pyecharts的Tab和Legend布局詳情

更新時間：2022年03月07日 09:19:08 作者：帥帥de三叔

這篇文章主要介紹了pyecharts的Tab和Legend布局，pyecharts是百度開源的一款第三方繪圖模塊，結(jié)合的python語言的簡易性和Echarts的強(qiáng)大繪圖特性，可以用python對其調(diào)用，輸出交互性好，精美乖巧且符合審美的圖表，下文我們就來學(xué)習(xí)pyecharts的Tab和Legend煩人布局布局

讀者朋友有時候是不是和我有一樣的困惑，用慣了matplotlib和seaborn繪制各種各樣的小圖供自己觀察的時候還算得心應(yīng)手，但是一旦到了要持續(xù)的大批量繪制一些圖表供非數(shù)據(jù)分析人員長久觀察的時候又覺得吃力，那么有沒有一款第三方python模塊能夠幫我們解決這種困惑呢？答案是肯定的，這就要推薦我們今天的主角——pyecharts。

pyecharts是百度開源的一款第三方繪圖模塊，結(jié)合的python語言的簡易性和Echarts的強(qiáng)大繪圖特性，可以用python對其調(diào)用，輸出交互性好，精美乖巧且符合審美的圖表，而且還可以輕松的集成到Flask，Django 等主流 Web 框架，方便自己和別人長久可持續(xù)觀看。

一、布局設(shè)計思路

拋開數(shù)據(jù)談布局簡直有點(diǎn)天荒夜談，數(shù)據(jù)長什么樣決定了圖表的花容月貌，熟稔自己手里的數(shù)據(jù)才能知自知彼繪制出優(yōu)美的圖表出來，首先看一下我們樣例數(shù)據(jù)長什么樣。

上圖是我們的數(shù)據(jù)表，主要包含的字段有id, flight_date,cargo_type,cargo_weight以及cargo_rate, 其中id類似身份識別號，數(shù)量大約有400個左右，一個id就是一個主體，flight_date是記錄id的時間，單位是日期，cargo_type表示主體承載的貨物類別主要有"A;B", "C;D;E"和 "M"三大類，而cargo_weight和cargo_rate分別表示貨物的重量和價格，這種類型的數(shù)據(jù)是不是像極了我們平時遇到的各個門店里各類商品每天的銷售數(shù)據(jù)。

知道了數(shù)據(jù)長什么樣子后，我們就可以在草稿紙上畫一畫，比如我希望把cargo_weight和cargo_rate兩者隨著時間的變化而展現(xiàn)出的優(yōu)美走位繪制出來，自然而然，flight_date就作為時間線索橫梗在下面，cargo_weight和cargo_rate畫在橫坐標(biāo)之上的兩位舞者，為了區(qū)分，可以用柱狀圖繪制cargo_weight, 用曲線繪制cargo_rate，猶如蛟龍在群峰之間蜿蜒向前，為了區(qū)分刻畫cargo_weight和cargo_rate兩者之間不同數(shù)量級，我還需要引入主縱坐標(biāo)和副縱坐標(biāo)，用主坐標(biāo)刻畫cargo_weight的度量，用副坐標(biāo)刻畫cargo_rate的度量，有了這些基本要素之后，接下來問題的關(guān)鍵是怎么把id和cargo_type各放恰當(dāng)?shù)奈恢?？這的確需要動些腦子，考慮到id和cargo_type兩者的數(shù)量，可以把cargo_type作為Tab標(biāo)簽，而id作為Legend圖例，可以讓觀察者每選定一個主體就能看到這個主體不同cargo_type的歷史上cargo_weight和cargo_rate走勢情況，而且還可以賦予每一個cargo_type一個主體配置。

二、操作實(shí)踐

有了藍(lán)圖便胸有成竹，下面便是撰寫代碼實(shí)現(xiàn)的時候了

import pandas as pd
import pymysql
import pyecharts
from pyecharts import options as opts
from pyecharts.charts import Bar, Grid, Line, Tab
from pyecharts.globals import ThemeType

con = pymysql.Connect(host='000.00.0.00', user ='***', passwd='******', database='***')
r_sql = "select id, cargo_type, flight_date, cargo_weight, cargo_rate from adm.adm_ifs_rate_order_price order by flight_date asc, voyage desc" #航班訂單數(shù)據(jù)
f_sql = "select concat(flight_no, '-', orac_3airport, '-', dstc_3airport) as id from ods.dm_flt_info where flight_date = date_sub(curdate(), INTERVAL -1 day) order by id asc" #次日航班計劃
raw_data = pd.read_sql(con = con, sql = r_sql) #讀取運(yùn)單原數(shù)據(jù)
flight_id = pd.read_sql(con = con, sql = f_sql )['id'] #讀取航班計劃
con.close() #關(guān)閉鏈接

flight_cargo = raw_data.query("id == @flight_id[0]") #篩選具體航班

cargo_type = ['A;B', 'C;D;E', 'M']
cargo_ab = flight_cargo.query("cargo_type == @cargo_type[0] ")[["flight_date", ?"cargo_weight", ?"cargo_rate"]] #篩選某個貨物類別
cargo_cde = flight_cargo.query("cargo_type == @cargo_type[1] ")[["flight_date", ?"cargo_weight", ?"cargo_rate"]] #篩選某個貨物類別
cargo_m = flight_cargo.query("cargo_type == @cargo_type[2] ")[["flight_date", ?"cargo_weight", ?"cargo_rate"]] #篩選某個貨物類別

def ab_() -> Grid:
? ? bar = (
? ? ? ? Bar()
? ? ? ? .add_xaxis(cargo_ab.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)量", cargo_ab.cargo_weight.values.tolist(), yaxis_index=0)

? ? ? ? .set_series_opts(
? ? ? ? ? ? itemstyle_opts=opts.ItemStyleOpts(
? ? ? ? ? ? ? ? opacity=0.5,
? ? ? ? ? ? )
? ? ? ? ?)
? ? ? ? ?.extend_axis(
? ? ? ? ? ? yaxis=opts.AxisOpts(
? ? ? ? ? ? ? ? type_="value",
? ? ? ? ? ? ? ? name="運(yùn)價",
? ? ? ? ? ? ? ? position="right",
? ? ? ? ? ? ? ? axisline_opts=opts.AxisLineOpts(
? ? ? ? ? ? ? ? ? ? linestyle_opts=opts.LineStyleOpts(color="#675bba")
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? ? ? splitline_opts=opts.SplitLineOpts(
? ? ? ? ? ? ? ? ? ? is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=0.5)
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? )
? ? ? ? )

? ? ? ? .set_global_opts(
? ? ? ? ? ? title_opts = opts.TitleOpts(title = flight_id[0]),
? ? ? ? ? ? yaxis_opts=opts.AxisOpts(name="運(yùn)量"),
? ? ? ? ? ? datazoom_opts = opts.DataZoomOpts(),

? ? ? ? )
? ? )


? ? line = (
? ? ? ? Line()
? ? ? ? .add_xaxis(cargo_ab.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)價", cargo_ab.cargo_rate.values.tolist(),yaxis_index=1
? ? ? ? )
? ? )

? ? bar.overlap(line)
? ? return Grid().add(
? ? ? ? bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True
? ? )


def cde_() -> Grid:
? ? bar = (
? ? ? ? Bar()
? ? ? ? .add_xaxis(cargo_cde.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)量", cargo_cde.cargo_weight.values.tolist(), yaxis_index=0)

? ? ? ? .set_series_opts(
? ? ? ? ? ? itemstyle_opts=opts.ItemStyleOpts(
? ? ? ? ? ? ? ? opacity=0.5,
? ? ? ? ? ? )
? ? ? ? ?)
? ? ? ? ?.extend_axis(
? ? ? ? ? ? yaxis=opts.AxisOpts(
? ? ? ? ? ? ? ? type_="value",
? ? ? ? ? ? ? ? name="運(yùn)價",
? ? ? ? ? ? ? ? position="right",
? ? ? ? ? ? ? ? axisline_opts=opts.AxisLineOpts(
? ? ? ? ? ? ? ? ? ? linestyle_opts=opts.LineStyleOpts(color="#675bba")
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? ? ? splitline_opts=opts.SplitLineOpts(
? ? ? ? ? ? ? ? ? ? is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=0.5)
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? )
? ? ? ? )

