#encoding:utf-8

import random

from pyecharts import Bar

from pymongo import MongoClient

conn = 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

#encoding:utf-8

from pymongo import MongoClient

from pyecharts import Bar

conn = MongoClient('127.0.0.1',27017)

db = conn.anjuke

collection=db.AnjukeItem

res = 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')

from pyecharts import Pie

from pymongo import MongoClient

conn = MongoClient('127.0.0.1',27017)

db = conn.anjuke

collection=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')

#coding=utf-8

from pymongo import MongoClient

from pyecharts import Geo

import json

conn = MongoClient('127.0.0.1',27017)

db = conn.anjuke

collection=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()