python使用pyecharts对猫眼电影票房精美可视化分析简单仪表盘？？（五个图好多个组件！！）

本次带来的是象形柱状图，玫瑰饼图，柱状图，折线图，漏斗图，并在一个网页上显示。排版也不好，其实我就是翻译下文档给大家讲解一下！
我又来了！上次做了个猫眼电影的不过瘾，又感觉票房其实是最好拿到的数据，就接着它做了。
直接上！
工具：python，pyecharts，爬虫

效果图1：

效果图2：

首先我们先来爬取数据

代码和上一篇差不多

# dict = []
# url = 'http://piaofang.maoyan.com/second-box?beginDate=20191231'
# def use_url(url):
#     headers = {
#         'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36',
#     }
#     res = requests.get(url=url,headers=headers)
#     res.encoding='utf-8'
#     print(res.text)
#     data = res.json()
#     print(data)
#     for i in data['data']['list']:
#         dic = {}
#         dic['电影']=i['movieName']
#         dic['票房占比']=i['boxRate']
#         dic['综合票房']=i['boxInfo']
#         dic['场均人次']=i['avgShowView']
#         dic['排片占比']=i['showRate']
#         dic['上座率'] = i['avgSeatView']
#         dict.append(dic)
#
#     return dict
# print(dict)
# use_url(url=url)
# df_result = pd.DataFrame(dict)
# print(df_result)
# df_result.to_csv(r'票房1111.csv',encoding='utf-8')#导入到excel文件

数据爬取好以后因为我们的数据中是有%号的，没法直接排序绘制轴，所以都需要先进行数据清洗，先将<0.1%的设置成0.1%，其实也可以都在下面删除%的那一步设置，但是这不是还能再多学点方法以后万一以后用到呢

df = pd .read_csv('票房1111.csv')
print(df.head(2))
df.loc[df.票房占比=='<0.1%','票房占比'] ='0.1%'
print(df['票房占比'])
df.loc[df.排片占比=='<0.1%','排片占比'] ='0.1%'
print(df['排片占比'])
print(list(z) for z in zip(v, Faker.values()))
p_float = df['票房占比'].str.strip("%").astype(float)
p_float1 = df['排片占比'].str.strip("%").astype(float)
p_float2 = df['上座率'].str.strip("%").astype(float)
p_float3 = df['场均人次'].astype(float)

清洗完以后我们的数据应该是float类型的数据将它们作为y轴使用，之后我们就可以开始绘图处理啦！
先简单讲一下，绘图配置组件组件其实配置的话也就几个地方的配置，.set_global_opts（全局配置）， .set_series_opts（局部配置）以及轴的配置等，外部的效果其实都是在配置中改出来的。
需要导入的库：

from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie,Grid,Line,Tab,Funnel,PictorialBar
from scrapy import Selector
from pyecharts.commons.utils import JsCode
import requests
import pandas as pd

首先我们看下第一个柱状图分析一下，这不是一个普通的柱状图，他还有照片，哇哦，好神奇，这里其实加的有主题light，bg_color中添加的图片，然后markpoint显示的最大最小值，然后inside的动态变化。

def bar()  -> Bar:bar = (Bar(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut"),#弹出效果，打开时带动画theme="light",#主题（主题其实有好多种）width="1200px", height="600px",#图的大小bg_color={"type": "pattern","image": JsCode("img"),"repeat": "no-repeat",}#设置背景颜色，我们这里选择的添加图片),).add_xaxis(list(df['电影'])).add_yaxis("电影票房", list(p_float)).add_yaxis("电影排片", list(p_float1)).reversal_axis()#翻转横纵轴.set_global_opts(title_opts=opts.TitleOpts(title="电影票房与电影排片", subtitle="我是副标题"),datazoom_opts=opts.DataZoomOpts(type_="inside"),#全局配置标题以及动态滑动特效).set_series_opts(markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"),opts.MarkPointItem(type_="average", name="平均值"),]),#局部配置，这里设置凸显出值))bar.add_js_funcs("""var img = new Image(); img.src = 'dd.jpg';"""）#传入的图片在这return bar

