今天给大家推荐一个可视化库：cutecharts，我把她叫做pyecharts的妹妹

一、前言

昨天，手机突然叮咚一响，微信群跳出一条消息，“@老表新图表库敲可爱的画风”，还有仓库链接，
<center>
<img src="https://img-blog.csdnimg.cn/20191013101840120.jpeg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="60%" alt=""/></center>
我打开看了下，原来是陈健冬大佬有搞了个新的可视化库，这，我必须尝鲜啊。
<center>
<img src="https://img-blog.csdnimg.cn/20191013103114383.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/></center>

cutecharts 项目地址：https://github.com/chenjiandongx/cutecharts/

记得给个Star~

二、本文概要

Part one : 可视化库cutecharts基本使用介绍
Part two : 爬取中国电竞价值排行榜-外设排行榜，利用cutecharts数据可视化分析
Part three : 总结抒情

Part one : 可视化库cutecharts基本使用介绍

1.cutecharts 安装

最简单的肯定是pip安装：

$ pip3 install cutecharts

当然，也可以进行源码安装：

$ git clone https://github.com/chenjiandongx/cutecharts.git
$ cd cutecharts
$ pip3 install -r requirements.txt
$ python3 setup.py install

其中需要安装的第三方辅助库jinja2，是基于Python的模板引擎，主要用于渲染可视化后的内容，最终形成可运行的html文件，当然，如果你不感兴趣，你不用过多了解，在安装cutecharts时会自动帮你安装上，但你得知道它是unicode编码，稍不注意，可能模板生成错误，比如我之前遇到过的问题：jinja2页面渲染出错-解决。

2.基本使用

目前cutecharts支持的可视化图像类型有：柱状图、折线图、饼状图、雷达图、散点图。
我想后续作者还会增加的，比如：词云图、3D柱状图、条形图等等。
另外，项目里已经给我们提供了测试用例，所以我们学习的时候就不用再去自己写测试用例了，直接调用即可。
<center>
<img src="https://img-blog.csdnimg.cn/20191013150803677.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/></center>

First : 柱状图

# 导入cutecharts中的Bar
from cutecharts.charts import Bar
# 导入测试用例
from cutecharts.faker import Faker


def bar_base() -> Bar:
    chart = Bar("Bar-基本示例")
    chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel")
    chart.add_series("series-A", Faker.values())
    return chart


bar_base().render_notebook()

渲染引擎提供了两个

.render(html_name) ：生成一个本地文件，html_name为文件名（html文件）,
默认名为：render.html
.render_notebook() ：可以在jupyter中直接运行显示，如上文代码
本文案例代码都是在Jupyter Notebook上编写运行

显示情况：
<center>
<img src="https://img-blog.csdnimg.cn/20191013151823347.gif" width="80%" alt=""/></center>
当然，里面的颜色、文字内容我们都是可以更改的。
相关函数参数，作者在Github里写的特别清楚，很方便阅读使用
<center>
<img src="https://img-blog.csdnimg.cn/20191013152643631.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/>

内容来自：github cutecharts
</center>

Second : 折线图

from cutecharts.charts import Line
from cutecharts.faker import Faker

def line_base() -> Line:
    chart = Line("Line-基本示例")
    chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel", legend_pos="upRight")
    chart.add_series("series-A", Faker.values())
    chart.add_series("series-B", Faker.values())
    return chart


line_base().render_notebook()

显示情况：
<center>
<img src="https://img-blog.csdnimg.cn/20191013154902394.gif" width="80%" alt=""/></center>
当然，里面的颜色、文字内容我们都是可以更改的。
相关函数参数，作者在Github里写的特别清楚，很方便阅读使用
<center>
<img src="https://img-blog.csdnimg.cn/2019101315513591.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/>

内容来自：github cutecharts
</center>

Third : 饼图

from cutecharts.charts import Pie
from cutecharts.faker import Faker


def pie_base() -> Pie:
    chart = Pie("Pie-基本示例")
    chart.set_options(labels=Faker.choose())
    chart.add_series(Faker.values())
    return chart


pie_base().render_notebook()

显示情况：
<center>
<img src="https://img-blog.csdnimg.cn/2019101315571757.gif" width="80%" alt=""/></center>
当然，里面的颜色、文字内容我们都是可以更改的。
相关函数参数，作者在Github里写的特别清楚，很方便阅读使用
<center>
<img src="https://img-blog.csdnimg.cn/20191013155803265.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/>

内容来自：github cutecharts
</center>

Fourth : 雷达图

from cutecharts.charts import Radar
from cutecharts.faker import Faker


def radar_base() -> Radar:
    chart = Radar("Radar-基本示例")
    chart.set_options(labels=Faker.choose())
    chart.add_series("series-A", Faker.values())
    chart.add_series("series-B", Faker.values())
    return chart


radar_base().render_notebook()

显示情况：
<center>
<img src="https://img-blog.csdnimg.cn/20191013161054993.gif" width="80%" alt=""/></center>
当然，里面的颜色、文字内容我们都是可以更改的。
相关函数参数，作者在Github里写的特别清楚，很方便阅读使用
<center>
<img src="https://img-blog.csdnimg.cn/20191013161150831.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/>

