用pyecharts生成仪表盘——将多张图片汇总到一个页面，大屏可视化数据展示

（前情提要）我爬了拉勾网搜索“设计”职位的招聘信息，详见Python爬虫获取拉勾网招聘信息并用pyecharts画了地图Geo,Map，条形图，饼图，词云图以及箱线图。详见拉勾网“设计”职位数据分析之用pyecharts画地图Geo,Map，拉勾网“设计”职位数据分析之用pyecharts画条形图Bar，拉勾网“设计”职位数据分析之用pyecharts画饼图（南丁格尔图玫瑰图）Pie，拉勾网“设计”职位数据分析之用pyecharts画词云图，拉勾网“设计”职位数据分析之用pyecharts画箱线图。
接下来，就用pyecharts里的page，将前面生成的统计图都汇总到一个页面，并生成大屏可视化数据展示。

import json
import pandas as pd
import numpy as np
import jieba
import jieba.analyse
from pyecharts import options as opts
from pyecharts.charts import Geo,Map,Bar, Line, Page,Pie, Boxplot, WordCloud
from pyecharts.globals import ChartType, SymbolType,ThemeType

我把之前的生成各个统计图的代码都写到函数里啦，在此就不再赘述了。

#数据分析
#画各个省市招聘人数块地图
def setmap(df):  #转化省份信息dfp = pd.read_excel('province.xlsx')df_new = pd.merge(df,dfp.loc[:,['city','province']],how='left',on = 'city')result=pd.value_counts(df_new['province'])resultp=dict(result)province = list(resultp.keys())values = list(resultp.values())valuesint=[]for i in values:valuesint.append(int(i))c = (Map(init_opts=opts.InitOpts( theme=ThemeType.LIGHT))#设置主题.add("各个省市招聘人数", [list(z) for z in zip(province, valuesint)], "china",is_map_symbol_show=False, tooltip_opts=opts.TooltipOpts()).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="各个省市招聘人数"),visualmap_opts=opts.VisualMapOpts(max_=200,is_piecewise = True,#图例分段显示)))return c#画各个省市招聘人数条形图
def setbar(df):#转化省份信息dfp = pd.read_excel('province.xlsx')df_new = pd.merge(df,dfp.loc[:,['city','province']],how='left',on = 'city')result=pd.value_counts(df_new['province'])resultp=dict(result)province = list(resultp.keys())values = list(resultp.values())valuesint=[]for i in values:valuesint.append(int(i))c = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#设置主题.add_xaxis(province)#x轴为省份.add_yaxis("人数",valuesint)#y轴为人数.set_global_opts(title_opts=opts.TitleOpts(title="各个省市招聘人数")).set_series_opts(label_opts=opts.LabelOpts(is_show=False),#插入平均值线markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(type_="average", name="平均值"),]),#插入最大值最小值点markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"),]))
)return c#画学历饼图
def setpai(df):result=pd.value_counts(df['education'])resulted=dict(result)ed = list(resulted.keys())edvalues = list(resulted.values())edvaluesint=[]for i in edvalues:edvaluesint.append(int(i))c = (Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add("",[list(z) for z in zip(ed, edvaluesint)],radius=["30%", "75%"],center=["25%", "50%"],rosetype="radius",label_opts=opts.LabelOpts(is_show=False),).add("",[list(z) for z in zip(ed, edvaluesint)],radius=["30%", "75%"],center=["75%", "50%"],rosetype="area",).set_global_opts(title_opts=opts.TitleOpts(title="学历要求")))return c#画不同工作经验的薪酬分布箱线图
def setbox(df):#处理薪酬数据pattern = '\d+'# 将字符串转化为列表,薪资取最低值加上区间值得25%，比较贴近现实df['salarys'] = df['salary'].str.findall(pattern)#avg_salary_list = []for k in df['salarys']:int_list = [int(n) for n in k]avg_salary = int_list[0] + (int_list[1] - int_list[0]) / 4avg_salary_list.append(avg_salary)df['月薪'] = avg_salary_list#处理工作年限数据df['workYears']=df['workYear'].replace({'应届毕业生':'1年以下','不限':'1年以下'})groupby_workyear=df.groupby(['workYears'])['月薪']count_groupby_workyear=groupby_workyear.count()count_groupby_workyear=count_groupby_workyear.reindex(['1年以下','1-3年','3-5年','5-10年'])a = count_groupby_workyear.indexdff=[]for b in a:c=groupby_workyear.get_group(b).valuesdff.append(c)c = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))c.add_xaxis(['1年以下','1-3年','3-5年','5-10年']).add_yaxis("薪酬k/月", c.prepare_data(dff)).set_global_opts(title_opts=opts.TitleOpts(title="不同工作经验的薪酬分布"))return c#画设计类型饼图
def setrose(df):result=pd.value_counts(df['secondType'])resultst=dict(result)st= list(resultst.keys())stvalues = list(resultst.values())stvaluesint=[]for i in stvalues:stvaluesint.append(int(i))c = (Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add("",[list(z)for z in zip(st ,stvaluesint ,)],#设置圆心坐标center=["40%", "57%"],).set_global_opts(title_opts=opts.TitleOpts(title="设计类型"),legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical",pos_top="15%"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")))return c#画岗位需求词云图
def setword(df):needs=[]for i in df['need']:needs.append(i)set_need=str(needs).replace('n1',"").replace('n2',"").replace('n3',"").replace('n4',"").replace('n5',"").replace('n6',"").replace('n7',"").replace('n',"")cut = jieba.lcut(set_need)need_cut=' '.join(cut)#设置停止词，删除跟岗位需求无关的词stopwords = ['nan','具备','岗位职责','任职','相关','公司','进行','工作','根据','提供','作品','以上学历','优先','计算','经验','学历','上学','熟练','使用','以上','熟悉','能力','负责','完成','能够','要求','项目','制作','具有','良好','行业','专业','设计','团队','岗位','优秀','我们','关注','xa0','产品','软件','n6','视频','创意','游戏','需求','视觉','大专','本科','各种','以及','n7','了解','职位','结果']jieba_need = jieba.analyse.extract_tags(set_need, topK=80, withWeight=True)jieba_result=[]for  i in jieba_need:if i[0] not in stopwords:jieba_result.append(i)c = (WordCloud(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)).add("", jieba_result, word_size_range=[20, 100],shape=SymbolType.RECT).set_global_opts(title_opts=opts.TitleOpts(title="岗位需求")))return c

