超好看的 BI 大屏，Pyecharts 也可以轻松实现

好看的 BI 大屏，Pyecharts 也可以轻松实现"/>

超好看的 BI 大屏，Pyecharts 也可以轻松实现

前言

有两份广州的美食数据来自 A，B 两个网站，以及一份它们的地理信息数据，为了给去广州的游玩的人提供一些美食的参考，制作一个 BI 仪表盘，需求如下：

1. 广州美食地图分布（广州地图）

2. 哪个行政区美食最多（饼图）

3. 集中在哪些商圈（前十）（柱状图）

4. 星级分布（圆环图）

5. 美食类型（条形）

6. 推荐美食词云（词云）

7. 评论数，人均价格，口味评分，环境评分，服务评分的相关性（热力图）

8. 综合评分=（口味评分+环境评分+服务评分）/3 与人均价格关系（散点图）

9. 制作可视化仪表盘

本文跟进需要，用 Pyecharts 来制作大屏，完整版代码文末获取，原创不易，喜欢记得收藏、点赞、关注。

数据预处理

导入库并查看数据：

A，B 两数据的结构是一样的，但有两列的列名不同，我们修改 A 的列名后，并把 A 数据中【人均价格】列中的【元】去掉，再纵向合并两个数据集，并去重，接着他们的地理信息数据以【店铺ID】为键进行连接：

根据我们的需求，选择需要用到的列并查看有无缺失值需要处理：

从结果上看并没有缺失值，接下来就先制作每一个需求的图表。

图表制作

绘制的每一张图表，需要封装成函数给仪表盘使用，每一张图表没有使用默认的主题，而是使用了一种紫色的主题。

广州美食地图分布： 选取经纬度，以及店铺名称，在广州地图上绘制散点，一个点代表一家店铺：

美食主要集中在天河，越秀，海珠，荔湾，番禺，白云，黄埔区。

哪个行政区美食最多： 需要先计算各个行政区的美食数量，在绘制饼图：

可以看到美食数量最多行政区的是天河区。

集中在哪些商圈： 需要先计算各个出现商圈的次数，在绘制柱状图：

美食数量最多的商圈是珠江新城。

星级分布： 需要先计算各个出现的星级的数量，在绘制圆环图：

四星与准五星占了大多数。

美食类型： 计算各个类型的数量，绘制条形图：

从结果看，店铺美食类型为西餐的是比较多的。

推荐美食： 在每个店的数据中，都有推荐美食，把所有美食连接起来，并计算词频，绘制词云：

评论数，人均价格，口味评分，环境评分，服务评分的相关性： 绘制他们两两的相关性热力图，越偏红，正相关性越强：

综合评分与人均价格关系： 综合评分=（环境评分+口味评分+服务评分）/3，新增一列保存起来，绘制它与人均价格散点图：

接下来就把这些图合成仪表盘

仪表盘

pyecharts 官网文档：

=page%ef%bc%9a%e9%a1%ba%e5%ba%8f%e5%a4%9a%e5%9b%be

我们上面的绘图，都是封装成函数的，接下来使用下面代码调用绘制函数（page.add 中就是，这里折叠了）：

上面代码就绘制图表并保存为 html 文件，需要注意的是 18-19 行为注释。

调用绘制函数后生成了一个 page.html 文件，里面包含了所有图表，通过拖拽图表设计成我们想要布局的样子（下图是随便放的）然后点击左上角【save config】保存布局的 json 文件：

修改代码，17 行注释，18-19 行取消注释，因为我们已经生成了图表不需要再生成一次，在生成一次的话图表 id 会改变，那刚刚下载布局文件就用不了了：

page.html 为生成的所有图表的文件

page.json 为下载的布局文件

仪表盘.html 为布局好的的仪表盘文件

打开仪表盘.html:

这样我们就完成了 pyecharts 仪表盘的制作。

源码获取

扫描下方公众号，代码已放置后台，回复关键词 ：仪表盘，即可获取

推荐文章

• 李宏毅《机器学习》国语课程(2022)来了

• 有人把吴恩达老师的机器学习和深度学习做成了中文版

• 上瘾了，最近又给公司撸了一个可视化大屏(附源码)

• 如此优雅，4款 Python 自动数据分析神器真香啊

• 梳理半月有余，精心准备了17张知识思维导图，这次要讲清统计学

• 年终汇总：20份可视化大屏模板，直接套用真香(文末附源码)

技术交流

欢迎转载、收藏、有所收获点赞支持一下！

目前开通了技术交流群，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

• 方式①、发送如下图片至微信，长按识别，后台回复：加群；
• 方式②、添加微信号：dkl88191，备注：来自CSDN
• 方式③、微信搜索公众号：Python学习与数据挖掘，后台回复：加群