pyecharts快速入门和疫情数据可视化

pyecharts快速入门和疫情数据可视化

前言

pyecharts 是基于百度echarts的一个python库，能够很好的集成python相关的前端框架，显示出来的图表也十分漂亮。是否还在烦恼matplotlib 不够漂亮？这个库让你不再烦恼。

pyecharts入门

这里我用官网的一个例子带着大家快速入门

这是一个画柱状图的例子：首先这是一个链式调用

from pyecharts.charts import Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

bar = (
    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#初始化配置项
    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
    .add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
    .set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
	.set_series_opts(label_opts=opts.LabelOpts(font_size=18)))
bar.render()#生成html图标

正常调用

bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])
bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])
bar.add_yaxis("商家B", [15, 6, 45, 20, 35, 66])
bar.set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))
bar.set_series_opts(label_opts=opts.LabelOpts(font_size=18))
bar.render()

咱们先看一下输出图片

是不是还挺好看，下面我给大家说如何通过官方api文档来进行学习！

• 官网API

这是网页打开后最左侧的栏目。我们首先看到红箭头指向的配置项部分。

我们先打开全局配置项：

这些都是一些大体上的配置，比如图标的大小，工具栏显示等等

这些配置项的类，除了第二个初始化配置项需要写在图表初始化里的：

    Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)

就是这里。

剩下的全局配置项全部写在这里set_global_opts类里面，参数一般是x_opts = opts.XOpts()：

set_global_opts(title_opts=opts.TitleOpts(title="主标题", subtitle="副标题"))

咱们再展开详细说一些，进入这个TitleOpts这个类中：

右侧的这些是这个类的一些值，如果你不去添加，很多都是默认值。就像咱们上面写的 title=‘主标题’

如果我们给这个title赋值，他就会使用这个类的默认值，从上图我们能够看到，默认值是None

接着我们看一下系列配置项：

这个配置项主要是针对文字样式、图标样式这些小一点的细节的改变

这些类方法需要写在这里set_series_opts()方法里：

set_series_opts(label_opts=opts.LabelOpts(font_size=18))

具体的学习方法和上面将的全局配置项一致，这里就不做多解释。

至于图表的具体方法学习，咱们可以通过查看这个图表类自带的一些方法，比如下图五角星处：

最后，推荐官方提供的一个pyecharts各种图表的显示，上面是代码，下面是结果，有助于我们快速使用

• Pyecharts 的项目演示

疫情数据可视化

一、导入相关工具包

from pyecharts.charts import Bar #pyecharts工具包
from pyecharts import options as opts#pyecharts操作包
import requests#获取数据
import json#编/解码json数据
import re#正则表达式匹配
import datetime#获取时间

二、数据获取

def getdata():
    url='https://ncov.dxy.cn/ncovh5/view/pneumonia'
    result = requests.get(url)#访问链接
    today = datetime.date.today().strftime('%Y%m%d')#20200402
    ##result.content.decode() 更推荐使用这种方式 平常也可以使用result.text获取，但是可能会导致乱码
    data = re.search(r'window.getAreaStat = (.*?)}]}catch',result.content.decode(),re.S)#非贪婪、多行匹配、对匹配大小写不敏感
    data = data.group()#获取所有匹配的字符
    data = data.replace('window.getAreaStat =','').replace('}catch','')#删除多余的字符
    data = data.strip()#删除前后的空格
    jsondata = json.loads(data)
    with open('../data/'+today+'.json','w',encoding='utf-8') as f:
         json.dump(jsondata,f) #注意 如果不加ensure_ascii=False 的话，汉字会转化为ascii码进行存储比如湖北省

大部分解释我都写在注释里了，这里挑一些比较重要事的进行强调

• 访问链接后，可以通过result.text 获取网页数据，但是容易出现汉字乱码的情况，这里我们一般使用result.content.decode()它会根据获取的网页内容进行自动解码。

• re.search()是从字符串中查找，一般常用于正则表达式匹配。r‘正则表达式’ 这个r的作用就是 后面的字符串是原生字符。什么意思呢，因为在正则表达式匹配中，’\ ‘作为转义字符，如果你想要使用‘\’的话，需要写成l两个\连用。这时候，你加上r就不需要处理这种转义字符了。

• re.S 表示 匹配所有。因为html网页中，每一行的末尾都有一个回车‘\n’符号。而进行正则表达式匹配时，默认遇到’\n’就停止匹配，所以需要我们加上re.S 把这个回车符号包含进去。当然还有其他修饰符,这里我只列出常用的：

修饰符	描述
re.I	使匹配对大小写不敏感
re.M	多行匹配,影响^和$
re.S	使.匹配包含换行符在内的所有字符
re.U	根据Unicode字符解析字符

这里解释一下re.M，举个例子：

import re
line = "Counter12345\nICounter556"
result = re.findall( r'\d+$', line)
result1 = re.findall( r'\d+$', line,re.M)
print("不加修饰符",result)
print("加修饰符",result1)

输出：

不加修饰符 ['556']
加修饰符 ['12345', '556']

不加re.M这个修饰符，表示以这个字符串为整体，来定位开始和结束

加上re.M这个修饰符，表示以每一行作为字符串的开始和结束。

• json.dump()将json写入到文件中，这里面有个参数 ensure_ascii。若这个参数为False，表示json中的汉字不会被编码成ascii码。默认值为True

• 部分数据

  [{"provinceName": "湖北省", "provinceShortName": "湖北", "currentConfirmedCount": 1283, "confirmedCount": 67802, "suspectedCount": 0, "curedCount": 63326, "deadCount": 3193, "comment": "", "locationId": 420000, "statisticsData": "https://file1.dxycdn.com/2020/0223/618/3398299751673487511-135.json" 
  

三、数据可视化

这里我们使用pyecharts的地图图表作为显示。

def datashow():
    #数据处理
    today = datetime.date.today().strftime('%Y%m%d')
    with open('../data/'+today+'.json','r',encoding='utf8')as f:
        jsondata = json.load(f)
    listprovince = []
    listcount = []
    for data in jsondata:
        listprovince.append(data['provinceShortName'])
        listcount.append(data['confirmedCount'])
    pieces = [
        {'min': 10000, 'color': '#540d0d'},
        {'max': 9999, 'min': 1000, 'color': '#9c1414'},
        {'max': 999, 'min': 500, 'color': '#d92727'},
        {'max': 499, 'min': 100, 'color': '#ed3232'},
        {'max': 99, 'min': 10, 'color': '#f27777'},
        {'max': 9, 'min': 1, 'color': '#f7adad'},
        {'max': 0, 'color': '#f7e4e4'},
    ]
    map = Map()
    map.add('疫情数据可视化',[list(z) for z in zip(listprovince,listcount)],'china')
    map.set_global_opts(visualmap_opts=opts.VisualMapOpts(pieces=pieces,is_piecewise=True,is_show=True),
                        legend_opts=opts.LegendOpts(is_show=False))
    map.render()

输出结果：

下面就针对代码的一些重点进行一下讲解：

• 获取前面保存的json文件，要记得声明编码格式

• 通过遍历，将每个省份的名字和确诊数字分别存入数组中。注意，这里要使用简称，比如河北省，我们不能使用全程，要使用河北，要不然pyecharts不识别，无法映射

• 实例化map对象，通过add方法添加label和数据。注意数据的格式 应该是

  [('湖北'，22334),('河北','234')]
  

  zip这个函数是将列表存储成上述这样的格式，举个例子

  a = ['a','b','c']
  b = ['d','e','f']
  for data in zip(a,b):
  	print(data)
  

  输出结果：

  ('a', 'd')
  ('b', 'e')
  ('c', 'f')
  

• add()方法的第三个参数是显示什么地图，若填入’china‘显示中国地图，填入’广东’则显示广东省地图。

• 接着就是设置一些全局配置项

• render()是将map 渲染成html保存下来，默认路径是path=render.html

• 可以渲染成图片，不过需要安装snapshot_selenium和下载chrome驱动

  from snapshot_selenium import snapshot
  from pyecharts.render import make_snapshot
  from selenium import webdriver
  option = webdriver.ChromeOptions()#设置无头模式
  option.add_argument('headless')
  webdriver.Chrome(options=option)
  make_snapshot(snapshot, map.render(), "map.png")
  

  1. 可以通过 pip install snapshot_selenium 安装snapshot_selenium
  2. 下载chrome驱动，配置环境变量 参考：pyecharts渲染图片

四、全部代码

from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
from selenium import webdriver
from pyecharts.charts import Map
from pyecharts import options as opts
import requests
import json
import re
import datetime

def getdata():
    url='https://ncov.dxy.cn/ncovh5/view/pneumonia'
    result = requests.get(url)
    today = datetime.date.today().strftime('%Y%m%d')
    ##result.content.decode() 更推荐使用这种方式 平常也可以使用result.text获取，但是可能会导致乱码
    data = re.search(r'window.getAreaStat = (.*?)}]}catch',result.content.decode(),re.S)#非贪婪、多行匹配、对匹配大小写不敏感
    data = data.group()#获取所有匹配的字符
    data = data.replace('window.getAreaStat =','').replace('}catch','')#删除多余的字符
    data = data.strip()#删除前后的空格
    print(data)
    jsondata = json.loads(data)
    with open('../data/'+today+'.json','w',encoding='utf8') as f:
         json.dump(jsondata,f,ensure_ascii=False) #注意 如果不加ensure_ascii=False 的话，汉字会转化为ascii码进行存储比如湖北省

def datashow():
    option = webdriver.ChromeOptions()
    option.add_argument('headless')
    webdriver.Chrome(options=option)
    #数据处理
    today = datetime.date.today().strftime('%Y%m%d')
    with open('../data/'+today+'.json','r',encoding='utf8')as f:
        jsondata = json.load(f)
    listprovince = []
    listcount = []
    print(jsondata)
    for data in jsondata:
        listprovince.append(data['provinceShortName'])
        listcount.append(data['confirmedCount'])
    print(listprovince)
    print(listcount)
    pieces = [
        {'min': 10000, 'color': '#540d0d'},
        {'max': 9999, 'min': 1000, 'color': '#9c1414'},
        {'max': 999, 'min': 500, 'color': '#d92727'},
        {'max': 499, 'min': 100, 'color': '#ed3232'},
        {'max': 99, 'min': 10, 'color': '#f27777'},
        {'max': 9, 'min': 1, 'color': '#f7adad'},
        {'max': 0, 'color': '#f7e4e4'},
    ]
    map = Map()
    map.add('疫情数据可视化',[list(z) for z in zip(listprovince,listcount)],'china')
    map.set_global_opts(visualmap_opts=opts.VisualMapOpts(pieces=pieces,is_piecewise=True,is_show=True),
                        legend_opts=opts.LegendOpts(is_show=False))
    make_snapshot(snapshot,map.render(),"D:\\python\\Future_data\\data\\map.png")


if __name__ == '__main__':
    getdata()
    datashow()

五、总结

通过这个项目的实战，我们学到了pyecharts的基本用法以及json处理相关操作。希望大家能够在次基础上多去练习。走的时候留个