接上篇：，可视化的实现~

先看看保存的数据吧~

本人之前都是习惯把爬到的数据保存到本地json文件，

这次保存到数据库后发现使用mongodb的聚合统计省去了好多自己用python写计算逻辑的步骤，好方便啊~~

 

第一张图柱状图

第一张图代码解析：

#encoding:utf-8import randomfrom pyecharts import Barfrom pymongo import MongoClientconn = MongoClient('127.0.0.1',27017)  #创建于MongoDB的连接db = conn.anjuke  #选择数据库collection=db.AnjukeItem  #选择数据库下的集合all = []res = collection.aggregate([        {
    '$group':{
   '_id':'$city',                   'count':{
   '$sum':1}}},        {
    '$sort':{
   'count':-1}},])conn.close()#上面是mongodb聚合统计的语句#$group：按照给定表达式组合结果，这里的_id字段表示你要基于哪个字段来进行分组，这里的$city就表示要基于city字段来进行分组#下面的count字段的值$sum: 1表示的是获取--满足city字段相同的这一组的数量--乘以后面给定的值(本例为1，那么就是同组的数量)。#$sort：按照给定的字段排序结果，即按计算好的count排序，-1为降序来排列for i in res:    #print(i)    #{'_id': '成都', 'count': 2074}    all.append((i['_id'].strip(),i['count']))attr = [i[0] for i in all[:30] ]  #取前三十城市的名字v1 = [i[1] for i in all[:30]]  #取前三十城市的值print(attr)bar = Bar('新房分布柱状图')  #柱状图bar.add('各城市新楼盘数',attr,v1,is_label_show=True,is_datazoom_show=True,xaxis_rotate=65, label_color=['#87CEEB',])#attr  下面的城市名#v1  数值#is_label_show -> bool  是否正常显示标签，默认不显示。即各柱上的数字#is_datazoom_show -> bool  是否使用区域缩放组件，默认为 False#xaxis_rotate -> int  x 轴刻度标签旋转的角度，默认为 0，即不旋转。旋转的角度从 -90 度到 90 度。#label_color  柱的颜色bar.render('bar.html')  #html生成

第二张图柱状图：

第二图代码解析：

#encoding:utf-8from pymongo import MongoClientfrom pyecharts import Barconn = MongoClient('127.0.0.1',27017)db = conn.anjukecollection=db.AnjukeItemres = collection.find()conn.close()#连接mongodb的逻辑，同上~all = {}for i in res:    city = i['city']  #获取城市名    try:        if i['price'][1].isdecimal():  #判断i['price'][1]是不是数字型的价格            price_type = i['price'][0]  #获取价格类型            price = i['price'][1]            price = int(price)  #str价格转int价格        elif i['price'][2].isdecimal():  #判断i['price'][2]是不是数字型的价格            price_type = i['price'][1]  #获取价格类型            price = i['price'][2]            price = int(price)  #str价格转int价格    except:        continue    if '均价' in price_type:  #只取均价        if city in all:            all[city].append(price)        else:            all[city] = [price,]print(all)#{'_id': '黑河', 'count': 17}#{'_id': '甘南', 'count': 17}#{'_id': '陇南', 'count': 16}all_avg = []for city,prices in all.items():    all_avg.append((city,sum(prices)/len(prices)))  #计算所有的城市房价平均值，all_avg里的元素为元组（城市名,均价）all_avg = sorted(all_avg,key=lambda x:x[1],reverse=True)  #降序排序 print(all_avg)#[('深圳', 59192.21692307692), ('上海', 50811.7504091653), ...attr = [i[0] for i in all_avg[:30] ]  #获取前30城市名v1 = ['{:.1f}'.format(i[1]) for i in all_avg[:30]]  #获取前30名的值bar = Bar('各城市房价平均值')bar.add('单位面积价格（元/平米）',attr,v1,is_label_show=True,is_datazoom_show=True)#画图逻辑，同上bar.render('bar2.html')

第三张图玫瑰图

第三张图代码解析：

from pyecharts import Piefrom pymongo import MongoClientconn = MongoClient('127.0.0.1',27017)db = conn.anjukecollection=db.AnjukeItem#Mongodb的连接all = []res = collection.aggregate(    [    {        '$unwind': '$type_'    },{        '$group': {            '_id': '$type_',            'count': {
   '$sum': 1}        }    }    ])#上面是mongodb聚合统计的语句#'$unwind': '$type_'因为type_是一个列表这里是将type_拆分了，用以下面的计算#$group：按照给定表达式组合结果，这里的_id字段表示你要基于哪个字段来进行分组，这里的$type_就表示要基于type_字段来进行分组#下面的count字段的值$sum: 1表示的是获取--满足type_字段相同的这一组的数量--乘以后面给定的值(本例为1，那么就是同组的数量)。conn.close()all = []for i in res:    print(i)    #{'_id': '商业', 'count': 337}    #{'_id': '商办', 'count': 158}    #{'_id': '8室', 'count': 76}    if '室' in i['_id']:  #只取有'室'关键字的数据        all.append((i['_id'],i['count']))all = sorted(all,key=lambda x:x[1],reverse=True)  #以数量进行排序print(all)attr = [i[0] for i in all][:6]  #取前六的类型名v1 = [i[1] for i in all][:6]  #取前六的数值pie =Pie("户型比例", title_pos='center', width=900)#pie.add("商品A", attr, v1, center=[25, 50], is_random=True, radius=[30, 75], rosetype='radius')pie.add("商品B", attr, v1, is_random=True, radius=[30, 75], rosetype='area', is_legend_show=False, is_label_show=True)#is_random为是否随即排列颜色列表#radius为半径，第一个为内半径，第二个是外半径；#rosetype为是否展示成南丁格尔图（ 'radius' 圆心角展现数据半分比，半径展现数据大小；'area' 圆心角相同，为通过半径展现数据大小）#is_label_show为是否显示标签（各个属性的数据信息）#is_legend_show:是否显示图例pie.render('pie.html')

第四张图地理热力图

 第四张图代码解析：

#coding=utf-8from pymongo import MongoClientfrom pyecharts import Geoimport jsonconn = MongoClient('127.0.0.1',27017)db = conn.anjukecollection=db.AnjukeItem#res=collection.distinct("city")all = []res = collection.aggregate([        {
    '$group':{
   '_id':'$city',                   'count':{
   '$sum':1}}},        {
    '$sort':{
   'count':-1}},])for i in res:    all.append((i['_id'].strip(),i['count']))conn.close()#连接查询，和图一一样new_all =[]with open('city_coordinates.json','r',encoding='utf-8') as f:    #这里是复制到pyecharts的地理json数据和爬到的城市名对比，因为好多爬到的城市其实在pyecharts是没有记录的，直接绘图会报错    #位置在\Python36\Lib\site-packages\pyecharts\datasets\city_coordinates.json    all_city = json.loads(f.read(),encoding='utf-8')for i in all:    if i[0] in all_city:        new_all.append(i)geo = Geo(    "全国新房分布",  #图标题    "",  #副标题    title_color="#fff",  #标题颜色    title_pos="center",  #标题位置    width=1200,  #图宽    height=600,  #高    background_color="#404a59",  #背景颜色)attr, value = geo.cast(new_all)  #分开城市名和数值geo.add("",attr,value,visual_range=[100, 1200],  #显示的数值范围visual_text_color="#fff",  #鼠标放上去后显示的文字颜色symbol_size=15,  #标记的大小type='heatmap',  #类型为热力图is_visualmap=True,)geo.render()

End...