者: 俊欣
來源:關(guān)于數(shù)據(jù)分析與可視化
今天小編來為大家安利另外一個(gè)用于繪制可視化圖表的Python框架,名叫Dash,建立在Flask、Plotly.js以及React.js的基礎(chǔ)之上,在創(chuàng)建之出的目的是為了幫助前端知識(shí)匱乏的數(shù)據(jù)分析人員,以純Python編程的方式快速制作出交互特性強(qiáng)的數(shù)據(jù)可視化大屏,在經(jīng)過多年的迭代發(fā)展,如今不僅僅可以用來開發(fā)在線數(shù)據(jù)可視化作品,即便是輕量級(jí)的數(shù)據(jù)儀表盤、BI應(yīng)用甚至是博客或者是常規(guī)的網(wǎng)站都隨處可見Dash框架的影子,今天小編就先來介紹一下該框架的一些基礎(chǔ)知識(shí),并且來制作一個(gè)簡(jiǎn)單的數(shù)據(jù)可視化大屏。
我們先來了解一下Dash框架中的兩個(gè)基本概念
Layout顧名思義就是用來設(shè)計(jì)可視化大屏的外觀和布局,添加一些例如下拉框、單選框、復(fù)選框、輸入框、文本框、滑動(dòng)條等組件,其中Dash框架對(duì)HTML標(biāo)簽也進(jìn)行了進(jìn)一步的封裝,使得我們直接可以通過Python代碼來生成和設(shè)計(jì)每一個(gè)網(wǎng)頁(yè)所需要的元素,例如
<div>
<h1>Hello World!!</h1>
<div>
<p>Dash converts Python classes into HTML</p>
</div>
</div>
我們轉(zhuǎn)化成Dash的Python結(jié)構(gòu)就是
html.Div([
html.H1('Hello Dash'),
html.Div([
html.P('Dash converts Python classes into HTML'),
])
])
Callbacks也就是回調(diào)函數(shù),基本上是以裝飾器的形式來體現(xiàn)的,實(shí)現(xiàn)前后端異步通信的交互,例如我們?cè)邳c(diǎn)擊按鈕或者下拉框之后出現(xiàn)的功能就是通過回調(diào)函數(shù)來實(shí)現(xiàn)的。
在導(dǎo)入模塊之前,我們先用pip命令來進(jìn)行安裝,
! pip install dash
! pip install dash-html-components
! pip install dash-core-components
! pip install plotly
然后我們導(dǎo)入這些剛剛安裝完的模塊,其中dash-html-components用來生成HTML標(biāo)簽,dash-core-components模塊用來生成例如下拉框、輸入框等組件,這里我們還需要用到plotly模塊,因?yàn)槲覀冃枰玫降臄?shù)據(jù)來自該模塊,里面是一眾互聯(lián)網(wǎng)公司過去一段時(shí)間中股價(jià)的走勢(shì)
import dash
import dash_html_components as html
import dash_core_components as dcc
import plotly.graph_objects as go
import plotly.express as px
那么我們讀取數(shù)據(jù)并且用plotly來繪制折線圖,代碼如下
app=dash.Dash() #實(shí)例化Dash
df=px.data.stocks() #讀取股票數(shù)據(jù)
def stock_prices():
# 繪制折線圖
fig=go.Figure([go.Scatter(x=df['date'], y=df['AAPL'],
line=dict(color='firebrick', width=4), name='Apple')
])
fig.update_layout(title='股價(jià)隨著時(shí)間的變幻',
xaxis_title='日期',
yaxis_title='價(jià)格'
)
return fig
app.layout=html.Div(id='parent', children=[
html.H1(id='H1', children='Dash 案例一', style={'textAlign': 'center',
'marginTop': 40, 'marginBottom': 40}),
dcc.Graph(id='line_plot', figure=stock_prices())
