来源：Python数据之道

作者：Peter

整理：Lemon

Pyecharts 组合图形绘制实践

大家好，之前跟大家分享了用 Pyecharts 绘制桑基图和饼图：

• 炫酷！用Python制作漂亮的流动桑基图

• 惊叹，Pyecharts绘制饼图原来可以如此漂亮！

有同学提了一个问题，在 Pyecharts 中如何绘制多个图形，今天我们来分享下组合图的绘制。

在实际的工作需求中，我们经常需要绘制多个甚至多种不同类型的图形，有时候还需要将它们放在一个页面中，达到一个可视化看板的效果。

在本文中将利用 pyecharts 来实现这个需求，同时满足动态可视化的效果，再次感受这个可视化神器的强大之处，让你真正爱上它。

01 环境

• Python 3.7

• Jupyter notebook

• Pandas 1.1.3

• pyecharts 1.7.1

• pyecharts-jupyter-installer 0.0.3

这里提醒下：

pyecharts 的版本一定要保持一致，非常重要！

pyecharts 的版本一定要保持一致，非常重要！

pyecharts 的版本一定要保持一致，非常重要！

在安装的时候可以直接指定版本号，防止出意外

02 单个图形制作

在下面的文章部门我们先逐个绘制多种不同的图形，这些图形的绘制不会涉及到太多的配置项，本文中的重点是如何将不同类型的图形组合在一起。这些图形包含：

• 柱状图

• 饼图

• 折线图

• 热力图

• 漏斗图

• 仪表盘

导入库

在进行绘制数据处理和绘图之前，我们还是需要先导入各种库：

from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入，防止不出图
from pyecharts import options as opts  # 配置项
from pyecharts.charts import Bar, Pie, Line, HeatMap, Funnel, Gauge, Grid, Page  # 各个图形的类
from pyecharts.faker import Faker  # 自身数据
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType,SymbolTypeimport pandas as pd
import numpy as np
import random

模拟数据

首先我们模拟一份简单的数据：通过下面的方式我们可以掌握如何利用pandas快速生成一个DataFrame数据

柱状图

柱状图的制作使用的是 Bar 方法：

bar = (Bar().add_xaxis(df['消费'].tolist()).add_yaxis("5大开支",df['数据'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="Bar-月度开支"),legend_opts=opts.LegendOpts(is_show=False),)
)bar.render_notebook()

饼图

饼图的制作使用的是Pie：

pie = (Pie().add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())]).set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)pie.render_notebook()

饼图视频：

折线图

折线图的制作使用的是 Line：

line = (Line().add_xaxis(df['消费'].tolist()).add_yaxis("月度开支", df['数据'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支"))
)line.render_notebook()

热力图

热力图使用的是HeatMap()方法，在这里我们使用的是pyecharts中自带的数据：

print(Faker.week)
print(Faker.clock)

# 0-50 的随机数+列表推导式# 两层的列表推导式
value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]heatmap = (HeatMap().add_xaxis(Faker.clock)   # 横轴标签.add_yaxis("热力图", Faker.week, value)   # 传入两个列表数据.set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-热力图"),visualmap_opts=opts.VisualMapOpts(),)
)heatmap.render_notebook()

热力图视频：

漏斗图

漏斗图在用户画像中运用的非常广，尤其是在电商领域中，从访问、浏览到最终的支付成功等一系列的操作构成一个漏斗，在这里我们模拟一份数据来绘制漏斗图，先生成一个模拟数据：

绘图代码如下：

funnel = (Funnel().add("商城漏斗", [list(z) for z in zip(df1['操作'].tolist(), df1['人数'].tolist())]).set_global_opts(title_opts=opts.TitleOpts(title="商城用户漏斗分析"))
)funnel.render_notebook()

漏斗图视频：

仪表盘

在这里我们采用官方中的一个实例来制作简单的仪表盘：

gauge = (Gauge().add("", [("完成率", 80)]).set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘"))
)gauge.render_notebook()

03 组合绘图

在上面我们通过不同的方法绘制出了各种不同的图形，都是动态可视化的，非常精美的。下面我们通过 Page 类来将上面的多种图形来放到一个可视化看板中。

1、首先给出整体的绘图代码

# 1、柱状图
def barPage() -> Bar: bar = (Bar().add_xaxis(df['消费'].tolist()).add_yaxis("5大开支",df['数据'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="Bar-月度开支"),legend_opts=opts.LegendOpts(is_show=False),))return bar# 2、饼图
def piePage() -> Pie:pie = (Pie().add("", [list(z) for z in zip(df['消费'].tolist(), df['数据'].tolist())]).set_global_opts(title_opts=opts.TitleOpts(title="Pie-月度开支")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")))return pie# 3、折线图
def linePage() -> Line:line = (Line().add_xaxis(df['消费'].tolist()).add_yaxis("月度开支", df['数据'].tolist()).set_global_opts(title_opts=opts.TitleOpts(title="Line-月度开支")))return line# 4、热力图def heatmapPage() -> HeatMap:value = [[i, j, random.randint(0, 50)] for i in range(24) for j in range(7)]heatmap = (HeatMap().add_xaxis(Faker.clock).add_yaxis("热力图", Faker.week, value).set_global_opts(title_opts=opts.TitleOpts(title="HeatMap-热力图"),visualmap_opts=opts.VisualMapOpts(),))return heatmap# 5、漏斗图
def funnelPage() -> Funnel:funnel = (Funnel().add("商品", [list(z) for z in zip(Faker.choose(), Faker.values())]).set_global_opts(title_opts=opts.TitleOpts(title="Funnel-漏斗图")))return funnel# 6、仪表盘
def gaugePage() -> Gauge:gauge = (Gauge().add("", [("完成率", 80)]).set_global_opts(title_opts=opts.TitleOpts(title="Gauge-仪表盘")))return gauge# 上面是6个图形的代码，下面利用Page进行组合
# !!! 关键步骤
page = (Page(layout=Page.DraggablePageLayout).add(barPage(),piePage(),linePage(),funnelPage(),heatmapPage(),gaugePage())
)page.render("page_demo.html")

2、现在解释一下上面的代码：

• 柱状图、饼图等不同的图形我们封装成不同的函数来实现

• 使用Page类的add方法，添加上面的各个函数

• 最后使用page.render()来生成一个html文件，就是我们的各个图形下一个html页面中

现在看看生成的组合图形1的效果：

组合图形1：

在目前生成的组合图形1中，要注意4点：

• 左上角有个save config的按钮，接下来这个按钮大有用处

• 整体的图形是单个上下排列的，且整体靠左，右边很多的空白

• 每个图形都是虚线框，这表示图形可变大小，同时可以移动的

• 整体需要上下滑动来浏览全部的图形，视觉效果不佳

下面我们通过save config按钮来进行改动，生成一个我们自己想看到的组合图形2效果：

组合图形2：

当我们把图形按照我们的需求排列OK之后，此时图形仍然没有被固定下来，如果我们刷新当前页面，又会变成组合图形1的效果。

现在点击save config按钮，保存我们的配置文件。此时会在本地当前目录下生成一个chart_config.json的配置文件。

接下来我们利用这个配置来生成上面我们想要达到的效果图形，将图形的格式固定下来，使用下面的代码：

Page.save_resize_html("page_demo.html",   # 上面的HTML文件名称cfg_file="chart_config.json",  # 保存的json配置文件dest="new_page_demo.html")  # 新HTML文件名称

在jupyter notebook中再运行一次，这样我们就将图形的格式固定下来了。通过这种方式我们可以设置图形的任意大小和位置，部分截图如下：

本文结合各种图形的简单制作，最终使用 Page 将各种图形组合在一起，形成了一个可视化看板的效果，希望对大家掌握 Pyecharts 的使用有所帮助，真正在实际工作中使用到 Pyecharts 这个视化神器。

作者简介

Peter，硕士毕业僧一枚，从电子专业自学Python入门数据行业，擅长数据分析及可视化。喜欢数据，坚持跑步，热爱阅读，乐观生活。个人格言：不浮于世，不负于己

个人站点：www.renpeter.cn，欢迎常来小屋逛逛

本文来自公众号读者投稿，欢迎各位童鞋向公号投稿，点击下面图片了解详情！

---------End---------

公众号后台回复「微信群」，将邀请加入读者交流群。

• 《Python知识手册》

• 《Matplotlib可视化指南》

• 《Plotly可视化指南》

• 《Pandas使用指南》

• 《机器学习精选》

????分享、点赞、在看，给个三连击呗！????