大家好，我是Python進階者。
一、前言
大家好，我是Python進階者。上一篇文章給大家講到了淘寶數(shù)據(jù)的預(yù)處理和詞頻處理，沒有來得及看的小伙伴，記得去學(xué)習(xí)了下了，詳情戳這里：手把手教你用Pandas庫對淘寶原始數(shù)據(jù)進行數(shù)據(jù)處理和分詞處理。這篇文章緊接著上一篇文章處理得到的數(shù)據(jù)進行可視化處理，一起來看看吧！
二、可視化
可視化部分，我們采用Pyecharts庫來進行完成，這個庫作圖十分的炫酷，而且可以交互，十分帶感，強烈推薦。關(guān)于這部分，小編以生成配料圖表和生成保質(zhì)期可視化圖表為例來進行展開。
1、生成配料餅圖
針對配料數(shù)據(jù)，我們使用一個餅圖去進行展示，這樣顯得更加高大上一些，直接上代碼。
# 生成配料圖表def get_ingredients_html(df): # 詞表分詞 names = df.配料表.apply(jieba.lcut).explode() df1 = names[names.apply(len)>1].value_counts() # 寫入分詞后的結(jié)果 with pd.ExcelWriter("淘寶商品配料數(shù)據(jù).xlsx") as writer: df1.to_excel(writer, sheet_name="配料") fpath = r'C:\Users\pdcfi\Desktop\淘寶數(shù)據(jù)分析\淘寶商品配料數(shù)據(jù).xlsx' # 讀取數(shù)據(jù) 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 # 繪制可視化圖表 pie = ( Pie().add('', [list(z) for z in zip(a, b)], radius=["20%", "60%"], # 半徑長度 rosetype="radius" # 扇區(qū)圓心角展現(xiàn)數(shù)據(jù)的百分比，半徑展現(xiàn)數(shù)據(jù)的大小 ) .set_global_opts(title_opts=opts.TitleOpts(title="淘寶商品數(shù)據(jù)配料統(tǒng)計", subtitle="8.19")) .set_series_opts(label_opts=opts.LabelOpts(formatter=": 7xcada2%")) # 數(shù)字項名稱和百分比
) pie.render('淘寶商品數(shù)據(jù)配料統(tǒng)計.html')
在Pycharm里邊運行代碼之后，我們將會得到一個淘寶商品數(shù)據(jù)配料統(tǒng)計.html文件，雙擊打開該HTML文件，在瀏覽器里邊可以看到效果圖，如下圖所示。
是不是感覺一下子就高大上了呢？而且動動鼠標，你還可以進行交互，是動態(tài)圖來著，十分好玩。
2、生成保質(zhì)期可視化餅圖
針對保質(zhì)期數(shù)據(jù)，我們也先使用一個餅圖去進行展示，直接上代碼，其實你會發(fā)現(xiàn)和上面那個配料圖表大同小異。
"""生成保質(zhì)期可視化圖表"""def get_date_html(df): # 詞表分詞 names = df.保質(zhì)期.apply(jieba.lcut).explode() df1 = names[names.apply(len) > 1].value_counts() # 寫入分詞后的結(jié)果 with pd.ExcelWriter("淘寶商品保質(zhì)期數(shù)據(jù).xlsx") as writer: df1.to_excel(writer, sheet_name="保質(zhì)期") fpath = r'C:\Users\pdcfi\Desktop\淘寶數(shù)據(jù)分析\淘寶商品保質(zhì)期數(shù)據(jù).xlsx' # 讀取數(shù)據(jù) 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 # 繪制可視化圖表 pie = ( Pie() .add('', [list(z) for z in zip(a, b)], radius=["20%", "60%"], # 半徑長度 rosetype="radius" # 扇區(qū)圓心角展現(xiàn)數(shù)據(jù)的百分比，半徑展現(xiàn)數(shù)據(jù)的大小 ) .set_global_opts(title_opts=opts.TitleOpts(title="淘寶商品保質(zhì)期可視化圖表", subtitle="8.19")) .set_series_opts(label_opts=opts.LabelOpts(formatter=": umagjy4%")) # 數(shù)字項名稱和百分比
) pie.render('淘寶商品保質(zhì)期統(tǒng)計.html')
在Pycharm里邊運行代碼之后，我們將會得到一個淘寶商品保質(zhì)期統(tǒng)計.html文件，雙擊打開該HTML文件，在瀏覽器里邊可以看到效果圖，如下圖所示。
相信有小伙伴肯定感覺哪里不對，一個保質(zhì)期的可視化，做成這種餅圖似乎太丑了吧？嗯，的確是丑爆了，所以程序大佬把保質(zhì)期這個圖轉(zhuǎn)為了柱狀圖，這樣看上去就高大上很多了。
3、生成保質(zhì)期可視化柱狀圖
其實數(shù)據(jù)都是一樣的，只不過呈現(xiàn)方式不同，直接上代碼。
"""生成保質(zhì)期可視化圖表"""def get_date_html(df): # 詞表分詞 names = df.保質(zhì)期.apply(jieba.lcut).explode() df1 = names[names.apply(len) > 1].value_counts() # 寫入分詞后的結(jié)果 with pd.ExcelWriter("淘寶數(shù)據(jù).xlsx") as writer: df1.to_excel(writer, sheet_name="保質(zhì)期") fpath = r'C:\Users\dell\Desktop\崔佬\(zhòng)數(shù)據(jù)分析綜合實戰(zhàn)\淘寶數(shù)據(jù).xlsx' # 讀取數(shù)據(jù) 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("保質(zhì)期(天數(shù))",b) .set_global_opts( title_opts=opts.TitleOpts(title="Bar-DataZoom（slider-保質(zhì)期）"), datazoom_opts=opts.DataZoomOpts(), )
) return bar
這么處理之后，我們就會得到一個柱狀圖了，如下圖所示。
這把看上去，是不是覺得清晰很多了呢？
不過呢，程序大佬還覺得不夠，想把這兩張圖放到一起，這應(yīng)該怎么辦呢？
4、合并餅圖和柱狀圖到一個HTML文件
其實這個也并不難，只需要將生成兩個圖的函數(shù)放到一個布局類里邊就可以完成了，直接上代碼。
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")
如果你想在一個HTML文件里邊加入更多的圖，只需要繼續(xù)在add()函數(shù)里面進行添加生成可視化圖的函數(shù)即可。話不多說，直接上效果圖。
從上圖我們可以看到配料餅圖和保質(zhì)期柱狀圖都同時在同一個HTML文件出現(xiàn)了，而且也是可以進行點擊交互的噢！我們還可以收到拖拽，讓圖表移動，如下圖所示，分為左右圖進行展示。
你以為到這里就結(jié)束了？其實并沒有，程序大佬還想玩點更加高大上的，他想把table表一并顯示出來，這樣顯得更加飽滿一些。那么table表又如何來進行顯示呢？
5、table表加持
其實在這里，程序大佬卡了一下，他在群里問，基于他目前的數(shù)據(jù)，像下圖這樣的df數(shù)據(jù)如何進行展示出來。
而且，他自己在不斷的嘗試中，始終報錯，一時間丈二和尚摸不著頭腦，不知如何是好。
不過此時小小明大佬，又遞來了橄欖枝，人狠話不多，直接丟了兩行代碼，讓人拍手叫絕。
然后程序大佬，拿到Pycharm中一跑，啪，成了，真是拍案叫絕，小小明yyds！那么呈現(xiàn)的效果圖是下面這樣的。
這樣看上去還稍微不太好看，拖拽下，調(diào)整下格式看看，如下圖所示。
但是這樣一看，確實高大上了一些，不過還是達不到程序大佬心里的預(yù)期，于是乎他繼續(xù)折騰。
6、調(diào)整圖像背景色
現(xiàn)在呢，程序大佬又想要加點背景色，這樣顯得高大上一些，代碼如下。
# 繪制可視化圖表pie = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.CHALK)) .add('', [list(z) for z in zip(a, b)], radius=["20%", "60%"], # 半徑長度 rosetype="radius" # 扇區(qū)圓心角展現(xiàn)數(shù)據(jù)的百分比，半徑展現(xiàn)數(shù)據(jù)的大小 ) .set_global_opts(title_opts=opts.TitleOpts(title="配料統(tǒng)計", subtitle="8.19")) .set_series_opts(label_opts=opts.LabelOpts(formatter=": iouacbb%")) # 數(shù)字項名稱和百分比
)return pie
init_opts=opts.InitOpts(theme=ThemeType.CHALK)
得到的效果圖如上圖所示了。
7、添加漏斗圖
這里是以數(shù)據(jù)里邊的”食品添加“列來做實例的，代碼如下所示。
def get_sptj_data(df): # 詞表分詞 names = df.食品添加劑.apply(jieba.lcut).explode() df1 = names[names.apply(len) > 1].value_counts() # 寫入分詞后的結(jié)果 with pd.ExcelWriter("淘寶數(shù)據(jù).xlsx") as writer: df1.to_excel(writer, sheet_name="食品添加劑") fpath = r'C:\Users\dell\Desktop\崔佬\(zhòng)數(shù)據(jù)分析綜合實戰(zhàn)\淘寶數(shù)據(jù).xlsx' # 讀取數(shù)據(jù) 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
得到的效果圖如下圖所示。
寫到這里，基本上快接近尾聲了，不過程序大佬為了感謝小小明大佬，后來又補充了一個極化裝逼圖來贊揚小小明。
8、極化圖
直接上代碼，程序大佬取的這個zb函數(shù)，就是裝13的意思，取的太沒有水平了。
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-沒啥用，用來裝逼，小小明yyds"))
) return c
看上去確實很高大上呢。
三、總結(jié)
大家好，我是Python進階者。本文基于一份雜亂的淘寶原始數(shù)據(jù)，利用正則表達式re庫和Pandas數(shù)據(jù)處理對數(shù)據(jù)進行清洗，然后通過stop_word停用詞對得到的文本進行分詞處理，得到較為”干凈“的數(shù)據(jù)，之后利用傳統(tǒng)方法和Pandas優(yōu)化處理兩種方式對數(shù)據(jù)進行詞頻統(tǒng)計，針對得到的數(shù)據(jù)，利用Pyecharts庫，進行多重可視化處理，包括但不限于餅圖、柱狀圖、Table表、漏斗圖、極化圖等，通過一系列的改進和優(yōu)化，一步步達到想要的效果，可以說是干貨滿滿，實操性強，親測有效。
最后非常感謝程序大佬和小小明大佬在期間不斷提供的代碼，也感謝我自己花時間和心思把這些看似雜亂的消息整理成文，分享給大家學(xué)習(xí)。有需要本文中完整代碼文件的小伙伴，可以在后臺直接回復(fù)關(guān)鍵詞”程序和小小明大佬“即可獲取。
我的這個Python交流群已經(jīng)300多人了，有需要加入該群的小伙伴可以加我好友，一起學(xué)習(xí)，共同進步。
------------------- End -------------------
