手把手教你用Pyecharts库对淘宝数据进行可视化展示

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

博学而约取，厚积而薄发。

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:\Users\pdcfi\Desktop\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:\Users\pdcfi\Desktop\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:\Users\dell\Desktop\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:\Users\dell\Desktop\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。

    最后非常感谢程序大佬和小小明大佬在期间不断提供的代码，也感谢我自己花时间和心思把这些看似杂乱的消息整理成文，分享给大家学习。有需要本文中完整代码文件的小伙伴，可以在后台直接回复关键词”程序和小小明大佬“即可获取。

    我的这个Python交流群已经300多人了，有需要加入该群的小伙伴可以加我好友，一起学习，共同进步。

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

往期精彩文章推荐：

• 手把手教你用Python改造一款外星人入侵小游戏

• 手把手教你用Python网络爬虫+自动化来创建一位属于你自己的虚拟女票(附源码)

• Python也能操作Mysql数据库

• 盘点那些年我们一起玩过的网络安全工具
  

欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持

想加入Python学习群请在后台回复【入群】

万水千山总是情，点个【在看】行不行

/今日留言主题/

随便说一两句吧~~