可以展现数据中包含的信息，但是，如果我们想要了解随着时间的变动，数据在各个时间点的表现，静态图在表现力上就明显不如动态图。
而且，有时候我们希望能够多个图形同时展现在一块画布上，形成一块动态的数据可视化看板，这篇文章，就和大家探讨一下，如何用python制作这样的可视化看板
本文主要应用pyecharts来制作动态图像，pyecharts更多用法请参照官方文档：https://pyecharts.org/
导入需要的python模块
Pyecharts是一款能在Python下实现数据动态可视化分析的模块插件，基于百度开源的Echarts数据可视化库。
所以，运用pycharts绘图，第一步要先下载它。
可以在命令行工具中运行这一行代码：pip install pycharts
下载成功后，还要通过import关键字导入它才能调用。
调用pyecharts库中函数的方式与常用的可视化库matplotlib或者seaborn相比，略有不同，不是一句一行一个函数的形式，而是在函数运行结果的基础上进行链式调用。
另外，pyecharts中有专门的配置项，图中的标题、坐标轴等的配置需要调用配置项，例如下图全职配置项负责的组件配置：
所以，我们在用pyecharts绘图时，除了要导入相关的绘图函数，还要导入配置项，如下代码，即导入配置项及相关的绘图函数等。
import pyecharts.options as opts # 配置对象 from pyecharts.globals import ThemeType # 主题对象 from pyecharts.charts import Timeline, Grid, Bar, Map, Pie, Line # 导入各种图表接口
图中展现的所有内容都来自与数据，所以，绘图的前提得有数据，我们先来生成数据。
这里用到的是各省在不同年份的GDP数据
生成数据
from data import * # 导入数据（字典形式） 导入data 等
time_list = [str(d) + "年" for d in range(1993, 2019)] # 生成时间列表 print(time_list)
['1993年', '1994年', '1995年', '1996年', '1997年', '1998年', '1999年', '2000年', '2001年', '2002年', '2003年', '2004年', '2005年', '2006年', '2007年', '2008年', '2009年', '2010年', '2011年', '2012年', '2013年', '2014年', '2015年', '2016年', '2017年', '2018年']
#根据历年来各个省份GDP最大 最小值 设置的数值区间，用于设置地图视觉对象的设置 maxNum = 97300 minNum = 30
定义绘图函数
我们想要把多个图展现在一块看板中，pyecharts中并没有这样的一个函数可以满足需求，所以得自定义一个函数，包含我们所需要的所有图形。
假设，我们需要在看板中同时展现各省份在地图位置上数据的变化、折线图的趋势变化、条形图的对比变化、饼图的结构变化，那么，就需要在自定义的函数中，包含上述绘制上述图形的函数。
另外，还需要多一个函数，用来进行看板的布局，把不同的图放置在指定位置，避免图形发生重叠等影响可视化效果的情况。
下边即是自定义函数的全部代码
# 定义函数 根据年份不同绘制不同的图形
def get_year_chart(year: str):
# map_data 某年的各个省份GDP数据
map_data = [
[[x["name"], x["value"]] for x in d["data"]] for d in data if d["time"] == year][0]
min_data, max_data = (minNum, maxNum)
# 用于动态标记折线图各个点
data_mark: List = []
i = 0
for x in time_list:
if x == year:
data_mark.append(total_num[i])
else:
data_mark.append("")
i = i + 1
# 添加地图
map_chart = (
Map()
.add(
series_name="", # 图系名称
data_pair=map_data, # 绘图数据
zoom=1, # 缩放
center=[119.5, 34.5],
is_map_symbol_show=False,
itemstyle_opts={
"normal": {"areaColor": "#323c48", "borderColor": "#404a59"},
"emphasis": {
"label": {"show": Timeline},
"areaColor": "rgba(255,255,255, 0.5)",
},
},
)
.set_global_opts(
# 图像标题对象配置
title_opts=opts.TitleOpts(
title="" + str(year) + "全国各地区GPD数据（单位：亿） 数据来源：国家统计局",
subtitle="",
pos_left="center",
pos_top="top",
title_textstyle_opts=opts.TextStyleOpts( # 设置标题的文本属性
font_size=25, color="rgba(255,255,255, 0.9)" # rgb + 透明度
),
),
# 视觉映射配置项
visualmap_opts=opts.VisualMapOpts(
is_calculable=True, #是否显示拖拽用的手柄（手柄能拖拽调整选中范围）
dimension=0,
pos_left="30", # 距离容器左侧距离
pos_top='top', # 自动top 对其
range_text=["High", "Low"], # 上下的文本内容
range_color=["#4885A9","#FBD0E5", "#E18786"], # 过度颜色设置
textstyle_opts=opts.TextStyleOpts(color="#ddd"), # 字体颜色设置
min_=min_data, # 最小值
max_=max_data, # 最大值
),
)
)
# 添加线图
line_chart = (
Line()
.add_xaxis(time_list) # x轴的数据
.add_yaxis("", total_num) # y轴的数据
.add_yaxis( # 标记的数据，用于标记当前年份的全国GDP总量
"",
data_mark,
markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")]),#设置标记类型
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) # 不显示标签项
.set_global_opts(
title_opts=opts.TitleOpts(
title="全国GDP总量变化1993-2018年（单位：万亿）", pos_left="72%", pos_top="5%"
)
)
)
# 条形图
bar_x_data = [x[0] for x in map_data]
bar_y_data = [{"name": x[0], "value": x[1][0]} for x in map_data]
bar = (
Bar()
.add_xaxis(xaxis_data=bar_x_data) # 添加x轴数据
.add_yaxis( # 添加y轴数据
series_name="",
y_axis=bar_y_data,
label_opts=opts.LabelOpts( # 标签项配置
is_show=True,
position="right",
formatter="{b} : {c}" # 展示格式 {b}表示类目 name ，{c}表示数值 value
),
)
.reversal_axis() # 坐标轴翻转，横向为条形图
.set_global_opts( # 设置全局配置
xaxis_opts=opts.AxisOpts( # x轴
max_=maxNum, axislabel_opts=opts.LabelOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(is_show=False)), # y轴
tooltip_opts=opts.TooltipOpts(is_show=False), # 关闭工具项
visualmap_opts=opts.VisualMapOpts(
is_calculable=True,
dimension=0, # 映射到哪个维度上 x为0 y 为 1
pos_left="10",
pos_top="top",
range_text=["High", "Low"],
range_color=["#4885A9", "#FBD0E5", "#E18786"],
textstyle_opts=opts.TextStyleOpts(color="#ddd"),
min_=min_data,
max_=max_data,
),
)
)
# 饼图
pie_data = [[x[0], x[1][0]] for x in map_data]
pie = (
Pie()
.add(
series_name="",
data_pair=pie_data,
radius=["15%", "35%"], #内半径与外半径 默认设置成百分比，相对于容器高宽中较小的一项的一半
center=["80%", "80%"], # 饼图圆心设置，第一个是宽度相对于容器左侧，第二个是高度相对于容器顶部
itemstyle_opts=opts.ItemStyleOpts(
border_width=2, border_color="rgba(66,170,189,0.3)" # 描边宽度与颜色
),
)
.set_global_opts(
tooltip_opts=opts.TooltipOpts(is_show=True,
formatter="{b}:{d}%"),
legend_opts=opts.LegendOpts(is_show=False),
)
)
# 将多张子图放置到一起，设置图片的位置
grid_chart = (
Grid()
.add(
bar,
grid_opts=opts.GridOpts(
pos_left="10", # 距离左侧的距离 像素
pos_right="45%",
pos_top="50%",
pos_bottom="5"
),
)
.add(
line_chart,
grid_opts=opts.GridOpts(
pos_left="65%", # 距离左侧的距离
pos_right="80", # 距离右侧的距离 像素
pos_top="10%", # 距离顶部的距离
pos_bottom="50%" # 距离底部的距离
),
)
.add(pie, grid_opts=opts.GridOpts(pos_left="65%", pos_top="60%"))
.add(map_chart, grid_opts=opts.GridOpts()) # 使用默认配置
)
return grid_chart # 返回
函数定义完成后，这个函数还只能绘制静态图形，如果想要动态效果，还需要添加时间轴筛选器，时间在时间轴上变动，数据也会跟着边，可视化看板中的图就也会随着数据的变化而变化，展示出动态效果。
向图形添加时间轴删选器
# 动态图形添加时间轴
timeline = Timeline(
init_opts=opts.InitOpts(width="1800px", height="900px", theme=ThemeType.DARK)
)
# 遍历时间列表，绘制不同时间下的图形
for y in time_list:
g = get_year_chart(year=y)
timeline.add(g, time_point=str(y)) # 将图形添加到时间轴
# 动图整体设置
timeline.add_schema(
orient="vertical", # 时间轴是v ertical垂直 还是 horizontal 水平
is_auto_play=True, # 是否自动播放动图
is_inverse=True, # 是否反向放置
play_interval=500, # 自动播放时每一帧图像之间的时间间隔
# pos_left="null",
pos_right="5",
pos_top="20",
pos_bottom="20",
width="60",
label_opts=opts.LabelOpts(is_show=True, color="#FBD0E5"),
)
timeline.render("china_gdp_from_1993_to_2018_color.html") # 渲染为html页面
上述代码中，把看板图渲染成了html页面，这个页面可以发送给别人通过浏览器打开。
如果使用的IDE是jupyter notebook的话，也可以直接在notebook中渲染，看板内嵌到ipynb文件中。
在notebook中渲染的代码如下：只需要加在所有代码的最后一行即可。
timeline.render_notebook()
最终的可视化效果见动图。
