前言
有两份广州的美食数据来自 A，B 两个网站，以及一份它们的地理信息数据（源码和数据都在文末~）：
为了给去广州的游玩的人提供一些美食的参考，制作一个 BI 仪表盘，需求如下：
广州美食地图分布（广州地图）
哪个行政区美食最多（饼图）
集中在哪些商圈（前十）（柱状图）
星级分布（圆环图）
美食类型（条形）
推荐美食词云（词云）
评论数，人均价格，口味评分，环境评分，服务评分的相关性（热力图）
综合评分=（口味评分+环境评分+服务评分）/3 与人均价格关系（散点图）
制作可视化仪表盘
数据预处理
导入库并查看数据：
A，B 两数据的结构是一样的，但有两列的列名不同，我们修改 A 的列名后，并把 A 数据中【人均价格】列中的【元】去掉，再纵向合并两个数据集，并去重，接着他们的地理信息数据以【店铺ID】为键进行连接：
根据我们的需求，选择需要用到的列并查看有无缺失值需要处理：
从结果上看并没有缺失值，接下来就先制作每一个需求的图表。
图表制作
绘制的每一张图表，需要封装成函数给仪表盘使用，每一张图表没有使用默认的主题，而是使用了一种紫色的主题。
广州美食地图分布：选取经纬度，以及店铺名称，在广州地图上绘制散点，一个点代表一家店铺：
美食主要集中在天河，越秀，海珠，荔湾，番禺，白云，黄埔区。
哪个行政区美食最多：需要先计算各个行政区的美食数量，在绘制饼图：
可以看到美食数量最多行政区的是天河区。
集中在哪些商圈：需要先计算各个出现商圈的次数，在绘制柱状图：
美食数量最多的商圈是珠江新城。
星级分布：需要先计算各个出现的星级的数量，在绘制圆环图：
四星与准五星占了大多数。
美食类型：计算各个类型的数量，绘制条形图：
从结果看，店铺美食类型为西餐的是比较多的。
推荐美食：在每个店的数据中，都有推荐美食，把所有美食连接起来，并计算词频，绘制词云：
评论数，人均价格，口味评分，环境评分，服务评分的相关性：绘制他们两两的相关性热力图，越偏红，正相关性越强：
综合评分与人均价格关系：综合评分=（环境评分+口味评分+服务评分）/3，新增一列保存起来，绘制它与人均价格散点图：
接下来就把这些图合成仪表盘
仪表盘
pyecharts 官网文档：
http://pyecharts.org/#/zh-cn/composite_charts?id=page%ef%bc%9a%e9%a1%ba%e5%ba%8f%e5%a4%9a%e5%9b%be
我们上面的绘图，都是封装成函数的，接下来使用下面代码调用绘制函数（page.add 中就是，这里折叠了）：
上面代码就绘制图表并保存为 html 文件，需要注意的是 18-19 行为注释。
调用绘制函数后生成了一个 page.html 文件，里面包含了所有图表，通过拖拽图表设计成我们想要布局的样子（下图是随便放的）然后点击左上角【save config】保存布局的 json 文件：
修改代码，17 行注释，18-19 行取消注释，因为我们已经生成了图表不需要再生成一次，在生成一次的话图表 id 会改变，那刚刚下载布局文件就用不了了：
page.html 为生成的所有图表的文件
page.json 为下载的布局文件
仪表盘.html 为布局好的的仪表盘文件
打开仪表盘.html:
这样我们就完成了 pyecharts 仪表盘的制作。
源码和数据集：https://github.com/5zjk5/guanzgzhou_food