绽放趋势：Python折线图数据可视化艺术

文章目录

  • 一 json数据格式
    • 1.1 json数据格式认识
    • 1.2 Python数据和Json数据的相互转换
  • 二 pyecharts模块
    • 2.1 pyecharts概述
    • 2.2 pyecharts模块安装
  • 三 pyecharts快速入门
    • 3.1 基础折线图
    • 3.2 pyecharts配置选项
      • 3.2.1 全局配置选项
    • 3.4 折线图相关配置
      • 3.4.1 `.add_yaxis`相关配置选项
      • 3.4.2 `.set_global_opts`全局配置选项
  • 五 综合案例：对比折线图
    • 5.1 数据处理
    • 5.2 完整代码

一 json数据格式

1.1 json数据格式认识

  • 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

  • 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语言互传数据为例：
    在这里插入图片描述

  • 简单的JSON数据示例：

    {"name": "John","age": 30,"city": "New York"
}

  • JSON还支持嵌套结构，数组和对象的组合：

    {"person": {"name": "Alice","age": 25},"friends": ["Bob","Charlie","David"]
}

1.2 Python数据和Json数据的相互转换

  • 使用内置的json模块来进行Python数据和JSON数据之间的相互转换。这个模块提供了方法来将Python数据结构转换为JSON格式，以及将JSON格式转换为Python数据结构。

基本的示例：

  1. 将Python数据转换为JSON：
import json# Python字典
python_data = {"name": "John","age": 30,"city": "New York"
}# 将Python字典转换为JSON字符串
json_data = json.dumps(python_data)
print(json_data)

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":"周杰轮", "addr":"台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(type(json_str))
print(json_str)
  • 通过设置ensure_ascii参数为False，你可以确保在生成JSON字符串时不会将非ASCII字符转义为Unicode转义序列。这对于处理包含非英文字符的数据非常有用，因为它能够保持原始的字符表示，而不是进行转义。
  1. 将JSON转换为Python数据：
# JSON字符串
json_data = '{"name": "Alice", "age": 25, "city": "London"}'# 将JSON字符串转换为Python字典
python_data = json.loads(json_data)
print(python_data)

# 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": "周杰轮", "addr": "台北"}'
d = json.loads(s)
print(type(d))
print(d)

注意：

  • 使用json.dumps()函数可以将Python数据结构转换为JSON字符串。
  • 使用json.loads()函数可以将JSON字符串转换为Python数据结构。
  • JSON中的键必须是字符串，因此在Python字典中，键应为字符串。

二 pyecharts模块

2.1 pyecharts概述

  • Pyecharts 是一个基于 Python 的用于生成交互式图表的模块。它是对 ECharts 图表库的封装，ECharts 是百度开发的一款功能强大的数据可视化库。
  • 通过 Pyecharts，可以在 Python 中轻松地生成各种类型的图表，如折线图、柱状图、饼图、地图等，并且这些图表支持交互和动态效果。

Pyecharts 具有以下特点：

  • 提供了多种图表类型，适用于不同的数据展示需求。
  • 支持生成静态图像和动态网页交互图表。
  • 可以通过链式调用的方式配置图表样式、数据和交互行为。
  • 可以与常见的 Python 数据库和数据处理库（如 Pandas）集成。

2.2 pyecharts模块安装

  • 方式一：打开终端，使用命令行安装
pip install pyecharts
  • 方式二：使用PyCharm进行安装
    在这里插入图片描述
  • 配置镜像网站，参看探索Python异常世界：玩转异常、模块与包 6.5 PyCharm配置镜像网站

三 pyecharts快速入门

3.1 基础折线图

"""
演示pyecharts的基础入门
"""
# 导包
from pyecharts.charts import Line
# 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])# 通过render方法，将代码生成为图像
line.render()

在这里插入图片描述

3.2 pyecharts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

3.2.1 全局配置选项

  • Pyecharts 提供了一些全局配置选项，可以用来在整个图表中设置一些通用的属性，比如图表标题、图例、工具箱等。这些选项会应用于整个图表，而不仅仅是某个特定系列或组件。
  • 全局配置选项可以通过set_global_opts方法来进行配置
    在这里插入图片描述
  • 以下是一些常用的全局配置选项及其说明：
  1. 标题设置：
title_opts=opts.TitleOpts(title="图表标题", subtitle="副标题")
  1. 图例设置：
legend_opts=opts.LegendOpts(type_="scroll", pos_left="center", orient="horizontal")
  1. 工具箱设置：
toolbox_opts=opts.ToolboxOpts(is_show=True, feature=opts.ToolBoxFeatureOpts(save_as_image=True))
  1. 数据标签设置：
label_opts=opts.LabelOpts(is_show=True, position="top")
  1. 全局系列样式设置：
itemstyle_opts=opts.ItemStyleOpts(color="blue", border_color="red")
  1. 动画效果设置：
animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")
  1. 提示框设置
tooltip_opts=opts.TooltipOpts(formatter="{a}: {c}",
)
# formatter 参数可以设置提示框内容的显示格式。{a} 表示数据系列的名称，{c} 表示数据值。