])
if __name__=='__main__':
app.run_server()
我們點(diǎn)擊運(yùn)行之后會(huì)按照提示將url復(fù)制到瀏覽器當(dāng)中便可以看到出來的結(jié)果了,如下所示
從代碼的邏輯上來看,我們通過Dash框架中的Div方法來進(jìn)行頁(yè)面的布局,其中有參數(shù)id來指定網(wǎng)頁(yè)中的元素,以及style參數(shù)來進(jìn)行樣式的設(shè)計(jì),最后我們將會(huì)指出來的圖表放在dcc.Graph()函數(shù)當(dāng)中。
然后我們?cè)偬碇靡粋€(gè)下拉框,當(dāng)我們點(diǎn)擊這個(gè)下拉框的時(shí)候,可是根據(jù)我們的選擇展示不同公司的股價(jià),代碼如下
dcc.Dropdown(id='dropdown',
options=[
{'label': '谷歌', 'value': 'GOOG'},
{'label': '蘋果', 'value': 'AAPL'},
{'label': '亞馬遜', 'value': 'AMZN'},
],
value='GOOG'),
output
options參數(shù)中的label對(duì)應(yīng)的是下拉框中的各個(gè)標(biāo)簽,而value對(duì)應(yīng)的是DataFrame當(dāng)中的列名
df.head()
output
最后我們將下拉框和繪制折線圖的函數(shù)給連接起來,我們點(diǎn)擊下拉框選中不同的選項(xiàng)的時(shí)候,折線圖也會(huì)相應(yīng)的產(chǎn)生變化,
@app.callback(Output(component_id='bar_plot', component_property='figure'),
[Input(component_id='dropdown', component_property='value')])
def graph_update(dropdown_value):
print(dropdown_value)
# Function for creating line chart showing Google stock prices over time
fig=go.Figure([go.Scatter(x=df['date'], y=df['{}'.format(dropdown_value)],
line=dict(color='firebrick', width=4))
])
fig.update_layout(title='股價(jià)隨著時(shí)間的變幻',
xaxis_title='日期',
yaxis_title='價(jià)格'
)
return fig
我們看到callback()方法中指定輸入和輸出的媒介,其中Input參數(shù),里面的component_id對(duì)應(yīng)的是下拉框的id也就是dropdown,而Output參數(shù),當(dāng)中的component_id對(duì)應(yīng)的是折線圖的id也就是bar_plot,我們來看一下最后出來的結(jié)果如下
最后,全部的代碼如下所示
者:俊欣
來源:關(guān)于數(shù)據(jù)分析與可視化
今天我們就來說說如何用Pyecharts模塊來制作炫酷的可視化大屏,最后的效果如下
步驟如下:
這次我們使用的數(shù)據(jù)是虛構(gòu)的某超市2021年第一季度的訂單數(shù)據(jù),總共是有1000條,
df.info()
output
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 17 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 訂單編號(hào) 1000 non-null object
1 分支 1000 non-null object
2 省份 1000 non-null object
3 顧客類型 1000 non-null object
4 性別 1000 non-null object
5 商品類型 1000 non-null object
6 單價(jià) 1000 non-null float64
7 數(shù)量 1000 non-null int64
8 Tax 5% 1000 non-null float64
9 總價(jià) 1000 non-null float64
10 日期 1000 non-null datetime64[ns]
.......
dtypes: datetime64[ns](1), float64(7), int64(1), object(8)
memory usage: 132.9+ KB
其中顧客的類型有普通顧客與會(huì)員,性別有男性與女性,剩下的還有包括商品類型、購(gòu)買時(shí)間、支付方式、各個(gè)商品的毛利率等數(shù)據(jù),
接下來我們開始各個(gè)圖表的繪制,我們先來看餅圖的繪制,代碼并不復(fù)雜,首先我們對(duì)“商品類型”這一列的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)
products_type_index=df["商品類型"].value_counts().index.tolist()
products_type_values=df["商品類型"].value_counts().values.tolist()
然后再調(diào)用Pyecharts()模塊中的Pie()實(shí)例進(jìn)行圖表的繪制
def pie_chart_2():
c=(
Pie(init_opts=opts.InitOpts(chart_id=4, bg_color='#1C1C1C',
theme=ThemeType.INFOGRAPHIC))
.add("", [list(z) for z in zip(products_type_index,
products_type_values)])
.set_global_opts(title_opts=opts.TitleOpts(title="商品類型分布圖",
title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')),
legend_opts=opts.LegendOpts(orient="vertical",
pos_left="5%",
pos_top="10%"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
return c
if __name__=="__main__":
map=map_chart()
map.render("4.html")
output
另外,我們也看到了單張圖片當(dāng)中有兩張餅圖的情況,這是使用了Pyecharts()模塊當(dāng)中的Grid()實(shí)例,將若干張繪制完成的圖表遵從一定的順序來進(jìn)行組合
grid=(
Grid(init_opts=opts.InitOpts(width='1000px', height='600px',
chart_id=3, bg_color='#1C1C1C'))
.add(c_1, grid_opts=opts.GridOpts(pos_left="60%"))
.add(c_2, grid_opts=opts.GridOpts(pos_right="50%"))
)
同樣地,我們將不同省份的數(shù)據(jù)給篩選出來之后,然后進(jìn)行圖表的繪制
city_index=df["省份"].value_counts().index.tolist()
city_values=df["省份"].value_counts().values.tolist()
地圖的繪制用的是Pyecharts模塊當(dāng)中的Map()實(shí)例,可以看到顧客幾乎都分布在北京、浙江以及上海這幾個(gè)地方
def map_chart():
c=(
Map(init_opts=opts.InitOpts(chart_id=2,
bg_color='#1C1C1C'))
.add("商家A", [list(z) for z in zip(city_index,
city_values)], "china")
.set_global_opts(
title_opts=opts.TitleOpts(title="顧客在全國(guó)的分布圖",
title_textstyle_opts=opts.TextStyleOpts(font_size=25,
color='#FFFFFF')),
visualmap_opts=opts.VisualMapOpts(max_=250),
)
)
return c
if __name__=="__main__":
map=map_chart()
map.render("2.html")
output
我們針對(duì)的是購(gòu)買時(shí)間,看一下哪些購(gòu)買時(shí)間段的人會(huì)比較多
hour_index=df["小時(shí)"].value_counts().index.tolist()
hour_index_str=[str(hour_ind) + "時(shí)" for hour_ind in hour_index]
hour_values=df["小時(shí)"].value_counts().values.tolist()
調(diào)用Bar()實(shí)例進(jìn)行繪制圖表
def bar_chart():
c=(
Bar(init_opts=opts.InitOpts(chart_id=5, bg_color='#1C1C1C',
theme=ThemeType.CHALK))
.add_xaxis(hour_index_str)
.add_yaxis("商家A", hour_values)
.set_global_opts(title_opts=opts.TitleOpts(title="購(gòu)物的時(shí)間分布",
subtitle="購(gòu)物時(shí)間",
title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')))
)
return c
if __name__=="__main__":
map=map_chart()
map.render("5.html")
output
將繪制出來的若干份圖表組合到一塊兒,總共有這幾種方式