内容来自：github cutecharts
</center>

Fifth : 散点图

from cutecharts.charts import Scatter
from cutecharts.faker import Faker


def scatter_base() -> Scatter:
    chart = Scatter("Scatter-基本示例")
    chart.set_options(x_label="I'm xlabel", y_label="I'm ylabel")
    chart.add_series(
        "series-A", [(z[0], z[1]) for z in zip(Faker.values(), Faker.values())]
    )
    chart.add_series(
        "series-B", [(z[0], z[1]) for z in zip(Faker.values(), Faker.values())]
    )
    return chart


scatter_base().render_notebook()

显示情况：
<center>
<img src="https://img-blog.csdnimg.cn/2019101315571757.gif" width="80%" alt=""/></center>
当然，里面的颜色、文字内容我们都是可以更改的。
相关函数参数，作者在Github里写的特别清楚，很方便阅读使用
<center>
<img src="https://img-blog.csdnimg.cn/20191013161246101.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/>

内容来自：github cutecharts
</center>

这里由于篇幅关系，本文只对cutecharts基本图像展现做了介绍，对于以上五个类型的可视化图像的具体参数没有做展开介绍，感兴趣的可以去github查看更详细内容：

地址：https://github.com/chenjiandongx/cutecharts

Part two : 爬取中国电竞价值排行榜-外设排行榜，利用cutecharts数据可视化分析

【注】本文所有代码都是在Jupyter Notebook下运行，理论上移到本地开发工具也是可以运行的，如有问题，请留言评论。

1.爬取数据

"""
爬取中国电竞价值排行榜-外设排行榜
网站：http://djws.uuu9.com/rank/201907/
数据类：键盘 鼠标 耳机 显示器 电竞椅 笔记本 显卡 路由器
数据项：排名 型号厂家 天猫指数 京东指数 百度指数 性价指数 科技指数 综合指数
"""

具体实现代码：

# 爬取数据
import pandas as pd
url = "http://djws.uuu9.com/rank/201907/"
url_read = pd.read_html(url, header=0)[0]
url_read

比较简单，因为该网站数据存储在表格（table）里，我之前介绍过pandas的read_html函数，可以快速的读取网页中table里的数据，具体见文章：数据分析从零开始实战 | 基础篇（四）。

<center>
<img src="https://img-blog.csdnimg.cn/20191013172202652.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/></center>
观察上面获取到的数据，我们发现，奇数行的数据有问题，我看了下网页源码，确实页面的table写的有点问题，表头在重复出现，这个数据处理很简单，我们取出偶数行的正确数据即可。

url_read=url_read[url_read.index%2==0]

我们会发现，数据里的综合指数数值为NaN，这是因为这一栏数据在网站中是以图像条显示的，存储在i标签的width里，这里我们就不获取了，要获取也是有办法的，比如：正则表达式，如果你感兴趣，可以去试试。
<center>
<img src="https://img-blog.csdnimg.cn/20191013173956242.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MjQxOTg2,size_16,color_FFFFFF,t_70" width="80%" alt=""/></center>

电竞与外设-键盘前12名在3-7月的所有的数据。

# 爬取数据
import pandas as pd

def get_data(i):
    url = "http://djws.uuu9.com/rank/20190%d/"%i
    url_read = pd.read_html(url, header=0)[0]
    url_read=url_read[url_read.index%2==0]
    return url_read

df_data = []
# 循环抓取3-7月数据
for i in range(3,8):
    df_data.append(get_data(i))
# axis: 1 表示列拼接，0 表示行拼接
df = pd.concat(df_data, axis=0)

为了后续工作方便，我们最好是跑一次，然后把数据存到本地，方便读取处理。

df.to_csv(r'rich_list.csv', mode='a', encoding='utf_8_sig', header=0, index=False)

2.数据可视化分析

获取了电竞与外设-键盘前12名在3-7月的所有的数据，共60条数据，方便数据读取显示，以下代码是在Pycharm上编写，理论上移植到其他开发工具或平台也可运行，如有问题欢迎留言交流。
Core issues：键盘品牌分析

读取数据

import os
import pandas as pd

# 数据统计函数
def get_list_num(l):
    name = list(set(l))  # 名字
    value = []   # 次数
    for item in name:
        value.append(l.count(item))
    return name, value


# 获取当前文件父目录路径
father_path = os.getcwd()
# # 原始数据文件路径
rpath_csv = father_path+r'/rich_list.csv'
# 读取数据
csv_read = pd.read_csv(rpath_csv)

Question one：对品牌分析

读取数据

manufacturer = list(csv_read["厂家"])
statistical = get_list_num(manufacturer)

可视化

# 导入cutecharts中的Bar
from cutecharts.charts import Bar


def bar_base() -> Bar:
    chart = Bar("3-7月键盘品牌")
    chart.set_options(labels=statistical[0], x_label="品牌名", y_label="出现次数")
    chart.add_series("品牌频数比较", statistical[1])
    return chart


bar_base().render()

