从《觉醒年代》看如何用Python来绘制可视化仪表盘

淩亂°似流年 2022-10-12 01:52 39阅读 0赞

![d218e4b15d6aee28cd32336de93c5357.png][]

作者 | 俊欣

来源 | 关于数据分析与可视化

有时候大家想把自己绘制好的可视化图片集中到一个页面，整合成仪表盘，集中给同事或者他人来呈现，但又不知道该怎么做，今天小编就来分享一个实用的第三方模块中的方法，而此次用到的数据便是最近大热门的民国历史剧《觉醒年代》的相关数据。被称为是继《走向共和》后的又一部历史神剧。自开播以来，豆瓣上的评分也是从最初的8.3分飙升到9.2分，并且在最近的上海电视节白玉兰奖中获得多项提名。

![b0946e98faf39a44e09c4f3007161830.png][]

**01 **

**数据的可视化**

Pyecharts中的页面组件Page能够很好地将许多绘制出来的页面组合到一个页面当中去，首先我们先导入需要用到的模块，

import pandas as pdfrom pyecharts.charts import Bar, Pagefrom pyecharts import options as optsfrom pyecharts.globals import ThemeTypefrom collections import Counterfrom pyecharts.charts import Pie

首先我们来可视化一下观众的评分分布，从中可以看书，5颗星的评分占到了75%，可见观众们对该剧的评价都是非常的高了，几乎都给出了满分的好评

p = (      Pie(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))          .add("", [list(z) for z in zip(stars_keys_list, stars_values_list)],               radiu=["40%%", "65%"],               center=["55%", "50%"])          .set_global_opts(title_opts=opts.TitleOpts(title="电影评分分布(%)", pos_left="center", subtitle="觉醒年代"),                           legend_opts=opts.LegendOpts(orient="vertical",                                                       pos_top="15%",                                                       pos_left="25%"))          .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))    )p.render("movie_stars.html")

![58cc420a5f72a95e1ab1be8fda413dc2.png][]

下面我们来绘制一下剧中的主角被提及的次数，当然可能有一些读者朋友不是特别熟悉该部剧，该剧的历史背景是1915年到1921年这段期间，由李大钊、陈独秀以及胡适领导的新文化运动开始讲起，从可视化出来的结果可以发现于和伟(皇叔)被提及的次数是最多的，哈哈哈

bar = (  Bar(init_opts=opts.InitOpts(theme=ThemeType.ROMANTIC))      .add_xaxis(actor_mention_keys_list)      .add_yaxis("", actor_mention_values_list)      .set_global_opts(title_opts=opts.TitleOpts(title="主角被提及的次数", subtitle="觉醒年代", pos_left="center"),                       yaxis_opts=opts.AxisOpts(min_= 0, max_=1800)))bar.render("actors_mentions_times.html")

![25a867eb667d9b39f27b78629ff05afa.png][]

与此同时，小编也统计了一下参与了评论的观众朋友们的地域分布情况，发现的是北京和上海的观众最多，对于历史题材的，党政类型的剧情比较感兴趣，

bar = (      Bar(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))          .add_xaxis(location_keys_list)          .add_yaxis("", location_values_list)          .set_global_opts(title_opts=opts.TitleOpts(title="影迷的分布地点", subtitle="觉醒年代", pos_left="center"),                           yaxis_opts=opts.AxisOpts(min_=0, max_=65)                           ))bar.render("fans_location.html")

![ba0b23fd206709e06f241d0bef7aeeb4.png][]

而这些观众粉丝们大多也是近几年才刚加入的新用户，大多都集中在2018年至2020年这些时间段，可见为了用户增长，该社区也是花了不少的功夫

![1e5392133e56af534a66afb1b7b056fc.png][]

最后我们来制作可视化仪表盘，在实例化Page对象之后，就将我们绘制好的作品往里添加即可，

page = Page(layout=Page.SimplePageLayout)page.add(visualiza_stars(0.8, 0.9, 3.7, 19.3, 75.3),         visualize_actors_mentions_times(),         visualize_user_location(),         visualize_fans_year(),         review_sentiment_analysis(),         review_sentiment_score_analysis())page.render("page_sample1.html")

最后出来的结果如下图所示：

![a83507bfb5fdbe73cd88673fd06d9eb4.gif][]

=推荐阅读=
    
    
    点分享点收藏点点赞点在看

[d218e4b15d6aee28cd32336de93c5357.png]: /images/20221005/007b411258794dc9aeb224591eb9fbe6.png
[b0946e98faf39a44e09c4f3007161830.png]: /images/20221005/c87be71ac27342a3b51de02ab7ff74b1.png
[58cc420a5f72a95e1ab1be8fda413dc2.png]: /images/20221005/3f1cf6b1521e472eadb097fb97b7bcb2.png
[25a867eb667d9b39f27b78629ff05afa.png]: /images/20221005/09a0bf33976a46ca8b143e4dc57ecd48.png
[ba0b23fd206709e06f241d0bef7aeeb4.png]: /images/20221005/c5560c2a11d946d989d52bc0a3df3c12.png
[1e5392133e56af534a66afb1b7b056fc.png]: /images/20221005/186179389386417abf853717c6b6c6f2.png
[a83507bfb5fdbe73cd88673fd06d9eb4.gif]: /images/20221005/56be4a65d65c48568ff493157b99ee2d.png