python画组合图_python结合G2绘制精美图形-阿里云开发者社区
一、简介
G2是阿里巴巴内部开放的数据可视化工具，提供丰富的图表类型，并且简单易上手，有比较完善的示例代码。其生成的图表简单漂亮，而且有JS互动显示，比较适合报告和文章插图。G2的数据来源是json格式数据。
G2绘制的图形
python的pandas库比较擅长对数据处理和分析，其DataFrame生成json也很方便。pandas自身集成了matplotlib的绘图功能，但是绘制的图形没有G2美观。
pandas 绘制的图形
二、pandas和G2结合绘图
绘制流程如下：
1，pandas读取mysql数据库
2，pandas对数据加工处理
3，pandas生成json数据
4，创建含G2内容的html，嵌入json数据
5，调整G2参数，并显示
下面以具体的案例来说明
1，计算收益率排名前十的专家
a，读取数据
from sqlalchemy import create_engine
import pandas as pd
sql = "select * from strategy order by pct desc"
df = pd.read_sql(sql, engine)
df['pct'] = df['pct'] * 100 #收益率转换为百分比
b，生成json数据
数据写到top10.json文件中
import json
datas = []
for ix, row in df[:10].iterrows():
sss = {'name': row['name'], 'pct': float(row['pct'])}
datas.append(sss)
encodejson = json.dumps(datas, ensure_ascii=False)
f = open('top10.json', 'w')
f.write(encodejson)
f.close()
c，创建html
*** top10.html ***
收益率排名TOP10$.getJSON('top10.json', function (data) {
var Frame = G2.Frame;
var frame = new Frame(data);
var chart = new G2.Chart({
id: 'c1',
width: 500,
height: 400
});
chart.source(frame, {
'pct': {alias: '年化相对收益率(%)'},
});
// 去除 X 轴标题
chart.axis('name', {
title: null,
labels:{
'font-size':'6',
'font-weight': 'bold' //文本粗细
},
});
chart.legend(false);// 不显示图例
//chart.coord('rect').transpose();
chart.interval().position('name*pct').color('name'); // 绘制层叠柱状图
//chart.line().position('name*correct_rate').color('#5ed470').size(2).shape('smooth'); // 绘制曲线图
//chart.point().position('name*correct_rate').color('#5ed470'); // 绘制点图
chart.render();
})
top10.html文件和top10.json文件在一个文件夹内。
生成的图表如下：
2，计算推荐次数最多的股票
a，读取数据
from sqlalchemy import create_engine
import pandas as pd
sql = "SELECT code FROM stock "
df = pd.read_sql(sql, engine)
b，数据处理
不同的分析师对一只股票可能有重复推荐，这就需要统计每只股票出现的次数，然后让总出现次数从高往低排序。
用到了自然语言处理包nltk的FreqDist词频统计工具。
from nltk import FreqDist
codes = df['code'].get_values()
print "codes ", len(codes)
fdist = FreqDist(codes) #生成词频类
fdf = pd.DataFrame(fdist.items(), columns=['code', 'count']) #转成DataFrame
fdf.sort(columns='count', ascending=False, inplace=True) # 排序
print "fdf ", len(fdf)
c，生成表格
创建html跟一个案例比较相似，这里我们生成markdown格式的表格。
定义一个markdown表格创建工具
"""
markdown 工具
"""
def m_create_table(df):
"""
从pandas的DataFrame生成markdown格式表格
:param df:
:return:
"""
if len(df) == 0:
return ''
datas = []
head = '|'.join(df.columns)
head = "|" + head + "|"
datas.append(head)
datas.append('-|-')
for ix, row in df.iterrows():
data = '|'.join(map(lambda x: str(x), row.get_values()))
data = "|" + data + "|"
datas.append(data)
result = '\n'.join(datas)
# print result
return result
调用并打印显示
makeTable = m_create_table(fdf)
print makeTable
#输出
|name|code|
|-|-|
|隆基股份|601012|
|美的集团|000333|
|贵州茅台|600519|
|华策影视|300133|
|国轩高科|002074|
|网宿科技|300017|
|阳光电源|300274|
|沧州明珠|002108|
|老板电器|002508|
|保利地产|600048|
表格如下：
name
code
隆基股份
601012
美的集团
000333
贵州茅台
600519
华策影视
300133
国轩高科
002074
网宿科技
300017
阳光电源
300274
沧州明珠
002108
老板电器
002508
保利地产
600048
3，统计饼图
对于数据比较少的html，可以直接填入数据就能创建比较精美的图表了。
如下，只需修改data的name和value值，就能马上创建一个动态的饼图。
饼图var data = [
{name: '买入', value: 17776 },
{name: '增持', value: 19890},
{name: '中性', value: 6814},
{name: '减持', value: 4986},
{name: '卖出', value: 494},
];
var Stat = G2.Stat;
var chart = new G2.Chart({
id: 'c1',
width: 600,
height: 400
});
chart.source(data);
// 重要：绘制饼图时，必须声明 theta 坐标系
chart.coord('theta', {
radius: 0.8 // 设置饼图的大小
});
chart.legend('bottom');
chart.intervalStack()
.position(Stat.summary.percent('value'))
.color('name')
.label('name*..percent',function(name, percent){
percent = (percent * 100).toFixed(2) + '%';
return name + ' ' + percent;
});
chart.render();
// 设置默认选中
var geom = chart.getGeoms()[0]; // 获取所有的图形
var items = geom.getData(); // 获取图形对应的数据
geom.setSelected(items[1]); // 设置选中
Paste_Image.png
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！