然后是第二幅折线与柱状的合并，多轴数据图，这里使用的grid布局，将多图结合，同时指定布局与其他配置

def grid() -> Grid:line = (Line().add_xaxis(list(df['电影'])).add_yaxis("场均人次", list(p_float3),yaxis_index=2,color="#9370DB",is_smooth=True,is_hover_animation=True,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max"),opts.MarkPointItem(type_="min")]),)#配置y轴，设置轴颜色，突出点的位置，是否平滑的曲线，其他位置配置转到index=2中设置，下同.set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")))bar1 = (Bar(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut"),#弹出动画bg_color="#87CEEB",height="100px",),).add_xaxis(list(df['电影'])).add_yaxis("上座率", list(p_float2), yaxis_index=1,category_gap="80%").add_yaxis("电影排片", list(p_float1), yaxis_index=0,category_gap="80%")#设置轴的间隔.extend_axis(yaxis=opts.AxisOpts(name="上座率",type_="value",position="right",axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#d14a61")),axislabel_opts=opts.LabelOpts(formatter="{value}%"),)#现在我们添加对轴的额外设置下同，其实就是用index指定哪个轴，设置轴名，位置，颜色，数值).extend_axis(yaxis=opts.AxisOpts(type_="value",name="场均人次",position="left",axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#675bba")),axislabel_opts=opts.LabelOpts(formatter="{value}"),splitline_opts=opts.SplitLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)),)).set_global_opts(title_opts=opts.TitleOpts(title="上座率电影排片与场均人次", subtitle="我是副标题"),datazoom_opts=opts.DataZoomOpts(type_="inside"),yaxis_opts=opts.AxisOpts(name="电影排片",position="right",offset=80,axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#5793f3")),axislabel_opts=opts.LabelOpts(formatter="{value}%"),),tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),).set_series_opts(itemstyle_opts={"normal": {"color": JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: 'rgba(0, 244, 255, 1)'}, {offset: 1,color: 'rgba(0, 77, 167, 1)'}], false)"""),"barBorderRadius": [30, 30, 30, 30],"shadowColor": 'rgb(0, 160, 221)',}},#这里局部设置，绘制渐变圆柱形柱状markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max", name="最大值"),opts.MarkPointItem(type_="min", name="最小值"),opts.MarkPointItem(type_="average", name="平均值"),]),))bar1.overlap(line)grid = (Grid(init_opts=opts.InitOpts(width="1500px", height="500px")).add(bar1, opts.GridOpts(pos_left="5%", pos_right="20%",pos_top="30%"), is_control_axis_index=True))#grid布局，将line添加进bar1里，并设置位置与大小return grid

然后是第三幅玫瑰饼图，我们这里设置了滚动栏

def pie_rosetype() -> Pie:pie = (Pie(init_opts=opts.InitOpts(width="1200px", height="600px"))#设置图例大小.add("",[list(z) for z in zip(df['电影'], p_float)],radius=[100, 120],#饼图的大小center=["25%", "50%"],#饼图的位置rosetype="radius",).add("",[list(z) for z in zip(df['电影'], p_float1)],radius=[100, 120],center=["65%", "50%"],rosetype="radius",).set_global_opts(title_opts=opts.TitleOpts(title="电影的票房占比与排片占比", subtitle="电影票房占比与排片占比",pos_top="10%",pos_left="30%"),legend_opts=opts.LegendOpts(type_="scroll", pos_right="4%",pos_top="10%", orient="vertical"))#设置滚动条.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"),)#设置图示)return pie

第四漏斗图：没啥细致操作，就是越来越懒了…

def bing() -> Funnel:c = (Funnel().add("商品", [list(z) for z in zip(list(df['电影'][:10]), list(p_float)[:10])],#为了美观，我这里就取了前几天数据label_opts=opts.LabelOpts(position="inside"),).set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例"),legend_opts=opts.LegendOpts(type_="scroll", pos_right="4%",pos_top="10%", orient="vertical")))##滚动条return c

最后一幅图，象形柱状图

def pic() -> PictorialBar:c = (PictorialBar().add_xaxis(list(df['电影'])).add_yaxis("",list(p_float2),label_opts=opts.LabelOpts(is_show=False),symbol_size=18,symbol_repeat="fixed",symbol_offset=[0, 0],#偏移量is_symbol_clip=True,symbol='path://M29.902,23.275c1.86,0,3.368-1.506,3.368-3.365c0-1.859-1.508-3.365-3.368-3.365 c-1.857,0-3.365,1.506-3.365,3.365C26.537,21.769,28.045,23.275,29.902,23.275z M36.867,30.74c-1.666-0.467-3.799-1.6-4.732-4.199 c-0.932-2.6-3.131-2.998-4.797-2.998s-7.098,3.894-7.098,3.894c-1.133,1.001-2.1,6.502-0.967,6.769 c1.133,0.269,1.266-1.533,1.934-3.599c0.666-2.065,3.797-3.466,3.797-3.466s0.201,2.467-0.398,3.866 c-0.599,1.399-1.133,2.866-1.467,6.198s-1.6,3.665-3.799,6.266c-2.199,2.598-0.6,3.797,0.398,3.664 c1.002-0.133,5.865-5.598,6.398-6.998c0.533-1.397,0.668-3.732,0.668-3.732s0,0,2.199,1.867c2.199,1.865,2.332,4.6,2.998,7.73 s2.332,0.934,2.332-0.467c0-1.401,0.269-5.465-1-7.064c-1.265-1.6-3.73-3.465-3.73-5.265s1.199-3.732,1.199-3.732 c0.332,1.667,3.335,3.065,5.599,3.399C38.668,33.206,38.533,31.207,36.867,30.74z',)#这里是图像中小人的url路径.reversal_axis()#翻转.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_="inside"),title_opts=opts.TitleOpts(title="PictorialBar-自定义 Symbol"),xaxis_opts=opts.AxisOpts(is_show=False),yaxis_opts=opts.AxisOpts(axistick_opts=opts.AxisTickOpts(is_show=False),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(opacity=0)),),))return c

