数据可视化之通过pyecharts建立可视化用户登录时间热力图_利用pyecharts绘制某门户网站模块访问的热力图,具体访问量数据自拟

前言

首先欢迎大家来看我写的博客，博客的主要内容为使用pyecharts则可以使用python来调用里面的API，达到可视化的效果。希望可以和大家一起进步，无论是赞同我还是批评我，也无论你的赞同与批评是深思熟虑还是一时兴起的，我都一并欢迎。这是我第一次写博客，有什么问题，还望大家指出，不吝赐教，谢谢！

一、pyecharts的介绍和使用

1、pyecharts介绍

pyecharts：
Echarts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。

2、安装pyecharts

windows中搜索anaconda prompt打开，运行下述代码：

​pip install pyecharts

或使用清华镜像下载（建议使用这个）：

pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple

二、代码实现

1、导入库

代码如下：

#导入库
import pandas as pd  
1
2

2、读取数据

代码如下：

#读取数据
data = pd.read_csv(r'login.csv',encoding='gbk')  
1
2

3、使用pandas.to_datetime将参数转换为日期时间

代码如下：

#将参数转换为日期时间并输出结果
data['时间对象序列']=pd.to_datetime(data['login_time'])
data
1
2
3

运行结果图：

4、加工时间数据

代码如下：

data['星期'] = data['时间对象序列'].dt.dayofweek+1
data['小时数'] = data['时间对象序列'].agg(lambda x:x.hour)
data
1
2
3

运行结果图：

注：.dt.dayofweek+1 返回：系列或索引

5、分组聚合求各个星期各个小时的用户总数

代码如下：

result = data.groupby(by=['小时数','星期'])['user_id'].count().rename('用户总数')
result
1
2

运行结果图：

6、构造热力图的横轴、纵轴标签以及值数据结构

代码如下：

# 横轴、纵轴数据构造
x_list = [str(i+1) for i in range(24)]
y_list = ['星期一','星期二','星期三','星期四','星期五','星期六','星期日']
# 值数据构造
hour_list = [i+1 for i in range(24)]
xingqi_list = [i+1 for i in range(7)]
value_list = []
for i in range(len(hour_list)):
    for j in range(len(xingqi_list)):
        try:
            value_list.append([i,j,int(result[hour_list[i],xingqi_list[j]])])
        except Exception as e:
#             print(e)
            value_list.append([i,j,0])
value_list
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

运行结果图：

7、画热力图

代码如下：

import pyecharts.options as opts
from pyecharts.charts import HeatMap
c = (
    HeatMap(init_opts=opts.InitOpts(width="1000px", height="400px"))
    .add_xaxis(xaxis_data=x_list)
    .add_yaxis(
        series_name="登录人数",
        yaxis_data=y_list,
        value=value_list,
        label_opts=opts.LabelOpts(
                                is_show=True, 
                                color="black", 
                                position="inside", 
        ),
    )
    .set_global_opts(
        legend_opts=opts.LegendOpts(is_show=False),
        xaxis_opts=opts.AxisOpts(
            type_="category",
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        yaxis_opts=opts.AxisOpts(
            type_="category",
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        visualmap_opts=opts.VisualMapOpts(
            min_=0, max_=5000, 
            orient="horizontal",
            pos_left="center",
            range_color = ['#ff6666','#ccccff','#ffcccc']
        ),
    )
)
c.render_notebook()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

运行结果图：

• opts:各种配置项
• HeatMap：热图

三、总结