我們使用的是Page()示例來順序展示多張圖表,先實(shí)例化該對(duì)象
page=Page(layout=Page.DraggablePageLayout, page_title="基于Pyecharts的銷售數(shù)據(jù)大屏")
之所以用DraggablePageLayout屬性是為了調(diào)整成我們所想要的布局,然后將我們所繪制的圖表一一添加
page.add(
title(),
map_chart(),
pie_chart(),
pie_chart_2(),
bar_chart(),
)
page.render('test_2.html')
最后生成一個(gè)test_2.html的文件,然后我們將布局調(diào)整成我們想要的結(jié)果
對(duì)圖片布局完成之后,要記得點(diǎn)擊左上角的save config按鈕對(duì)布局文件進(jìn)行保存。之后本地會(huì)生成一個(gè)chart_config.json文件,然后運(yùn)行下面的代碼
page.save_resize_html('test_2.html', cfg_file='chart_config.json', dest='可視化大屏.html')
打開重新生成的可視化大屏.html,便是新的內(nèi)容
在日常工作中,為了更直觀的發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律,察覺到變量之間的互動(dòng)關(guān)系,人們常常借助可視化幫助我們更好的給他人解釋現(xiàn)象,做到一圖勝千文的說明效果。
在Python中,常見的數(shù)據(jù)可視化庫(kù)有:
matplotlib 是最常見的2維庫(kù),可以算作可視化的必備技能庫(kù),由于matplotlib是比較底層的庫(kù),api很多,代碼學(xué)起來不太容易。
seaborn 是建構(gòu)于matplotlib基礎(chǔ)上,能滿足絕大多數(shù)可視化需求。更特殊的需求還是需要學(xué)習(xí)matplotlib。
上述兩個(gè)庫(kù)都是靜態(tài)的可視化庫(kù),大多數(shù)做過前端Web開發(fā)的同學(xué)都用到過Echarts.js庫(kù),它是一款前端可視化的JS庫(kù)、功能非常之強(qiáng)大。在使用之前,需要導(dǎo)入js庫(kù)到項(xiàng)目中。對(duì)于平時(shí)用Python較多的同學(xué)而言,如果每次實(shí)現(xiàn)可視化功能(特別是一些小需求),都需要引用js庫(kù)顯然不太方便,于是就在想有沒有Python與Echarts結(jié)合的輪子。答案是肯定的,在Github中就有一個(gè)國(guó)人開發(fā)的一個(gè)Echarts與Python結(jié)合的輪子:Pyecharts,它不僅很好的兼容了web項(xiàng)目,而且可以做到可視化的動(dòng)態(tài)效果。
Pyecharts 是一個(gè)用于生成 Echarts 圖表的類庫(kù)。常規(guī)的Echarts 是由百度開源的一個(gè)數(shù)據(jù)可視化 JS 庫(kù),主要用于數(shù)據(jù)可視化。簡(jiǎn)單來說,Pyecharts是一款將python與echarts結(jié)合的強(qiáng)大的數(shù)據(jù)可視化工具。
使用 Pyecharts 可以生成獨(dú)立的網(wǎng)頁(yè),也可以在 flask , Django 中集成使用。
項(xiàng)目介紹:
http://pyecharts.herokuapp.com/
項(xiàng)目源碼:
https://github.com/pyecharts/pyecharts
從項(xiàng)目文檔介紹可知, pyecharts目前分為兩個(gè)大的系列版本:0.5.x 和v1.x.x。
支持 Python2.7,3.4+
0.5.x 版本將不再進(jìn)行維護(hù),文檔位于 05x-docs.pyecharts.org。
僅支持 Python3.6+
新版本系列將從 v1.0.0 開始,文檔位于 pyecharts.org;示例位于 gallery.pyecharts.org
PS: v0.5.x 和 V1 間不兼容,V1 是一個(gè)全新的版本。
得益于Echarts 項(xiàng)目,目前Pyecharts支持 30+ 種常見圖表,如下所示:
Bar(柱狀圖/條形圖)
Bar3D(3D 柱狀圖)
Boxplot(箱形圖)
EffectScatter(散點(diǎn)圖)
Funnel(漏斗圖)
Gauge(儀表盤)
Geo(地理坐標(biāo)系)
Graph(關(guān)系圖)
HeatMap(熱力圖)
Kline(K線圖)
Line(折線/面積圖)
Line3D(3D 折線圖)
Liquid(水球圖)
Map(地圖)
Parallel(平行坐標(biāo)系)
Pie(餅圖)
Polar(極坐標(biāo)系)
Radar(雷達(dá)圖)
Sankey(桑基圖)
Scatter(散點(diǎn)圖)
Scatter3D(3D 散點(diǎn)圖)
ThemeRiver(主題河流圖)
WordCloud(詞云圖)
1、pip 安裝
# 安裝 v1 以上版本
$ pip install pyecharts -U
# 如果需要安裝 0.5.11 版本的開發(fā)者,可以使用
# pip install pyecharts==0.5.11
2、源碼安裝
# v1 以上版本
$ git clone https://github.com/pyecharts/pyecharts.git
# 如果需要安裝 0.5.11 版本,請(qǐng)使用 git clone https://github.com/pyecharts/pyecharts.git -b v05x
$ cd pyecharts
$ pip install -r requirements.txt
$ python setup.py install
在使用pip安裝庫(kù)時(shí),由于墻的原因,下載時(shí)可能會(huì)出現(xiàn)斷線和速度過慢的問題導(dǎo)致下載失敗,所以建議通過豆瓣源或清華鏡像來進(jìn)行下載:
# 豆瓣源下載
pip install -i https://pypi.douban.com/simple pyecharts
# 清華鏡像源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts
PS: 這里要專門說明一下,自從 0.3.2 開始,為了縮減項(xiàng)目本身的體積以及維持 pyecharts 項(xiàng)目的輕量化運(yùn)行,pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表(Geo、Map),可自行安裝對(duì)應(yīng)的地圖文件包。
# 通過pip命令進(jìn)行安裝
pip install echarts-countries-pypkg
pip install echarts-china-provinces-pypkg
pip install echarts-china-cities-pypkg
現(xiàn)在我們來開始正式使用pycharts,這里我們先直接使用官方的數(shù)據(jù),感受一下可視化展示效果。
from pyecharts.charts import Bar
from pyecharts import options as opts
# V1 版本開始支持鏈?zhǔn)秸{(diào)用
bar=(
Bar
.add_xaxis(["襯衫", "毛衣", "領(lǐng)帶", "褲子", "風(fēng)衣", "高跟鞋", "襪子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.set_global_opts(title_opts=opts.TitleOpts(title="某商場(chǎng)銷售情況"))
)
bar.render_notebook
在這里順便安利一下jupyter,pyecharts在v0.1.9.2版本開始,在jupyter上可以直接調(diào)用實(shí)例(例如上方直接調(diào)用bar.render_notebook())就可以將圖表直接展示出來,非常方便。
如果腳本在非jupyter環(huán)境運(yùn)行,圖表渲染方法需改為:
bar.render
默認(rèn)情況下,pycharts生成圖表為HTML格式,也支持生成png圖片格式,如下:
from snapshot_selenium import snapshot as driver
from pyecharts import options as opts
from pyecharts.charts import Bar
from pyecharts.render import make_snapshot
def bar_chart -> Bar:
c=(
Bar
.add_xaxis(["襯衫", "毛衣", "領(lǐng)帶", "褲子", "風(fēng)衣", "高跟鞋", "襪子"])
.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105])
.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49])
.reversal_axis
.set_series_opts(label_opts=opts.LabelOpts(position="right"))
.set_global_opts(title_opts=opts.TitleOpts(title="Bar-測(cè)試渲染圖片"))
)
return c
# 需要安裝 snapshot-selenium 或者 snapshot-phantomjs
make_snapshot(driver, bar_chart.render, "bar.png")
在上面官方示例中的柱狀圖表我們已經(jīng)能感受到pycharts可視化功能的強(qiáng)大,最后再介始幾種日常工作中常用的可視化圖表及對(duì)應(yīng)示例。
6.1 Pie餅狀圖
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Faker
pie=(
Pie
.add("", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_colors(["blue", "green", "yellow", "red", "pink", "orange", "purple"])
.set_global_opts(title_opts=opts.TitleOpts(title="Pie-設(shè)置顏色"))
.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
pie.render_notebook
6.2 儀表盤
from pyecharts import options as opts
from pyecharts.charts import Gauge
g=(
Gauge
.add("", [("完成率", 66.6)])
.set_global_opts(title_opts=opts.TitleOpts(title="Gauge-基本示例"))
)
g.render_notebook
6.3 折線圖
import pyecharts.options as opts
from pyecharts.charts import Line
from pyecharts.faker import Faker
c=(
Line
.add_xaxis(Faker.choose)
.add_yaxis("商家A", Faker.values, is_smooth=True)
.add_yaxis("商家B", Faker.values, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="Line-smooth"))
)
c.render_notebook
6.4 K線圖
from pyecharts import options as opts
from pyecharts.charts import Kline
data=[
[2320.26, 2320.26, 2287.3, 2362.94],
[2300, 2291.3, 2288.26, 2308.38],
[2295.35, 2346.5, 2295.35, 2345.92],
[2347.22, 2358.98, 2337.35, 2363.8],
[2360.75, 2382.48, 2347.89, 2383.76],
[2383.43, 2385.42, 2371.23, 2391.82],
[2377.41, 2419.02, 2369.57, 2421.15],
[2425.92, 2428.15, 2417.58, 2440.38],
[2411, 2433.13, 2403.3, 2437.42],
[2432.68, 2334.48, 2427.7, 2441.73],
[2430.69, 2418.53, 2394.22, 2433.89],
[2416.62, 2432.4, 2414.4, 2443.03],
[2441.91, 2421.56, 2418.43, 2444.8],
[2420.26, 2382.91, 2373.53, 2427.07],
[2383.49, 2397.18, 2370.61, 2397.94],
[2378.82, 2325.95, 2309.17, 2378.82],
[2322.94, 2314.16, 2308.76, 2330.88],
[2320.62, 2325.82, 2315.01, 2338.78],
[2313.74, 2293.34, 2289.89, 2340.71],
[2297.77, 2313.22, 2292.03, 2324.63],
[2322.32, 2365.59, 2308.92, 2366.16],
[2364.54, 2359.51, 2330.86, 2369.65],
[2332.08, 2273.4, 2259.25, 2333.54],
[2274.81, 2326.31, 2270.1, 2328.14],
[2333.61, 2347.18, 2321.6, 2351.44],
[2340.44, 2324.29, 2304.27, 2352.02],
[2326.42, 2318.61, 2314.59, 2333.67],
[2314.68, 2310.59, 2296.58, 2320.96],
[2309.16, 2286.6, 2264.83, 2333.29],
[2282.17, 2263.97, 2253.25, 2286.33],
[2255.77, 2270.28, 2253.31, 2276.22],
]
k=(
Kline
.add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)])
.add_yaxis("k線圖", data)
.set_global_opts(
yaxis_opts=opts.AxisOpts(is_scale=True),
xaxis_opts=opts.AxisOpts(is_scale=True),
title_opts=opts.TitleOpts(title="K線圖-基本示例"),
)
)
k.render_notebook
6.5 地圖Map
from pyecharts import options as opts
from pyecharts.charts import Map
from pyecharts.faker import Faker
map=(
Map
.add("中國(guó)地圖", [list(z) for z in zip(Faker.provinces, Faker.values())], "china")
.set_global_opts(title_opts=opts.TitleOpts(title="Map-基本示例"))
)
map.render_notebook
6.6 詞云圖
import pyecharts.options as opts
from pyecharts.charts import WordCloud
data=[
("生活資源", "999"),
("供熱管理", "888"),
("供氣質(zhì)量", "777"),
("生活用水管理", "688"),
("一次供水問題", "588"),
("交通運(yùn)輸", "516"),
("城市交通", "515"),
("環(huán)境保護(hù)", "483"),
("房地產(chǎn)管理", "462"),
("城鄉(xiāng)建設(shè)", "449"),
("社會(huì)保障與福利", "429"),
("社會(huì)保障", "407"),
("文體與教育管理", "406"),
("公共安全", "406"),
("公交運(yùn)輸管理", "386"),
("出租車運(yùn)營(yíng)管理", "385"),
("供熱管理", "375"),
("市容環(huán)衛(wèi)", "355"),
("自然資源管理", "355"),
("粉塵污染", "335"),
("噪聲污染", "324"),
("土地資源管理", "304"),
("物業(yè)服務(wù)與管理", "304"),
("醫(yī)療衛(wèi)生", "284"),
("粉煤灰污染", "284"),
("占道", "284"),
("供熱發(fā)展", "254"),
("農(nóng)村土地規(guī)劃管理", "254"),
("生活噪音", "253"),
("供熱單位影響", "253"),
