前言

之前写pandas和matplotlib的时候说到了想要出一期Pyechart系列数据可视化的文章。比起matplotlib，pyeacharts的图表要丰富而且好看，这取决于它是基于百度团队使用Javascript开发的商业级数据图表。而且pyechart文档全，便于开发和阅读文档，熟练掌握后是一种非常好用的数据可视化的工具之一。当然相比pandas的plot代码会繁琐一些，其中一些操作类方法也是比较复杂的，需要对其有个大概的掌握才能作出满意的图表。

在我之前的文章中也有好几次使用到了pyechart方法，但是我觉得既然是完成一些数据可视化的操作应该就要快速可呈现，作为数据处理能够得到解析出想要的数据就足够了，如果有个业务小组完全可以将这一部分交给前端去渲染就好了，主要还是快速出图表给我们自己看，用于调整代码而已。那么废话不多说了开始吧！

一、Tree树图

pyecharts只能说不愧是国人开发，文档真的给力，不用再去啃生肉那么痛苦了。很多详细的参数看开发文档就可以看明白：pyecharts - A Python Echarts Plotting Library built with love.

我们来看它给出的基础例图：

from pyecharts import options as opts
from pyecharts.charts import Treedata = [{"children": [{"name": "B"},{"children": [{"children": [{"name": "I"}], "name": "E"}, {"name": "F"}],"name": "C",},{"children": [{"children": [{"name": "J"}, {"name": "K"}], "name": "G"},{"name": "H"},],"name": "D",},],"name": "A",}
]
c = (Tree().add("", data).set_global_opts(title_opts=opts.TitleOpts(title="Tree-基本示例")).render("tree_base.html")
)

此代码会生成一个网页：

看对应的前端源代码：

<!DOCTYPE HTML>
<html><head><meta charset="utf-8"><title>tree_base.html</title><meta name="viewport" content="width=device-width, initial-scale=1.0">
</head><body><style type="text/css">html, body, #container {height: 100%;}body, #container {overflow: hidden;margin: 0;}#iframe {width: 100%;height: 100%;border: none;}</style><div id="container"><iframe id="iframe" sandbox="allow-scripts" src="/files/Hivesqlblood/tree_base.html"></iframe></div>
</body></html>

sandbox="allow-scripts"允许添加脚本执行，也就是将我们编写的python转换为了js脚本，通过代码输入端口获取echart的配置：

如果不想生成网页将render("tree_base.html")改为render_notebook()即可。

树形图有很多种使用场景，比如事件的从属关系，

这里更主要的是数据处理板块，如果我们仅想要将一行列表数据转换为树形图数据结构该如何处理。

二、数据处理

我们拿到展示数据结构为：

[{"children": [{"name": "B"},{"children": [{"children": [{"name": "I"}], "name": "E"}, {"name": "F"}],"name": "C",},{"children": [{"children": [{"name": "J"}, {"name": "K"}], "name": "G"},{"name": "H"},],"name": "D",},],"name": "A",}
]

也就是结构为 [{"children":[{"name": "B"},{"name": "B"}] ,"name": "temp"}]的类型，我们需要将将数据转换为这个格式数据，就以通用的list来说，如果用树图来表示的话肯定是有一节点为根节点，一部分节点为子节点。就以一个list来说：

list_1=['temp_road_check_20220902', 'dws_crowdsourcing_cs_order_link_mysql', 'track_point_traffic_dev_tk_track_traffic_info_offline']

第一个节点为根节点，其余为子节点。那么我们就可以进行这样分装：

list_1=['temp_road_check_20220902', 'dws_crowdsourcing_cs_order_link_mysql', 'track_point_traffic_dev_tk_track_traffic_info_offline']
list_children=[]
for i in range(len(list_1)-1):children_dict={"name":list_1[i+1]}list_children.append(children_dict)
dict_children={"children":list_children,"name": list_1[0]}
data=[dict_children]

这样的话就可以形成树形图的格式了：

画图也就为：

最好肯定是使用常态化的思维去封装这个方法，通过数据结构调整方法。

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

以上就是本期全部内容。我是fanstuck ，有问题大家随时留言讨论，我们下期见

Pyecharts一文速学-绘制树形图实例+Python代码相关推荐

Pyecharts一文速学-绘制桑基图详解+Python代码
目录前言一.桑基图二.Pyecharts绘制 1.数据处理 2.桑基图参数 1.class Sankey() 2.class SankeyLevelsOpts() 三.add()方法参数 1.s ...
一文速学数模-时序预测模型(四)二次指数平滑法和三次指数平滑法详解+Python代码实现
目录前言二次指数平滑法(Holt's linear trend method) 1.定义 2.公式二次指数平滑值: 二次指数平滑数学模型: 3.案例实现三次指数平滑法(Holt-Winters ...
一文看懂Stacking！(含Python代码)
一文看懂Stacking!(含Python代码) https://mp.weixin.qq.com/s/faQNTGgBZdZyyZscdhjwUQ 转载于:https://www.cnblogs.c ...
模拟退火算法详细讲解（含实例python代码）
模拟退火算法详细讲解(含实例python代码) (一)模拟退火算法简介 (二)模拟退火算法原理 (三)退火过程中参数控制 (四)算法步骤 (五)实例分析最近老师要求做模拟退火算法实验,看了很多博客之 ...
【机器学习】一文读懂层次聚类（Python代码）
本篇和大家介绍下层次聚类,先通过一个简单的例子介绍它的基本理论,然后再用一个实战案例Python代码实现聚类效果. 首先要说,聚类属于机器学习的无监督学习,而且也分很多种方法,比如大家熟知的有K-me ...
一文详解层次聚类（Python代码）
本篇想和大家介绍下层次聚类,先通过一个简单的例子介绍它的基本理论,然后再用一个实战案例Python代码实现聚类效果. 首先要说,聚类属于机器学习的无监督学习,而且也分很多种方法,比如大家熟知的有K-m ...
一文读懂层次聚类（Python代码）
本篇想和大家介绍下层次聚类,先通过一个简单的例子介绍它的基本理论,然后再用一个实战案例Python代码实现聚类效果. 首先要说,聚类属于机器学习的无监督学习,而且也分很多种方法,比如大家熟知的有K-m ...
一文速学(二十一)-数据分析之Pandas快速图表可视化各类操作详解+实例代码(三)
目录前言一.六边形箱图二.饼图三.缺失数据绘制处理
一文速学-时间序列分析算法之移动平均模型(MA)详解+Python实例代码
目录前言一.移动平均模型(MA) 模型原理自回归移动平均模型自相关系数常用的 MA 模型的自相关系数通用: MA(1)模型: MA(2)模型: 自协方差函数二.Python案例实现平 ...

Pyecharts一文速学-绘制树形图实例+Python代码

前言

一、Tree树图

二、数据处理

点关注，防走丢，如有纰漏之处，请留言指教，非常感谢

Pyecharts一文速学-绘制树形图实例+Python代码相关推荐

最新文章

热门文章