Python学习路线 - Python语言基础入门 - Python基础综合案例 - 数据可视化 - 折线图

案例介绍

数据来源

本案例数据全部来自 <<百度疫情实时大数据报告>>，及公开的全球各国GDP数据。

使用的技术
Echarts 是个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可. 而 Python 是门富有表达力的语言，很适合用于数据处理. 当数据分析遇上数据可视化时pyecharts 诞生了。

json数据格式

什么是json

• JSON是一种轻量级的数据交互格式。可以按照JSON指定的格式去组织和封装数据
• JSON本质上是一个带有特定格式的字符串
• 主要功能：json就是一种在各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互，类似于：
  • 国际通用语言 - 英语
  • 中国56个民族不同地区的通用语言 - 普通话

json有什么用

• 各种编程语言存储数据的容器不尽相同，在Python中有字典dict这样的数据类型，而其它语言可能没有对应的字典。

为了让不同的语言都能够相互通用的互相传递数据，JSON就是一种非常良好的中转数据格式。如下图，以Python和C语言互转数据为例：

json格式数据转化

• json格式的数据要求很严格，下面我们看一下他的要求
  

Python数据和Json数据的相互转化

• Python数据和Json数据的相互转化
  
  总结：
  1.json：是一种轻量级的数据交互格式, 采用完全独立于编程语言的文本格式来存储和表示数据（就是字符串）
  Python语言使用JSON有很大优势，因为：JSON无非就是一个单独的字典或一个内部元素都是字典的列表
  所以JSON可以直接和Python的字典或列表进行无缝转换。
  2.json格式数据转化
  通过 json.dumps(data) 方法把python数据转化为了 json数据
  data = json.dumps(data)
  如果有中文可以带上：ensure_ascii=False参数来确保中文正常转换
  通过 json.loads(data) 方法把josn数据转化为了 python列表或字典
  data = json.loads(data)

代码示例：

"""
演示JSON数据和Python字典的相互转换
"""
import json
# 准备列表，列表内每一个元素都是字典，将其转换为JSON
data = [{"name": "张大山", "age": 11},{"name": "王大锤", "age": 13},{"name": "赵小虎", "age": 16}]
json_str = json.dumps(data, ensure_ascii=False)
print(type(json_str))
print(json_str)

# 准备字典，将字典转换为JSON
d = {"name": "周杰伦", "addr": "台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(type(json_str))
print(json_str)

# 将JSON字符串转换为Python数据类型[{k:v,k:v},{k:v,k:v}]
s = '[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]'
l = json.loads(s)
print(type(l))
print(l)

# 将JSON字符串转换为Python数据类型{k:v,k:v}
s = '{"name": "周杰伦", "addr": "台北"}'
d = json.loads(s)
print(type(d))
print(d)

pyecharts模块介绍

pyecharts模块

• 如果想要做出数据可视化效果图，可以借助pyecharts模块来完成
• 概况：
  Echarts是个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，而Python是门富有表达力的语言，很适合用于数据处理，当数据分析遇上数据可视化时pyecharts诞生了。
  pyecharts 官网地址：https://pyecharts.org/#/
  

pyecharts模块安装

• 使用在前面学过的pip命令即可快速安装PyEcharts模块
• pip install pyecharts
  

总结：
1.开发可视化图表使用的技术栈是：
Echarts框架的Python版本：PyEcharts包
2.如何安装PyEcharts包：
pip install pyecharts
3.如何查看官方示例
打开官方画廊：
https://gallery.pyecharts.org/#/README

pyecharts快速入门

pyecharts入门

• 基础折线图
  

pyecharts有哪些配置选项

• pyecharts模块中有很多的配置选项，常用到2个类别的选项：
  • 全局配置选项
  • 系列配置选项

set_global_opts方法

• 这里全局配置选项可以通过set_global_opts方法来进行配置，相应的选项和选项的功能如下：
  

• 系列配置项，我们在后面构建案例时讲解

set_global_opts使用

总结：
1.pyecharts模块中有很多的配置选项, 常用到三个类别的选项:
全局配置选项
系列配置选项
2.全局配置项能做什么？

• 配置图表的标题
• 配置图例
• 配置鼠标移动效果
• 配置工具栏
• 等整体配置项

代码示例：

"""
演示pyecharts的基础入门
"""

# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts,TooltipOpts
# 创建一个折线图对象
line = Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["中国", "美国", "英国"])
# 给折线图对象添加y轴的数据
line.add_yaxis("GDP", [30, 20, 10])

# 设置全局配置项set_global_opts来设置
line.set_global_opts(
    title_opts=TitleOpts(title="GDP标题", pos_left="center", pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True),
    tooltip_opts=TooltipOpts(is_show=True)
)

# 通过render方法，将代码生成为图像
line.render()

数据处理及创建折线图

原始数据格式

代码示例：

"""
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

# 处理数据
f_us = open("D:/python/可视化案例数据/折线图数据/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()  # 美国的全部内容

f_jp = open("D:/python/可视化案例数据/折线图数据/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()  # 日本的全部内容

f_in = open("D:/python/可视化案例数据/折线图数据/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read()  # 印度的全部内容

# 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(","")
# 去掉不合JSON规范的结尾
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]
# JSON转Python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)
print(type(us_dict))
print(us_dict)

# 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']
print(type(us_trend_data))
print(us_trend_data)

# 获取日期数据，用于x轴，取2020年（到315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]
print(us_x_data)

# 获取确认数据，用于y轴，取2020年（到315下标结束）
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]
print(us_y_data)

# 生成图表
line = Line()   # 构建折线图对象
# 添加x轴数据
line.add_xaxis(us_x_data)  # x轴是公用的，所以使用一个国家的数据即可
# 添加y轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))  # 添加美国的y轴数据
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))  # 添加日本的y轴数据
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))  # 添加印度的y轴数据

# 设置全局选项
line.set_global_opts(
    # 标题设置
    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%")

)

# 调用render方法，生产图表
line.render()

# 关闭文件对象
f_us.close()
f_in.close()
f_jp.close()

折线图相关配置项

• 折线图相关配置项
  

• 创建折线图
  

  • 这里的Line()是构建类对象，我们先不必理解是什么意思，后续在Python高阶中进行详细讲解。
  • 目前我们简单的会用即可

• 添加数据
  

• .add_yaxis相关配置选项
  
  

全局配置选项

• .set_global_opts全局配置选项