现在我们所有的图都画好了，下一步我们需要将它们结合起来，使用开头两张gif的方式
第一：使用page（）方法将所有图放在一个页面中
page = Page() page.add(bar(), grid(), pie_rosetype(),bing(),pic()) page.render("line.html")
由于显示器的不同，width与height需要在各自的图中设置大小
第二：使用Tab（）方法将所有图放在一个页面的不同格中

tab = Tab()
tab.add(bar(), "bar-example")
tab.add(grid(), "grid-example")
tab.add(pie_rosetype(), "pie-example")
tab.add(bing(), "bing-example")
tab.add(pic(), "pic-example")
tab.render("line1.html")

都分别加入
大功告成，不美观，就举例子，探索才能使人进步！！！！

python使用pyecharts对猫眼电影票房精美可视化分析简单仪表盘？？（五个图好多个组件！！）相关推荐

python实现的、带GUI界面电影票房数据可视化程序
代码地址如下: http://www.demodashi.com/demo/14588.html ##详细说明: Tushare是一个免费.开源的python财经数据接口包.主要实现对股票等金融数据从 ...
记第一天使用node做爬虫——爬取猫眼电影票房总榜以及指定电影的豆瓣评论前200条
首先,我是一个做前端的应届生,今天朋友想让我帮忙爬取猫眼电影票房总榜的数据,但是我之前一点都没接触过爬虫,但我还是说:okk,我试试: 然后试试就逝世,各种坑接踵而来: 提前声明:这篇文章暂时只是获取 ...
python实现的电影票房数据可视化
代码地址如下: http://www.demodashi.com/demo/14275.html ##详细说明: Tushare是一个免费.开源的python财经数据接口包.主要实现对股票等金融数据从 ...
【python教程入门学习】Python爬虫抓取猫眼电影排行榜
本节使用 Python 爬虫抓取猫眼电影网 TOP100 排行榜(https://maoyan.com/board/4)影片信息,包括电影名称.上映时间.主演信息. 在开始编写程序之前,首先要确定页面 ...
[好文!!!]pyecharts实现星巴克门店分布可视化分析
pyecharts实现星巴克门店分布可视化分析项目介绍使用pyecharts对星巴克门店分布进行可视化分析: 全球门店分布/拥有星巴克门店最多的10个国家或地区: 拥有星巴克门店最多的10个城市: ...
python数据分析工资_python3对拉勾数据进行可视化分析的方法详解
前言上回说到我们如何把拉勾的数据抓取下来的,既然获取了数据,就别放着不动,把它拿出来分析一下,看看这些数据里面都包含了什么信息. 下面话不多说了,来一起看看详细的介绍吧一.前期准备由于上次抓的数 ...
【Python爬虫】爬取猫眼电影票房
题记本文旨在记录爬取猫眼电影国内票房榜单的过程,以及对脚本内字体文件反爬函数的说明. 环境系统: Windows 10 Python版本: Python 3.7 爬取时间: 2019.3.19 难 ...
python爬虫猫眼电影票房_python爬取猫眼电影top100排行榜
爬取猫眼电影TOP100(http://maoyan.com/board/4?offset=90) 1). 爬取内容: 电影名称,主演, 上映时间,图片url地址保存到mariadb数据库中; 2). ...
猫眼电影票房爬取到MySQL中_爬虫之爬取猫眼电影专业版实时数据排行榜
猫眼电影专业版实时数据排行榜是个持续更新的用ajax写成的网站,一般而言,爬取它比较麻烦,需要使用ajax/js进行爬取,python中的requests库可以获取网站的ajax,再通过json库解析 ...

python使用pyecharts对猫眼电影票房精美可视化分析简单仪表盘？？（五个图好多个组件！！）

python使用pyecharts对猫眼电影票房精美可视化分析简单仪表盘？？（五个图好多个组件！！）相关推荐

最新文章

热门文章