下面重点来了，首先需要保证你的pyecharts版本在1.4以上，我这里安装了最新版本的pip install pyecharts==1.7.1，还有page = Page(layout=Page.DraggablePageLayout)记住这句话是关键信息！

df = pd.read_excel('lagou_sj.xlsx')
page = Page(layout=Page.DraggablePageLayout)
page.add(setword(df),setrose(df),setbox(df),setpai(df),setbar(df),setmap(df))
page.render("test.html")

这时候打开保存好的"test.html"文件，大概是这个样子（我稍微压缩了一下，不然截图不方便）
你会看到有很多虚线的方格，这些模块就是我们之前生成的统计图，接下来就是见证你的美术（拼图）功底的时候啦，点击鼠标可以放大缩小，拖动位置，把这些图片排成你喜欢的亚子。

之后一定要点一下左上角的Save Config按钮，会自动下载一个保存了你刚才设置的json，再用这个文件“格式化”你的page并保存

Page.save_resize_html("test.html", cfg_file="chart_config.json",dest="my_test.html")

补充强调一下，我是用jupyter notebook写的代码，可以一行一行运行所以没有注意到，如果用别的IDE的小伙伴，运行Page.save_resize_html之前，一定要把前面的page.render("test.html")这句注释掉啊！！！

df = pd.read_excel('lagou_sj.xlsx')
page = Page(layout=Page.DraggablePageLayout)
page.add(setword(df),setrose(df),setbox(df),setpai(df),setbar(df),setmap(df))
#page.render("test.html")
Page.save_resize_html("test.html", cfg_file="chart_config.json",dest="my_test.html")

这就是我们最终的结果啦，我还做了一个底色是黑色的（在生成每张统计图的时候设置一下主题，其他环节都是一样滴）
另外还可以通过修改其他参数来调整最后的html，不过涉及到前端的知识，我就不在这里班门弄斧啦。本次的关于『拉勾网“设计”职位数据分析』系列到这里就告一段落啦，主要是为了记录一下自己学习的心路历程，有不足之处还望各位大神多多包涵，多多交流

本文学习了@乌鸦坐飞机大神的pyecharts实现新冠肺炎疫情可视化并搭建BI数据大屏(Plus)，小伙伴们也可以移步去那里学习鸭

另外爬虫数据我也上传啦，有需要（懒得爬虫）的小伙伴可以下载下来自己动手试试哈~拉勾网设计岗位数据（3月）（可能与文中的数据有稍许不同，时间太长了记不清楚了，大同小异，自己爬更准确哦）

更新上传城市-省份对应表城市-省份对应表，网上找不到，或者懒得改格式的小伙伴可以自行下载领取哈~

用pyecharts生成仪表盘——将多张图片汇总到一个页面，大屏可视化数据展示相关推荐

【可视化开发】数据大屏可视化技术汇总
由于工作原因,需要用到一些大屏可视化技术,于是通过网上整理.自我学习等多途径,汇总了一份大屏可视化技术的思维导图,如下: 这里主要汇总的是: 大屏可视化技术! 大屏可视化技术! 大屏可视化技术! 重要 ...
pyecharts 大屏可视化学习
@pyecharts 大屏可视化学习,记录,总结先看看效果图表代码都是官网直接复制的,主要是为了学习方法,学习到底如何大屏布局. 参考学习 1.https://blog.csdn.net/bo_g ...
可视化框架、Axure原型、大屏可视化、图表组件、图表元件库、统计图表、数据可视化模板、条形图、折线图、散点图、时间轴、仪表盘、饼图、散点图、雷达图、高山图、登录模板、弹窗、弹幕、预警、散点图
可视化框架.数据可视化综合管理平台.大屏可视化.图表组件.图表元件库.统计图表.数据可视化模板.条形图.折线图.散点图.时间轴.仪表盘.饼图.散点图.雷达图.高山图.登录模板.弹窗.弹幕.预警.散点图 ...
小福利，采用excel函数制作大屏可视化，用sumifs函数快速统计汇总数据，锁行锁列以及锁列不锁行
小福利,采用excel函数制作大屏可视化,用sumifs函数快速统计汇总数据,锁行锁列以及锁列不锁行源数据如下图所示第一步处理源数据的效果是下图其中根据年份变化,求总订单量.总销量.总销售额,只 ...
[pyecharts学习笔记]——页面组件 Page（顺序多图，将多个图将汇总到一个页面）
学习了许多 pyecharts绘制的图形后,总想着,如果能将所有图片集中到一个页面就好了,这样就可以对不同的情况进行同时交互展示 pyecharts 中的页面组件 Page 很好的解决的这个问题,能 ...
Python爬取全国大学排名用pyecharts进行大屏可视化
爬取全国大学排名用pyecharts进行可视化院校网址:http://college.gaokao.com/schlist/p F12 先找到对应的全部list 需要先安装requests,lxm ...
EXCEL仪表盘，可视化大屏，数据看板制作
学习记录: b站:Excel动态仪表盘制作流程把数据透视表讲的非常之细致,知识点讲解的很到位.
linux vtune 生成文字报告,文字报告太枯燥，教你一招，只需十分钟，一屏可视化！...
我们都明白,相对于枯燥的文字,一些有视觉冲击的事物印象更深.在工作过程中,如在日常的工作汇报中,将采集到的数据信息进行统计.分析,再将数据用图形的方式表达.会方便我们对数据的把控,更直观了解到数据情 ...
【Mind+Python】基于Pyecharts+Flask+Pinpong智能家居数字大屏系统
[Mind+Python]基于Pyecharts+Flask+Pinpong智能家居数字大屏系统前言之前在做项目的时候,遇到了一个问题:就是我想将单片机板子的传感器数据,实时上传到物联网平台,然后 ...
YYDatav的数据可视化大屏《精彩案例汇总》（PythonEcharts源码）
一. 资源下载 [1-10]套Python+Echarts数据可视化大屏案例(共10套)-企业管理文档类资源-CSDN下载第1篇https://yydatav.blog.csdn.net/articl ...

用pyecharts生成仪表盘——将多张图片汇总到一个页面，大屏可视化数据展示

用pyecharts生成仪表盘——将多张图片汇总到一个页面，大屏可视化数据展示相关推荐

最新文章

热门文章