("城市供電", "223"),
("房屋質(zhì)量與安全", "223"),
("大氣污染", "223"),
("房屋安全", "223"),
("文化活動(dòng)", "223"),
("拆遷管理", "223"),
("公共設(shè)施", "223"),
("供氣質(zhì)量", "223"),
("供電管理", "223"),
("燃?xì)夤芾?, "152"),
("教育管理", "152"),
("醫(yī)療糾紛", "152"),
("執(zhí)法監(jiān)督", "152"),
("設(shè)備安全", "152"),
("政務(wù)建設(shè)", "152"),
("縣區(qū)、開發(fā)區(qū)", "152"),
("宏觀經(jīng)濟(jì)", "152"),
("教育管理", "112"),
("社會(huì)保障", "112"),
("生活用水管理", "112"),
("物業(yè)服務(wù)與管理", "112"),
("分類列表", "112"),
("農(nóng)業(yè)生產(chǎn)", "112"),
("二次供水問題", "112"),
("城市公共設(shè)施", "92"),
("拆遷政策咨詢", "92"),
("物業(yè)服務(wù)", "92"),
("物業(yè)管理", "92"),
("社會(huì)保障保險(xiǎn)管理", "92"),
("低保管理", "92"),
("文娛市場(chǎng)管理", "72"),
("城市交通秩序管理", "72"),
("執(zhí)法爭(zhēng)議", "72"),
("商業(yè)煙塵污染", "72"),
("占道堆放", "71"),
("地上設(shè)施", "71"),
("水質(zhì)", "71"),
("無(wú)水", "71"),
("供熱單位影響", "71"),
("人行道管理", "71"),
("主網(wǎng)原因", "71"),
("集中供熱", "71"),
("客運(yùn)管理", "71"),
("國(guó)有公交(大巴)管理", "71"),
("工業(yè)粉塵污染", "71"),
("治安案件", "71"),
("壓力容器安全", "71"),
("身份證管理", "71"),
("群眾健身", "41"),
("工業(yè)排放污染", "41"),
("破壞森林資源", "41"),
("市場(chǎng)收費(fèi)", "41"),
("生產(chǎn)資金", "41"),
("生產(chǎn)噪聲", "41"),
("農(nóng)村低保", "41"),
("勞動(dòng)爭(zhēng)議", "41"),
("勞動(dòng)合同爭(zhēng)議", "41"),
("勞動(dòng)報(bào)酬與福利", "41"),
("醫(yī)療事故", "21"),
("停供", "21"),
("基礎(chǔ)教育", "21"),
("職業(yè)教育", "21"),
("物業(yè)資質(zhì)管理", "21"),
("拆遷補(bǔ)償", "21"),
("設(shè)施維護(hù)", "21"),
("市場(chǎng)外溢", "11"),
("占道經(jīng)營(yíng)", "11"),
("樹木管理", "11"),
("農(nóng)村基礎(chǔ)設(shè)施", "11"),
("無(wú)水", "11"),
("供氣質(zhì)量", "11"),
("停氣", "11"),
("燃?xì)夤芾?, "11"),
("市容環(huán)衛(wèi)", "11"),
("新聞傳媒", "11"),
("人才招聘", "11"),
("市場(chǎng)環(huán)境", "11"),
("行政事業(yè)收費(fèi)", "11"),
("食品安全與衛(wèi)生", "11"),
("城市交通", "11"),
("房地產(chǎn)開發(fā)", "11"),
("房屋配套問題", "11"),
("物業(yè)服務(wù)", "11"),
("物業(yè)管理", "11"),
("占道", "11"),
("園林綠化", "11"),
("戶籍管理及身份證", "11"),
("公交運(yùn)輸管理", "11"),
("公路(水路)交通", "11"),
("房屋與圖紙不符", "11"),
("有線電視", "11"),
("社會(huì)治安", "11"),
("林業(yè)資源", "11"),
("其他行政事業(yè)收費(fèi)", "11"),
("經(jīng)營(yíng)性收費(fèi)", "11"),
("食品安全與衛(wèi)生", "11"),
("體育活動(dòng)", "11"),
("有線電視安裝及調(diào)試維護(hù)", "11"),
("低保管理", "11"),
("勞動(dòng)爭(zhēng)議", "11"),
("社會(huì)福利及事務(wù)", "11"),
("一次供水問題", "11"),
]
c=(
WordCloud
.add(series_name="熱點(diǎn)分析", data_pair=data, word_size_range=[6, 66])
.set_global_opts(
title_opts=opts.TitleOpts(
title="熱點(diǎn)分析", title_textstyle_opts=opts.TextStyleOpts(font_size=23)
),
tooltip_opts=opts.TooltipOpts(is_show=True),
)
)
c.render_notebook
上述示例僅供參考,讀者們結(jié)合日常工作應(yīng)用,學(xué)會(huì)舉一反三才是關(guān)健,更多Pychart示例介紹可見:代碼示例
*請(qǐng)認(rèn)真填寫需求信息,我們會(huì)在24小時(shí)內(nèi)與您取得聯(lián)系。