使用Pyecharts对猫眼电影票房可视化分析

Python知识大全

发布于 2020-02-21 15:41:31

1K0

发布于 2020-02-21 15:41:31

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

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

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：

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：

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：

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：

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：

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：

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

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

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

pytorch

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！

pytorch

登录后参与评论

0 条评论

热度