手把手教你用Pyecharts库对淘宝数据进行可视化展示

　　来源：Python爬虫与数据挖掘
　　作者：Python进阶者一、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X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X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。二、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。