<center>
<img src="https://img-blog.csdnimg.cn/2019101318500912.gif" width="80%" alt=""/></center>
从这里看，我们可以发现达尔优、雷蛇、CHERRY、赛睿、海盗船都在排行榜上出现了10次，华硕ROG、雷柏略差一些，只出现了五次。
我们再来结合各个品牌对应的产品排名来分析一下：
数据处理

# 获取每个品牌对应的排名总和
rank_list = []
for i in statistical[0]:
    table = csv_read.loc[csv_read["厂家"] == i]
    rank_list.append(sum(table["排名"])/5)  # 排名计算总和都除五

可视化分析：

from cutecharts.charts import Line


def line_base() -> Line:
    chart = Line("3-7月键盘品牌")
    chart.set_options(labels=statistical[0], x_label="品牌名", y_label="总数")
    chart.add_series("品牌频数", statistical[1])
    chart.add_series("品牌排名", rank_list)
    return chart
line_base().render()

<center>
<img src="https://img-blog.csdnimg.cn/20191013193134966.gif" width="80%" alt=""/></center>
首先我们要知道，第一次统计的品牌名出现次数，表示品牌旗下产品上榜的数量，可能是有多种产品上榜，也可能是部分产品多次上榜，第二次统计的产品排名数和（为了方便展示，我把数除五了），表示该品牌所有上榜产品的排名和，如果做对比的话，应该是在第一个条件（品牌出现次数）相同情况下做对比。
从图中我们很容易看出，品牌CHERRY这个品牌出现次数多，而且排名靠前（因为排名数和低）,其次是海盗船，第三可以算赛睿，雷蛇，达尔优，我们还可以看出雷柏和华硕ROG好像差不多。
<center>
<img src="https://img-blog.csdnimg.cn/20191013194857121.gif" width="80%" alt=""/></center>
接下来我们再看看品牌热度，我们直接看综合指数，当然，如果你在做数据分析工作中，肯定不会这么选择，你应该选择和你目的最贴切的数据项进行分析，甚至进行一些进阶算法，给每个指数项一定权重然后分析。

index_list = []
# 选取三个比较热门的产品
model = ["MX8.0", "K70", "雷柏V500"]
for i in model:
    print(i)
    table = csv_read.loc[csv_read["型号"] == i]
    print(table)  # 显示查询数据

从网页上我们可以轻易看到，七月综合指数最高是的是CHERRY旗下的MX8.0，如果你感兴趣，可以像我什么一样，自己选3-5个热门产品，作出他们3-7月之间的综合指数或其他数据的变化图（一段时间内的变化，折线图会是一种比较好的显示方式）。
对于以上数据，你还有什么其他比较好的分析思路吗？欢迎你留言说说你的看法，由于时间和篇幅关系，我就不过多叙述了。

记住，本文主旨是给大家介绍cutecharts这个新的py可视化库。

cutecharts 项目地址：https://github.com/chenjiandongx/cutecharts/
如果喜欢，请给个Star。

Part three : 总结抒情

哇，终于写完了，虽然本文技术含量不是那么高，但还是有很多地方是大家可以学习的，比如：认识个牛逼的人。
最后，我代替大家，其实也就是我自己想问的，问了陈键冬大佬三个问题，这里分享给大家：

Q：1. 目前 cutecharts 只支持部分图形，后续还会开发出其他图形支持吗？比如词云图？

A：cutecharts 是基于 chart.xkcd 开发的，目前 100% 支持其所有图形和配置项，如果 chart.xkcd 图表类型更新的话，cutecharts 也会同步更新的。

Q：2. 你觉得 cutecharts 和 pyecharts 的关系是什么？

A：cutecharts 和 pyecharts 属于同一类项目，都是使用 Python、Notebook+JS 实现数据的可视化，不过 pyecharts 目前有着更丰富的图形种类以及更多的配置项。

cutecharts 可以看做是精简版的 pyecharts，保留着 pyecharts 的所有核心功能，是学习 pyecharts 源码的很好的入手点。

Q：3. 你有没有什么想说的，对 cutecharts 和 pyecharts 的使用者？

A：开发一个类似的库并不难，无非是找到优秀的 JS 库，设计好 Python 接口，并将两者融合在一起。所以也希望有更多 Python 开发者能够参与到这方面的开发中来，为社区贡献出更多优秀的作品。

希望，我们都越来越优秀。
和简说Python 一起学Python

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 219,188评论 6赞 508
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 93,464评论 3赞 395
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 165,562评论 0赞 356
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 58,893评论 1赞 295
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 67,917评论 6赞 392
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 51,708评论 1赞 305
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,430评论 3赞 420
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,342评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 45,801评论 1赞 317
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 37,976评论 3赞 337
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 40,115评论 1赞 351
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 35,804评论 5赞 346
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,458评论 3赞 331
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 32,008评论 0赞 22
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 33,135评论 1赞 272
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 48,365评论 3赞 373
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 45,055评论 2赞 355