前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >使用Pyecharts对猫眼电影票房可视化分析

使用Pyecharts对猫眼电影票房可视化分析

作者头像
Python知识大全
发布2020-02-21 15:41:31
1K0
发布2020-02-21 15:41:31
举报
文章被收录于专栏:Python 知识大全

阅读文本大概需要 15 分钟。

本文来自读者谁谁谁投稿

本次带来的是象形柱状图,玫瑰饼图,柱状图,折线图,漏斗图,并在一个网页上显示。

我又来了!上次做了个猫眼电影的不过瘾,又感觉票房其实是最好拿到的数据,所以就继续接着它做了。废话不多说,直接上干货!

用到的工具:

  • python 爬虫
  • pyecharts

下面是效果图:

效果图1

效果图2

重点来了,代码部分及讲解

代码语言:javascript
复制
dict = []
url = 'http://piaofang.maoyan.com/second-box?beginDate=20191231'
def use_url(url):
 headers = {
     'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36',
 }
 res = requests.get(url=url,headers=headers)
 res.encoding='utf-8'
 print(res.text)
 data = res.json()
 print(data)
 for i in data['data']['list']:
     dic = {}
     dic['电影']=i['movieName']
     dic['票房占比']=i['boxRate']
     dic['综合票房']=i['boxInfo']
     dic['场均人次']=i['avgShowView']
     dic['排片占比']=i['showRate']
     dic['上座率'] = i['avgSeatView']
     dict.append(dic)

 return dict

use_url(url=url)
df_result = pd.DataFrame(dict)
print(df_result)
df_result.to_csv(r'票房1111.csv',encoding='utf-8')  #导入到excel文件

数据爬取好以后因为我们的数据中是有 % 号的,没法直接排序绘制轴。

所以都需要先进行数据清洗,先将<0.1% 的设置成 0.1%,其实也可以都在下面删除 % 的那一步设置,但是这不是还能再多学点方法以后万一以后用到呢

代码语言:javascript
复制
df = pd .read_csv('票房1111.csv')
print(df.head(2))
df.loc[df.票房占比=='<0.1%','票房占比'] ='0.1%'
print(df['票房占比'])
df.loc[df.排片占比=='<0.1%','排片占比'] ='0.1%'
print(df['排片占比'])
print(list(z) for z in zip(v, Faker.values()))
p_float = df['票房占比'].str.strip("%").astype(float)
p_float1 = df['排片占比'].str.strip("%").astype(float)
p_float2 = df['上座率'].str.strip("%").astype(float)
p_float3 = df['场均人次'].astype(float)

清洗完以后我们的数据应该是 float 类型的数据将它们作为 y 轴使用,之后我们就可以开始绘图处理啦!

先简单讲一下,绘图配置组件组件其实配置的话也就几个地方的配置,.set_global_opts(全局配置), .set_series_opts(局部配置)以及轴的配置等,外部的效果其实都是在配置中改出来的。用到的库:

代码语言:javascript
复制
from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie,Grid,Line,Tab,Funnel,PictorialBar
from scrapy import Selector
from pyecharts.commons.utils import JsCode
import requests
import pandas as pd

柱状图

首先我们看下第一个柱状图分析一下,这不是一个普通的柱状图,他还有照片,哇哦,好神奇,这里其实加的有主题 light,bg_color 中添加的图片,然后 markpoint 显示的最大最小值,然后 inside 的动态变化。

柱状图

代码如下:

代码语言:javascript
复制
def bar()  -> Bar:
    bar = (
        Bar(
            init_opts=opts.InitOpts(
                animation_opts=opts.AnimationOpts(
                    animation_delay=1000, animation_easing="elasticOut"
                ),#弹出效果,打开时带动画
                theme="light",#主题(主题其实有好多种)
                width="1200px", height="600px",#图的大小
                bg_color={
                    "type": "pattern",
                    "image": JsCode("img"),
                    "repeat": "no-repeat",
                }#设置背景颜色,我们这里选择的添加图片
                ),
        )
        .add_xaxis(list(df['电影']))
        .add_yaxis("电影票房", list(p_float))
        .add_yaxis("电影排片", list(p_float1))
        .reversal_axis()#翻转横纵轴
        .set_global_opts(
            title_opts=opts.TitleOpts(title="电影票房与电影排片", subtitle="我是副标题"),
            datazoom_opts=opts.DataZoomOpts(type_="inside"),#全局配置标题以及动态滑动特效
        )
        .set_series_opts(markpoint_opts=opts.MarkPointOpts(
                data=[
                    opts.MarkPointItem(type_="max", name="最大值"),
                    opts.MarkPointItem(type_="min", name="最小值"),
                    opts.MarkPointItem(type_="average", name="平均值"),
                ]
            ),#局部配置,这里设置凸显出值
        )
    )
    bar.add_js_funcs(
        """
        var img = new Image(); img.src = 'dd.jpg';
        """
    )#传入的图片在这
    return bar

多轴数据图

然后是第二幅折线与柱状的合并,多轴数据图,这里使用的grid布局,将多图结合,同时指定布局与其他配置!

