目录

前言：1.Hive数据库查询sql2.Python代码实现—柱状图3.Python代码实现—饼状图4.Python代码实现—箱型图5.Python代码实现—折线图6.Python代码实现—雷达图7.Python代码实现—散点图

前言：

Echarts是百度开源的一款数据可视化 JS 工具，数据可视化类型十分丰富，但是得通过导入 js 库在 Java Web 项目上运行。

作为工作中常用 Python 的选手，不能不知道这款数据可视化插件的强大。那么，能否在 Python 中也能用到 Echarts 的功能呢?寻找中惊喜地发现了 pyecharts，只需在python中安装该模块即可使用。

安装：

常用的pip安装包一键安装pyecharts

pyecharts安装命令：

ython -m pip install pyecharts

Python + pyecharts具体应用

结合工作中的项目数据，我选择了 test 项目需求中 hotel_code_new 为 CNSZVS_002，CWSWS_003 对应2019年12个月指标为 RNs 的数据做可视化展示与分析。

1.Hive数据库查询sql

hive_sql内容如下：

# sql中所使用的部分语法为hive sql中常规的语法，与mysql有所不同，请注意。
select rrrd1.hotel_code_new as hotel_code_new
      ,dda.natural_date as natural_date
      ,nvl(rrrd.room_nights, 0) as room_nights
 from ( select distinct substr(natural_dt,1,7) as natural_date 
    from dws.dws_test_date_calendar
    where dt_year="2019"
        )dda
        left join 
         (select "CNSZVS_002" hotel_code_new
            UNION all select  "CWSWS_003" hotel_code_new
      )rrrd1
        left join
         (select  hotel_code_new
                    ,substr(stay_date,1,7) as stay_date
                    ,sum(number_of_room_nights) as room_nights
                from dwm.dwm_test_resvs_rom_daily_df
                where dt="2021-10-24"
                and hotel_code_new in(CNSZVS_002", "CWSWS_003")
                    and resv_status in("CHECKEDSSSIN","CHECKEDSSSOUT")
                    and substr(stay_date,0,4) = "2019" 
                    group by hotel_code_new,substr(stay_date,1,7)
        )rrrd 
        on dda.natural_date = rrrd.stay_date 
        and rrrd1.hotel_code_new=rrrd.hotel_code_new
        order by rrrd.hotel_code_new;

2.Python代码实现—柱状图

from impala.dbapi import connect
import warnings

#数据仓库数据获取准备
def hive_connect(sql):
    warnings.filterwarnings("ignore")
    config_hive_beta = {
        "host": "10.7.0.12",  #hive的host地址
        "port": 10000,    #hive的端口号
        "user": "hive",    #hive的username
        "password": "hive",    #hive的password
        "database": "tmp",     #hive中需要查询的数据库名
        "auth_mechanism": "PLAIN" #hive的hive-site.xml配置文件中获取
    }
    conn = connect(**config_hive_beta)
    cursor = conn.cursor()
    cursor.execute(sql)
    hive_all_data = cursor.fetchall()
    return hive_all_data


# all_data = hive_connect(hive_sql)
# 通过调用hive_connect方法获取到的数据库查询结果数据如all_data列表所示
all_data = [("CNSZVS_002", "2019-01", 0), ("CNSZVS_002", "2019-02", 0), ("CNSZVS_002", "2019-03", 0),
            ("CNSZVS_002", "2019-04", 0), ("CNSZVS_002", "2019-05", 0), ("CNSZVS_002", "2019-06", 2353),
            ("CNSZVS_002", "2019-07", 2939), ("CNSZVS_002", "2019-08", 5148), ("CNSZVS_002", "2019-09", 3850),
            ("CNSZVS_002", "2019-10", 4973), ("CNSZVS_002", "2019-11", 5467), ("CNSZVS_002", "2019-12", 4742),
            ("CWSWS_003", "2019-01", 5914), ("CWSWS_003", "2019-02", 4434), ("CWSWS_003", "2019-03", 6003),
            ("CWSWS_003", "2019-04", 6611), ("CWSWS_003", "2019-05", 6586), ("CWSWS_003", "2019-06", 5840),
            ("CWSWS_003", "2019-07", 6624), ("CWSWS_003", "2019-08", 7001), ("CWSWS_003", "2019-09", 5792),
            ("CWSWS_003", "2019-10", 6898), ("CWSWS_003", "2019-11", 6944), ("CWSWS_003", "2019-12", 5404)]

# 从pyecharts模块导入柱状图-Bar
from pyecharts import Bar
# 设置横轴行名，这里使用12个月份的英文简称
columns = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
# 分别新建2个空list用于存储每个月份对应的RNs的值
CNSZVS_002 = []
CWSWS_003 = []

for i in all_data:
    if i[0] == "CNSZVS_002":
        CNSZVS_002.append(i[2])
    elif i[0] == "CWSWS_003":
        CWSWS_003.append(i[2])
    else:
        pass
# 设置柱状图的主标题与副标题
bar = Bar("柱状图", "Test需求—2019年的RNs")
# 添加柱状图的数据及配置项-求平均值、最大值、最小值
bar.add("CNSZVS_002", columns, CNSZVS_002, mark_line=["average"], mark_point=["max", "min"])
bar.add("CWSWS_003", columns, CWSWS_003, mark_line=["average"], mark_point=["max", "min"])
# 在本py文件同级目录下生成名为render.html的本地文件（默认为.html文件）
bar.render()
# 也可设置成指定的路径用于保存html文件
#bar.render(r"D:bar_render.html")

柱状效果图展示：

生成的柱状效果图是html格式的，可以在浏览器中打开查看，在浏览器中支持下载成图片格式到本地，并且点击图例即可置灰对应的图例，同时隐藏图例对应的柱状图数据，

如下图所示：

3.Python代码实现—饼状图

注意：数据准备部分的代码与柱状图一样，这里只展示饼状图特有的代码

# 从pyecharts模块中导入饼图Pie
from pyecharts import Pie
# 设置主标题与副标题，标题设置居中，设置宽度为1000
pie = Pie("饼状图", "Test需求—2019年的RNs", title_pos="left", width=1000)
# 使用add导入数据，设置坐标位置为【20，50】，上方的colums选项取消显示
pie.add("CNSZVS_002", columns, CNSZVS_002, center=[20, 50], is_legend_show=True)
# 使用add导入数据，设置坐标位置为【75，50】，上方的colums选项正常显示
pie.add("CWSWS_003", columns, CWSWS_003, center=[75, 50], is_legend_show=False, is_label_show=True)
# 保存图表
pie.render()

饼状效果图展示——隐藏所占百分比

饼状效果图展示——展示所占百分比

4.Python代码实现—箱型图

# 从pyecharts模块导入箱型图Boxplot
from pyecharts import Boxplot
boxplot = Boxplot("箱型图", "Test需求—2019年的RNs")
x_axis = ["CNSZVS_002", "CWSWS_003"]
y_axis = [CNSZVS_002, CWSWS_003]
# prepare_data方法可以将数据转为嵌套的 [min, Q1, median (or Q2), Q3, max]
yaxis = boxplot.prepare_data(y_axis)
boxplot.add("2019年RNs统计", x_axis, yaxis)
boxplot.render()

箱型图效果展示：

5.Python代码实现—折线图

from pyecharts import Line
line = Line("折线图", "Test需求—2019年的RNs")
# is_label_show属性是设置上方数据是否显示
line.add("CNSZVS_002", columns, CNSZVS_002, is_label_show=True)
line.add("CWSWS_003", columns, CWSWS_003, is_label_show=True)
line.render()

折线图效果展示：

6.Python代码实现—雷达图

from pyecharts import Radar
radar = Radar("雷达图", "Test需求—2019年的RNs")
# 由于雷达图传入的数据得为多维数据，需要将list再进行list转换一次
CNSZVS_002 = [CNSZVS_002]
CWSWS_003 = [CWSWS_003]
# 设置column的最大值，为了雷达图更为直观，这里的月份最大值设置依据真实数据的值来设置，因此各个月份有所不同
schema_diff = [
    ("Jan", 7000), ("Feb", 5000), ("Mar", 6500),
    ("Apr", 7000), ("May", 7000), ("Jun", 6200),
    ("Jul", 6800), ("Aug", 7200), ("Sep", 6000),
    ("Oct", 7300), ("Nov", 7500), ("Dec", 6000)
]
# 传入坐标
radar.config(schema_diff)
radar.add("CNSZVS_002", CNSZVS_002)
# 一般默认为同一种颜色，这里为了便于区分，需要设置item的颜色
radar.add("CWSWS_003", CWSWS_003, item_color="#1C86EE")
radar.render()

雷达效果图展示：

7.Python代码实现—散点图

from pyecharts import Scatter
scatter = Scatter("散点图", "Test需求—2019年的RNs")
# xais_name是设置横坐标名称，这里由于显示问题，还需要将y轴名称与y轴的距离进行设置
scatter.add("CWSWS_003&CNSZVS_002 RNs的散点分布", CNSZVS_002, CWSWS_003, xaxis_name="CNSZVS_002", yaxis_name="CWSWS_003", yaxis_name_gap=40)
scatter.render()

散点图效果展示：

总结：

准备符合要求的数据及其格式导入对应图表所使用的包add()方法：主要方法，用于添加图表的数据和设置各种配置项render()方法：用于保存生成的图表

到此这篇关于Python 数据可视化神器Pyecharts绘制图像练习的文章就介绍到这了,更多相关Python 数据可视化神器Pyecharts内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 所使用的 导入数据 希望大家 主要方法 设置宽度