Python学习——折线图可视化
目录
Python学习——折线图可视化
Json数据格式
pyecharts模块
数据处理
案例:美日印疫情数据折线图
Json数据格式
一种轻量级的数据交互格式,负责在不同编程语言中的数据传递和交互。一种字符串。其功能类似于全国各地都有方言,但要进行交流就用普通话。
Json数据格式要为Python中的字典或者列表(列表内元素都是字典)。因此,Json可以和Python的字典或者列表(列表内元素都是字典)无缝衔接。
数据转换:
代码示例如下:
"""
演示Json数据交互
"""
# 导入内置的json模块
import json
# 数据格式定义为列表内全部为字典类型
data = [{"name": "bia布", "age": 18, "level": 5},
{"name": "风筝", "age": 21,},
{"name": "kite", "age": 16}]
# ensure_ascii=False:不使用ASCII码转化,直接将内容输出,可以将中文直接输出,不然转为Unicode字符
# 通过json.dumps()将python数据转化为json数据
json_str = json.dumps(data, ensure_ascii=False)
print(type(json_str)) # 转换为字符串类型
print(json_str)
# 通过 将json数据转化为Python数据
# 输入数据为字符串类型,外部加''单引号
s = '[{"name": "bia布", "age": 18, "level": 5}, {"name": "风筝", "age": 21},{"name": "kite", "age": 16}]'
l = json.loads(s)
print(type(l)) # 转换为列表类型
print(l)
# 通过 将json数据转化为Python数据
d = '{"name": "bia布", "age": 18, "level": 5}'
m = json.loads(d)
print(type(m)) # 转换为字典类型
print(m)
运行结果如下:
<class 'str'>
[{"name": "bia布", "age": 18, "level": 5}, {"name": "风筝", "age": 21}, {"name": "kite", "age": 16}]
<class 'list'>
[{'name': 'bia布', 'age': 18, 'level': 5}, {'name': '风筝', 'age': 21}, {'name': 'kite', 'age': 16}]
<class 'dict'>
{'name': 'bia布', 'age': 18, 'level': 5}
pyecharts模块
用于开发数据可视化效果图,官画廊为gallery.pyecharts.org。
pyecharts模块有很多配置选项,常用的有两种:
- 全局配置选项 # 对整个图像设置
- 系列配置选项 # 对某个序列配置,例如x轴等
set_global_opts()方法配置全局选项。
基础折线图示例代码如下:
"""
演示构建折线图
方法和函数功能打开官方网站:pyecharts.org查询
"""
# 导入包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts,ToolboxOpts, VisualMapOpts
line = Line()
# 给折线图添加x轴
line.add_xaxis(["中国", "美国", "英国"])
# 添加y轴数据
line.add_yaxis("GDP", [30, 20, 10])
# 设置全局配置项
line.set_global_opts(
title_opts=TitleOpts(title = "GDP展示", pos_left="center", pos_bottom="1%"), # 关键字位置传参
legend_opts=LegendOpts(is_show=True),
toolbox_opts=ToolboxOpts(is_show=True),
visualmap_opts=VisualMapOpts(is_show=True)
)
# 通过render方法,将代码生成图像
line.render()
生成图像如下图所示:
数据处理
ab173网站可以快速分清数据的结构,便于调用数据。
案例:美日印疫情数据折线图
图表生成代码示例如下:
"""
演示可视化需求1:折线图开发
"""
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts
# 数据处理
f_us = open("E:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read() # 读取美国全部数据
f_jp = open("E:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read() # 读取日本全部数据
f_in = open("E:/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read() # 读取印度全部数据
# 去掉不合Json规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
in_data = in_data.replace("jsonp_1629350745930_63180(", "")
# 去除结尾
us_data = us_data[0:-2:1]
jp_data = jp_data[0:-2:1]
in_data = in_data[0:-2:1]
# Json转换为Python
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)
# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# 获取日期数据,用于x轴,取2020年(到314下标结束)
us_x_data = us_trend_data['updateDate'][:314]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]
# 获取确诊数据,用于y轴
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]
# 生成图表
line = Line()
# 添加x轴数据
line.add_xaxis(us_x_data) # x轴公用的,使用一个国家数据即可
# 添加y轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False)) # 添加美国y轴数据
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))
# 设置全局选项
line.set_global_opts(
title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%") # 标题设置
)
# 调用render
line.render()
# 关闭文件对象
f_in.close()
f_jp.close()
f_us.close()
运行结果如下: