大家好,我是Python进阶者。
一、前言大家好,我是Python进阶者。上一篇文章给大家讲到了淘宝数据的预处理和词频处理,没有来得及看的小伙伴,记得去学习了下了,详情戳这里:手把手教你用Pandas库对淘宝原始数据进行数据处理和分词处理。这篇文章紧接着上一篇文章处理得到的数据进行可视化处理,一起来看看吧!
二、可视化可视化部分,我们采用Pyecharts库来进行完成,这个库作图十分的炫酷,而且可以交互,十分带感,强烈推荐。关于这部分,小编以生成配料图表和生成保质期可视化图表为例来进行展开。
1、生成配料饼图针对配料数据,我们使用一个饼图去进行展示,这样显得更加高大上一些,直接上代码。
- # 生成配料图表 def get_ingredients_html(df):
- # 词表分词 names = df.配料表.apply(jieba.lcut).explode()
- df1 = names[names.apply(len)>1].value_counts() # 写入分词后的结果
- with pd.ExcelWriter("淘宝商品配料数据.xlsx") as writer: df1.to_excel(writer, sheet_name="配料")
- fpath = r'C:UserspdcfiDesktop淘宝数据分析淘宝商品配料数据.xlsx' # 读取数据 提取列
- df1 = pd.read_excel(fpath, header=None, skiprows=1, sheet_name='配料', names=['sx', 'sl']) a = df1['sx'].to_list()[:10]
- b = df1['sl'].to_list()[:10]
- from pyecharts.charts import Pie from pyecharts import options as opts
- # 绘制可视化图表 pie = (
- Pie().add('', [list(z) for z in zip(a, b)], radius=["20%", "60%"], # 半径长度
- rosetype="radius" # 扇区圆心角展现数据的百分比,半径展现数据的大小 )
- .set_global_opts(title_opts=opts.TitleOpts(title="淘宝商品数据配料统计", subtitle="8.19")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")) # 数字项名称和百分比
- )
- pie.render('淘宝商品数据配料统计.html')
在Pycharm里边运行代码之后,我们将会得到一个淘宝商品数据配料统计.html文件,双击打开该HTML文件,在浏览器里边可以看到效果图,如下图所示。
是不是感觉一下子就高大上了呢?而且动动鼠标,你还可以进行交互,是动态图来着,十分好玩。
2、生成保质期可视化饼图针对保质期数据,我们也先使用一个饼图去进行展示,直接上代码,其实你会发现和上面那个配料图表大同小异。
- """生成保质期可视化图表""" def get_date_html(df):
- # 词表分词 names = df.保质期.apply(jieba.lcut).explode()
- df1 = names[names.apply(len) > 1].value_counts() # 写入分词后的结果
- with pd.ExcelWriter("淘宝商品保质期数据.xlsx") as writer: df1.to_excel(writer, sheet_name="保质期")
- fpath = r'C:UserspdcfiDesktop淘宝数据分析淘宝商品保质期数据.xlsx' # 读取数据 提取列
- df1 = pd.read_excel(fpath, header=None, skiprows=1, names=['bzq', 'rq']) a = df1['bzq'].to_list()[:10]
- b = df1['rq'].to_list()[:10] from pyecharts.charts import Pie
- from pyecharts import options as opts # 绘制可视化图表
- pie = ( Pie()
- .add('', [list(z) for z in zip(a, b)], radius=["20%", "60%"], # 半径长度
- rosetype="radius" # 扇区圆心角展现数据的百分比,半径展现数据的大小 )
- .set_global_opts(title_opts=opts.TitleOpts(title="淘宝商品保质期可视化图表", subtitle="8.19")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")) # 数字项名称和百分比
- )
- pie.render('淘宝商品保质期统计.html')
在Pycharm里边运行代码之后,我们将会得到一个淘宝商品保质期统计.html文件,双击打开该HTML文件,在浏览器里边可以看到效果图,如下图所示。
相信有小伙伴肯定感觉哪里不对,一个保质期的可视化,做成这种饼图似乎太丑了吧?嗯,的确是丑爆了,所以程序大佬把保质期这个图转为了柱状图,这样看上去就高大上很多了。
3、生成保质期可视化柱状图其实数据都是一样的,只不过呈现方式不同,直接上代码。
- """生成保质期可视化图表""" def get_date_html(df):
- # 词表分词 names = df.保质期.apply(jieba.lcut).explode()
- df1 = names[names.apply(len) > 1].value_counts() # 写入分词后的结果
- with pd.ExcelWriter("淘宝数据.xlsx") as writer: df1.to_excel(writer, sheet_name="保质期")
- fpath = r'C:UsersdellDesktop崔佬数据分析综合实战淘宝数据.xlsx' # 读取数据 提取列
- df1 = pd.read_excel(fpath, header=None, skiprows=1, names=['bzq', 'rq']) a = df1['bzq'].to_list()[:50]
- b = df1['rq'].to_list()[:50]
- bar = ( Bar(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
- .add_xaxis(a) .add_yaxis("保质期(天数)",b)
- .set_global_opts( title_opts=opts.TitleOpts(title="Bar-DataZoom(slider-保质期)"),
- datazoom_opts=opts.DataZoomOpts(), )
- )
- return bar
这么处理之后,我们就会得到一个柱状图了,如下图所示。
这把看上去,是不是觉得清晰很多了呢?
不过呢,程序大佬还觉得不够,想把这两张图放到一起,这应该怎么办呢?
4、合并饼图和柱状图到一个HTML文件其实这个也并不难,只需要将生成两个图的函数放到一个布局类里边就可以完成了,直接上代码。
- def page_draggable_layout(df): page = Page(layout=Page.DraggablePageLayout)
- page.add( get_ingredients_html(df),
- get_date_html(df) )
- page.render("page_draggable_layout.html")
如果你想在一个HTML文件里边加入更多的图,只需要继续在add()函数里面进行添加生成可视化图的函数即可。话不多说,直接上效果图。
从上图我们可以看到配料饼图和保质期柱状图都同时在同一个HTML文件出现了,而且也是可以进行点击交互的噢!我们还可以收到拖拽,让图表移动,如下图所示,分为左右图进行展示。
你以为到这里就结束了?其实并没有,程序大佬还想玩点更加高大上的,他想把table表一并显示出来,这样显得更加饱满一些。那么table表又如何来进行显示呢?
5、table表加持其实在这里,程序大佬卡了一下,他在群里问,基于他目前的数据,像下图这样的df数据如何进行展示出来。
而且,他自己在不断的尝试中,始终报错,一时间丈二和尚摸不着头脑,不知如何是好。
不过此时小小明大佬,又递来了橄榄枝,人狠话不多,直接丢了两行代码,让人拍手叫绝。
然后程序大佬,拿到Pycharm中一跑,啪,成了,真是拍案叫绝,小小明yyds!那么呈现的效果图是下面这样的。
这样看上去还稍微不太好看,拖拽下,调整下格式看看,如下图所示。
但是这样一看,确实高大上了一些,不过还是达不到程序大佬心里的预期,于是乎他继续折腾。
6、调整图像背景色现在呢,程序大佬又想要加点背景色,这样显得高大上一些,代码如下。
- # 绘制可视化图表 pie = (
- Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) .add('', [list(z) for z in zip(a, b)],
- radius=["20%", "60%"], # 半径长度 rosetype="radius" # 扇区圆心角展现数据的百分比,半径展现数据的大小
- ) .set_global_opts(title_opts=opts.TitleOpts(title="配料统计", subtitle="8.19"))
- .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")) # 数字项名称和百分比
- ) return pie
其实核心的那句代码下面这个,引入了一个主题:
- init_opts=opts.InitOpts(theme=ThemeType.CHALK)
得到的效果图如上图所示了。
7、添加漏斗图这里是以数据里边的”食品添加“列来做实例的,代码如下所示。
- def get_sptj_data(df): # 词表分词
- names = df.食品添加剂.apply(jieba.lcut).explode() df1 = names[names.apply(len) > 1].value_counts()
- # 写入分词后的结果 with pd.ExcelWriter("淘宝数据.xlsx") as writer:
- df1.to_excel(writer, sheet_name="食品添加剂") fpath = r'C:UsersdellDesktop崔佬数据分析综合实战淘宝数据.xlsx'
- # 读取数据 提取列 df1 = pd.read_excel(fpath, header=None, skiprows=1, names=['sptj', 'sj'])
- a = df1['sptj'].to_list()[:10] b = df1['sj'].to_list()[:10]
- c = ( Funnel(init_opts=opts.InitOpts(theme=ThemeType.CHALK))
- .add( "商品",
- [list(z) for z in zip(a, b)], label_opts=opts.LabelOpts(position="inside"),
- ) .set_global_opts(title_opts=opts.TitleOpts(title="Funnel-Label(food_add)"))
- ) return c
得到的效果图如下图所示。
写到这里,基本上快接近尾声了,不过程序大佬为了感谢小小明大佬,后来又补充了一个极化装逼图来赞扬小小明。
8、极化图直接上代码,程序大佬取的这个zb函数,就是装13的意思,取的太没有水平了。
- def zb_data(): data = [(i, random.randint(1, 100)) for i in range(10)]
- c = ( Polar()
- .add( "",
- data, type_="effectScatter",
- effect_opts=opts.EffectOpts(scale=10, period=5), label_opts=opts.LabelOpts(is_show=False),
- ) .set_global_opts(title_opts=opts.TitleOpts(title="Polar-没啥用,用来装逼,小小明yyds"))
- )
- return c
看上去确实很高大上呢。
三、总结大家好,我是Python进阶者。本文基于一份杂乱的淘宝原始数据,利用正则表达式re库和Pandas数据处理对数据进行清洗,然后通过stop_word停用词对得到的文本进行分词处理,得到较为”干净“的数据,之后利用传统方法和Pandas优化处理两种方式对数据进行词频统计,针对得到的数据,利用Pyecharts库,进行多重可视化处理,包括但不限于饼图、柱状图、Table表、漏斗图、极化图等,通过一系列的改进和优化,一步步达到想要的效果,可以说是干货满满,实操性强,亲测有效。
【编辑推荐】
- 鸿蒙官方战略合作共建——HarmonyOS技术社区
- 19岁「天才少年」自制CPU!1200个晶体管,纯手工打造
- 马斯克发布机器人,“钢铁侠”那种!特斯拉推出全球超快AI计算机
- Windows 11都来了它们还活着!盘点老树常青的小软件
- Windows 11预览版更新!带你围观Windows 11全新内置功能
- 从来不用5G,但为啥非5G手机不买