? ? ? ? .set_global_opts(
? ? ? ? ? ? title_opts=opts.TitleOpts(title=flight_id[0]),
? ? ? ? ? ? yaxis_opts=opts.AxisOpts(name="運(yùn)量"),
? ? ? ? ? ? datazoom_opts=opts.DataZoomOpts(),
? ? ? ? )
? ? )


? ? line = (
? ? ? ? Line()
? ? ? ? .add_xaxis(cargo_cde.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)價", cargo_cde.cargo_rate.values.tolist(),yaxis_index=1
? ? ? ? )
? ? )

? ? bar.overlap(line)
? ? return Grid().add(
? ? ? ? bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True
? ? )

def m_() -> Grid:
? ? bar = (
? ? ? ? Bar()
? ? ? ? .add_xaxis(cargo_m.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)量", cargo_m.cargo_weight.values.tolist(), yaxis_index=0)

? ? ? ? .set_series_opts(
? ? ? ? ? ? itemstyle_opts=opts.ItemStyleOpts(
? ? ? ? ? ? ? ? opacity=0.5,
? ? ? ? ? ? )
? ? ? ? ?)
? ? ? ? ?.extend_axis(
? ? ? ? ? ? yaxis=opts.AxisOpts(
? ? ? ? ? ? ? ? type_="value",
? ? ? ? ? ? ? ? name="運(yùn)價",
? ? ? ? ? ? ? ? position="right",
? ? ? ? ? ? ? ? axisline_opts=opts.AxisLineOpts(
? ? ? ? ? ? ? ? ? ? linestyle_opts=opts.LineStyleOpts(color="#675bba")
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? ? ? splitline_opts=opts.SplitLineOpts(
? ? ? ? ? ? ? ? ? ? is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=0.5)
? ? ? ? ? ? ? ? ),
? ? ? ? ? ? )
? ? ? ? )

? ? ? ? .set_global_opts(
? ? ? ? ? ? title_opts=opts.TitleOpts(title=flight_id[6]),
? ? ? ? ? ? yaxis_opts=opts.AxisOpts(name="運(yùn)量"),
? ? ? ? ? ? datazoom_opts=opts.DataZoomOpts(),
? ? ? ? )
? ? )


? ? line = (
? ? ? ? Line()
? ? ? ? .add_xaxis(cargo_m.flight_date.values.tolist())
? ? ? ? .add_yaxis("運(yùn)價", cargo_m.cargo_rate.values.tolist(),yaxis_index=1
? ? ? ? )
? ? )

? ? bar.overlap(line)
? ? return Grid().add(
? ? ? ? bar, opts.GridOpts(pos_left="5%", pos_right="20%"), is_control_axis_index=True
? ? )


tab ?= Tab()
tab.add(ab_(), "A;B")
tab.add(cde_(), "C;D;E")
tab.add(m_(), "M")
tab.render_notebook()

下面結(jié)合效果圖對代碼做一下簡單的解析，整個代碼可以分3大塊，第一塊是連接數(shù)據(jù)庫讀取原數(shù)據(jù)并將數(shù)據(jù)一分為三，每一份數(shù)據(jù)為一個獨(dú)立的貨物類別；第二塊是各用一個函數(shù)實(shí)現(xiàn)某類別貨物cargo_weight和cargo_rate展示，而每一個函數(shù)作為Tab的參數(shù)進(jìn)行調(diào)用，這樣，每一個類別形成一個Tab，每一個Tab下面剛好有這個id的歷史cargo_weight和cargo_rate走勢情況，這樣做樣做的好處，用Tab就可以劃分了cargo_type中"A;B", "C;D;E"和 "M"三個類別；最后調(diào)用render_notebook函數(shù)把所有Tab渲染出來。

結(jié)論：

效果圖可以看到如果只要畫一個id的各類貨物的cargo_weight和cargo_rate走勢的話，效果還是不錯的，然而我們的id數(shù)目高達(dá)400個，上述方法很難奏效，我們希望讓id去替換上圖的運(yùn)量和運(yùn)價兩個圖例，形成id簇的圖例，最好還可以對圖例進(jìn)行選擇或者翻頁

到此這篇關(guān)于pyecharts的Tab和Legend布局詳情的文章就介紹到這了,更多相關(guān)Tab和Legend布局內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: