扁平風輪播圖大屏展示html頁面源碼

家好，今天給大家介紹一款，扁平風輪播圖大屏展示html頁面源碼（圖1）。送給大家哦，獲取方式在本文末尾。

圖1

可以點擊圖片區域進行圖片輪播切換（圖2）

圖2

可以點擊左右按鈕進行圖片輪播切換（圖3）

圖3

每張圖片都帶圖片說明，隨圖片一起切換（圖4）

圖4

自適應設計，適合各種分辨率（圖5）

圖5

源碼完整，需要的朋友可以下載學習（圖6）

圖6

本源碼編碼：10156，需要的朋友，點擊下面的鏈接后，搜索10156，即可獲取。

「鏈接」

者：俊欣

來源：關于數據分析與可視化

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：

分別使用Pyecharts制作各類圖表，包括柱狀圖、地圖、餅圖等等
使用Pyecharts當中的組合圖表功能，將所有圖片拼接在一張html文件中進行展示

數據的來源

這次我們使用的數據是虛構的某超市2021年第一季度的訂單數據，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    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      1000 non-null   float64       
 7   數量      1000 non-null   int64         
 8   Tax 5%  1000 non-null   float64       
 9   總價      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員，性別有男性與女性，剩下的還有包括商品類型、購買時間、支付方式、各個商品的毛利率等數據，

數據可視化

接下來我們開始各個圖表的繪制，我們先來看餅圖的繪制，代碼并不復雜，首先我們對“商品類型”這一列的數據進行統計

products_type_index = df["商品類型"].value_counts().index.tolist()
products_type_values = df["商品類型"].value_counts().values.tolist()

然后再調用Pyecharts()模塊中的Pie()實例進行圖表的繪制

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中有兩張餅圖的情況，這是使用了Pyecharts()模塊當中的Grid()實例，將若干張繪制完成的圖表遵從一定的順序來進行組合

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%"))
    )

地圖

同樣地，我們將不同省份的數據給篩選出來之后，然后進行圖表的繪制

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模塊當中的Map()實例，可以看到顧客幾乎都分布在北京、浙江以及上海這幾個地方

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

直方圖

我們針對的是購買時間，看一下哪些購買時間段的人會比較多

hour_index = df["小時"].value_counts().index.tolist()
hour_index_str = [str(hour_ind) + "時" for hour_ind in hour_index]
hour_values = df["小時"].value_counts().values.tolist()

調用Bar()實例進行繪制圖表

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="購物的時間分布",
                                                       subtitle="購物時間",
                                                       title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')))
    )
    return c
    
if __name__ == "__main__":
    map = map_chart()
    map.render("5.html")

output

Pyecharts組合圖表

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

Grid: 并行/垂直放置多張圖
Page: 順序多圖
Tab: 多個頁面多圖
Timeline: 時間軸循環輪播多圖

我們使用的是Page()示例來順序展示多張圖表，先實例化該對象

page = Page(layout=Page.DraggablePageLayout, page_title="基于Pyecharts的銷售數據大屏")

之所以用DraggablePageLayout屬性是為了調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test_2.html的文件，然后我們將布局調整成我們想要的結果

對圖片布局完成之后，要記得點擊左上角的save config按鈕對布局文件進行保存。之后本地會生成一個chart_config.json文件，然后運行下面的代碼

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，便是新的內容

言

有粉絲提到說是不是可以寫一篇用Pyecharts模塊做可視化大屏的相關教程，小編立馬就答應了他的請求。那么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：

分別使用Pyecharts制作各類圖表，包括柱狀圖、地圖、餅圖等等
使用Pyecharts當中的組合圖表功能，將所有圖片拼接在一張html文件中進行展示

數據的來源

這次我們使用的數據是虛構的某超市2021年第一季度的訂單數據，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    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      1000 non-null   float64       
 7   數量      1000 non-null   int64         
 8   Tax 5%  1000 non-null   float64       
 9   總價      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員，性別有男性與女性，剩下的還有包括商品類型、購買時間、支付方式、各個商品的毛利率等數據，

數據可視化

接下來我們開始各個圖表的繪制，我們先來看餅圖的繪制，代碼并不復雜，首先我們對“商品類型”這一列的數據進行統計

products_type_index = df["商品類型"].value_counts().index.tolist()
products_type_values = df["商品類型"].value_counts().values.tolist()

然后再調用Pyecharts()模塊中的Pie()實例進行圖表的繪制

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中有兩張餅圖的情況，這是使用了Pyecharts()模塊當中的Grid()實例，將若干張繪制完成的圖表遵從一定的順序來進行組合

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%"))
    )

地圖

同樣地，我們將不同省份的數據給篩選出來之后，然后進行圖表的繪制

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模塊當中的Map()實例，可以看到顧客幾乎都分布在北京、浙江以及上海這幾個地方

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

直方圖

我們針對的是購買時間，看一下哪些購買時間段的人會比較多

hour_index = df["小時"].value_counts().index.tolist()
hour_index_str = [str(hour_ind) + "時" for hour_ind in hour_index]
hour_values = df["小時"].value_counts().values.tolist()

調用Bar()實例進行繪制圖表

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="購物的時間分布",
                                                       subtitle="購物時間",
                                                       title_textstyle_opts=opts.TextStyleOpts(font_size=25, color='#FFFFFF')))
    )
    return c
    
if __name__ == "__main__":
    map = map_chart()
    map.render("5.html")

output

Pyecharts組合圖表

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

Grid: 并行/垂直放置多張圖
Page: 順序多圖
Tab: 多個頁面多圖
Timeline: 時間軸循環輪播多圖

我們使用的是Page()示例來順序展示多張圖表，先實例化該對象

page = Page(layout=Page.DraggablePageLayout, page_title="基于Pyecharts的銷售數據大屏")

之所以用DraggablePageLayout屬性是為了調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test_2.html的文件，然后我們將布局調整成我們想要的結果

對圖片布局完成之后，要記得點擊左上角的save config按鈕對布局文件進行保存。之后本地會生成一個chart_config.json文件，然后運行下面的代碼

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，便是新的內容

獲取代碼，私信“666”

在線咨詢

上一篇：網頁編程：如何在HTML中插入一條水平線？
下一篇：認識“路徑”

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商

扁平風輪播圖大屏展示html頁面源碼

家好，今天給大家介紹一款，扁平風輪播圖大屏展示html頁面源碼（圖1）。送給大家哦，獲取方式在本文末尾。

可以點擊圖片區域進行圖片輪播切換（圖2）

可以點擊左右按鈕進行圖片輪播切換（圖3）

每張圖片都帶圖片說明，隨圖片一起切換（圖4）

自適應設計，適合各種分辨率（圖5）

源碼完整，需要的朋友可以下載學習（圖6）

本源碼編碼：10156，需要的朋友，點擊下面的鏈接后，搜索10156，即可獲取。

數據的來源

數據可視化

地圖

直方圖

Pyecharts組合圖表

言

數據的來源

數據可視化

output

地圖

output

直方圖

output

Pyecharts組合圖表

獲取代碼，私信“666”

您的項目需求