以大热剧《觉醒年代》为例用Python绘制可视化仪表盘(可视化觉醒)

《觉醒年代》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。

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 pd
from pyecharts.charts import Bar, Page
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from collections import Counter
frompyecharts.chartsimportPie

‍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")

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")

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")

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

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：