合并图

对应代码:

代码语言:javascript
复制
def grid() -> Grid:
    line = (
        Line()
            .add_xaxis(list(df['电影']))
            .add_yaxis("场均人次", list(p_float3),
                       yaxis_index=2,
                       color="#9370DB",
                       is_smooth=True,
                       is_hover_animation=True,
                        markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max"),opts.MarkPointItem(type_="min")]),
                       )#配置y轴,设置轴颜色,突出点的位置,是否平滑的曲线,其他位置配置转到index=2中设置,下同
            .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"))
    )
    bar1 = (
        Bar(
            init_opts=opts.InitOpts(
                animation_opts=opts.AnimationOpts(
                    animation_delay=1000, animation_easing="elasticOut"
                ),#弹出动画
                bg_color="#87CEEB",
                height="100px",
            ),
        )
            .add_xaxis(list(df['电影']))
            .add_yaxis("上座率", list(p_float2), yaxis_index=1,category_gap="80%")
            .add_yaxis("电影排片", list(p_float1), yaxis_index=0,category_gap="80%")#设置轴的间隔
            .extend_axis(
            yaxis=opts.AxisOpts(
                name="上座率",
                type_="value",
                position="right",
                axisline_opts=opts.AxisLineOpts(
                    linestyle_opts=opts.LineStyleOpts(color="#d14a61")
                ),
                axislabel_opts=opts.LabelOpts(formatter="{value}%"),
            )#现在我们添加对轴的额外设置下,其实就是用index指定哪个轴,设置轴名,位置,颜色,数值
        )
            .extend_axis(
            yaxis=opts.AxisOpts(
                type_="value",
                name="场均人次",
                position="left",
                axisline_opts=opts.AxisLineOpts(
                    linestyle_opts=opts.LineStyleOpts(color="#675bba")
                ),
                axislabel_opts=opts.LabelOpts(formatter="{value}"),
                splitline_opts=opts.SplitLineOpts(
                    is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
                ),
            )
        )
            .set_global_opts(
            title_opts=opts.TitleOpts(title="上座率电影排片与场均人次", subtitle="我是副标题"),
            datazoom_opts=opts.DataZoomOpts(type_="inside"),
            yaxis_opts=opts.AxisOpts(
                name="电影排片",
                position="right",
                offset=80,
                axisline_opts=opts.AxisLineOpts(
                    linestyle_opts=opts.LineStyleOpts(color="#5793f3")
                ),
                axislabel_opts=opts.LabelOpts(formatter="{value}%"),
            ),
            tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        )

            .set_series_opts(
            itemstyle_opts={
                "normal": {
                    "color": JsCode("""new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                            offset: 0,
                            color: 'rgba(0, 244, 255, 1)'
                        }, {
                            offset: 1,
                            color: 'rgba(0, 77, 167, 1)'
                        }], false)"""),
                    "barBorderRadius": [30, 30, 30, 30],
                    "shadowColor": 'rgb(0, 160, 221)',
                }},#这里局部设置,绘制渐变圆柱形柱状
            markpoint_opts=opts.MarkPointOpts(
                data=[
                    opts.MarkPointItem(type_="max", name="最大值"),
                    opts.MarkPointItem(type_="min", name="最小值"),
                    opts.MarkPointItem(type_="average", name="平均值"),
                ]
            ),
        )
    )
    bar1.overlap(line)
    grid = (
        Grid(init_opts=opts.InitOpts(width="1500px", height="500px"))
            .add(bar1, opts.GridOpts(pos_left="5%", pos_right="20%",pos_top="30%"), is_control_axis_index=True)
    )#grid布局,将line添加进bar1里,并设置位置与大小
    return grid

玫瑰饼图

然后是第三幅玫瑰饼图,我们这里设置了滚动栏

玫瑰饼图代码如下:

代码语言:javascript
复制
def pie_rosetype() -> Pie:
    pie = (
        Pie(init_opts=opts.InitOpts(width="1200px", height="600px"))#设置图例大小
        .add(
            "",
            [list(z) for z in zip(df['电影'], p_float)],
            radius=[100, 120],#饼图的大小
            center=["25%", "50%"],#饼图的位置
            rosetype="radius",
        )
        .add(
             "",
            [list(z) for z in zip(df['电影'], p_float1)],
            radius=[100, 120],
            center=["65%", "50%"],
            rosetype="radius",
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="电影的票房占比与排片占比", subtitle="电影票房占比与排片占比",pos_top="10%",pos_left="30%"),
                        legend_opts=opts.LegendOpts(
                                 type_="scroll", pos_right="4%",pos_top="10%", orient="vertical")
                         )#设置滚动条
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"),)#设置图示
    )
    return pie

漏斗图

第四漏斗图:没啥细致操作,就是越来越懒了…

代码如下:

代码语言:javascript
复制
def bing() -> Funnel:
    c = (
        Funnel()
        .add("商品", [list(z) for z in zip(list(df['电影'][:10]), list(p_float)[:10])],#为了美观,我这里就取了前几天数据
            label_opts=opts.LabelOpts(position="inside"),
    )
        .set_global_opts(title_opts=opts.TitleOpts(title="Funnel-基本示例"),legend_opts=opts.LegendOpts(
                                 type_="scroll", pos_right="4%",pos_top="10%", orient="vertical"))
    )##滚动条
    return c

象形柱状图

最后一幅图,象形柱状图

象形柱状图代码如下:

代码语言:javascript
复制
def pic() -> PictorialBar:
    c = (
        PictorialBar()
        .add_xaxis(list(df['电影']))
        .add_yaxis(
            "",
            list(p_float2),
            label_opts=opts.LabelOpts(is_show=False),
            symbol_size=18,
            symbol_repeat="fixed",
            symbol_offset=[0, 0],#偏移量
            is_symbol_clip=True,
            symbol='path://M29.902,23.275c1.86,0,3.368-1.506,3.368-3.365c0-1.859-1.508-3.365-3.368-3.365 c-1.857,0-3.365,1.506-3.365,3.365C26.537,21.769,28.045,23.275,29.902,23.275z M36.867,30.74c-1.666-0.467-3.799-1.6-4.732-4.199 c-0.932-2.6-3.131-2.998-4.797-2.998s-7.098,3.894-7.098,3.894c-1.133,1.001-2.1,6.502-0.967,6.769 c1.133,0.269,1.266-1.533,1.934-3.599c0.666-2.065,3.797-3.466,3.797-3.466s0.201,2.467-0.398,3.866 c-0.599,1.399-1.133,2.866-1.467,6.198s-1.6,3.665-3.799,6.266c-2.199,2.598-0.6,3.797,0.398,3.664 c1.002-0.133,5.865-5.598,6.398-6.998c0.533-1.397,0.668-3.732,0.668-3.732s0,0,2.199,1.867c2.199,1.865,2.332,4.6,2.998,7.73 s2.332,0.934,2.332-0.467c0-1.401,0.269-5.465-1-7.064c-1.265-1.6-3.73-3.465-3.73-5.265s1.199-3.732,1.199-3.732 c0.332,1.667,3.335,3.065,5.599,3.399C38.668,33.206,38.533,31.207,36.867,30.74z',
        )#这里是图像中小人的url路径
        .reversal_axis()#翻转
        .set_global_opts(
            datazoom_opts=opts.DataZoomOpts(type_="inside"),
            title_opts=opts.TitleOpts(title="PictorialBar-自定义 Symbol"),
            xaxis_opts=opts.AxisOpts(is_show=False),
            yaxis_opts=opts.AxisOpts(
                axistick_opts=opts.AxisTickOpts(is_show=False),
                axisline_opts=opts.AxisLineOpts(
                    linestyle_opts=opts.LineStyleOpts(opacity=0)
                ),
            ),
        )
    )
    return c

现在我们所有的图都画好了,下一步我们需要将它们结合起来,使用开头两张 gif 的方式

一:使用page()方法将所有图放在一个页面中

代码语言:javascript
复制
page = Page()
page.add(bar(), grid(), pie_rosetype(),bing(),pic())
page.render("line.html")

由于显示器的不同,width与height需要在各自的图中设置大小

二:使用Tab()方法将所有图放在一个页面的不同格中

代码语言:javascript
复制
tab = Tab()
tab.add(bar(), "bar-example")
tab.add(grid(), "grid-example")
tab.add(pie_rosetype(), "pie-example")
tab.add(bing(), "bing-example")
tab.add(pic(), "pic-example")
tab.render("line1.html")

将它们都分别加入

大功告成,不美观,不搞虚头八脑的,就是实战,探索才能使人进步!Go!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-01-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python 知识大全 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 柱状图
  • 多轴数据图
  • 玫瑰饼图
  • 漏斗图
  • 象形柱状图
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档