这些全局配置选项通常可以通过 set_global_opts() 方法来应用于整个图表。

以下是一个示例，展示如何在折线图中使用全局配置选项：

# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
# 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展示", pos_left="center", pos_bottom="1%"),legend_opts=LegendOpts(is_show=True),toolbox_opts=ToolboxOpts(is_show=True),visualmap_opts=VisualMapOpts(is_show=True),
)# 通过render方法，将代码生成为图像
line.render()

在这里插入图片描述

3.4 折线图相关配置

配置项作用代码实例
init_opts对折线图初始化设置宽高init_opts=opts.InitOpts(width=“1600px”, height=“800px”)
.add_xaxis添加x轴数据.add_xaxis(列表)
.add_yaxis添加y轴数据

当使用 add_yaxis 方法来向图表中添加数据系列时，你可以使用一些相关的配置选项来自定义该数据系列的样式、标记点、标签等。以下是一些常用的 add_yaxis 相关配置选项：

3.4.1 .add_yaxis相关配置选项

配置选项说明
is_smooth是否使用平滑曲线插值，默认为 False。
is_symbol_show是否显示标记点，默认为 True。
symbol标记点的图形，如 “circle”、“rect”、“triangle” 等。
symbol_size标记点的大小。
label_opts数据标签的配置选项，可以设置是否显示、位置、颜色等。
areastyle_opts面积图样式的配置选项，用于区域图，设置填充色、透明度等。
linestyle_opts线条样式的配置选项，设置线的颜色、宽度、透明度等。
itemstyle_opts数据项的样式配置选项，包括颜色、边框颜色、透明度等。
markpoint_opts标记点的配置选项，可以添加最大值、最小值等标记点。
markline_opts标记线的配置选项，可以添加平均值、趋势线等标记线。
tooltip_opts提示框的配置选项，用于显示数据信息，包括格式、触发方式等。
step设置折线图的样式，可选值为 “start”、“middle”、“end”。
area_opacity面积图的透明度，适用于区域图。值范围为 [0, 1]。
label用于设置数据项的名称，会在图例和提示框中显示。
data数据列表，表示 y 轴数据。
series_name设置图例名称，series_name=“美国确诊人数”

3.4.2 .set_global_opts全局配置选项

在这里插入图片描述

五 综合案例：对比折线图

5.1 数据处理

  • 原始数据格式:(使用json工具查看)
    在这里插入图片描述
  • 对数据进行整理, 让数据符合json格式
import json
from pyecharts.charts import Line# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容f_in = open("C:/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)# 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]# 获取确认数据，用于y轴，取2020年（到314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]

5.2 完整代码

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts, LegendOpts, AxisOpts# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容f_in = open("C:/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)# 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]# 获取确认数据，用于y轴，取2020年（到314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]
# 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%"),# x轴配置项xaxis_opts=AxisOpts(name="时间"),  # 轴标题# y轴配置项yaxis_opts=AxisOpts(name="累计确诊人数"),    # 轴标题# 图例配置项legend_opts=LegendOpts(pos_left='70%'),    # 图例的位置
)# 调用render方法，生成图表
line.render()
# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/63110.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【2023 华数杯全国大学生数学建模竞赛】 B题 不透明制品最优配色方案设计 39页论文及python代码

【2023 华数杯全国大学生数学建模竞赛】 B题 不透明制品最优配色方案设计 39页论文及python代码

【2023 华数杯全国大学生数学建模竞赛】 B题 不透明制品最优配色方案设计 39页论文及python代码 1 题目 B 题 不透明制品最优配色方案设计 日常生活中五彩缤纷的不透明有色制品是由着色剂染色而成。因此，不透明制品的配色对其外观美观度和市场竞争力起着重要作用。…
阅读更多...
【maven】通过profiles实现：怎样激活某个仓库、同时加载多个profile、不同环境加载不同依赖jar

【maven】通过profiles实现：怎样激活某个仓库、同时加载多个profile、不同环境加载不同依赖jar

文章目录 一. 基本用法二. 仓库激活方式1. 使用activeProfile激活2. 使用-P参数激活3. 使用-P参数不激活 三. 查看激活的仓库四. 不同环境依赖不同版本的jar Maven中的profile是一组可选的配置，可以用来设置或者覆盖配置默认值。有了profile，你就可以为不…
阅读更多...
Do not access Object.prototype method ‘hasOwnProperty‘ from target object

Do not access Object.prototype method ‘hasOwnProperty‘ from target object

调用 hasOwnProperty 报错：不要使用对象原型上的方法，因为原型的方法可能会被重写 if (this.formData.selectFields.hasOwnProperty(selectField)) {delete this.formData.selectFields[selectField];} else {this.formData.selectFields[selectField] …
阅读更多...
一文走进时序数据库性能测试工具 TSBS

一文走进时序数据库性能测试工具 TSBS

一、背景 在物联网、车联网等时序数据场景中，数据的高速写入能力至关重要，会对产品方案的可用性、可靠性和扩展性产生影响。 以物联网为例，当面临千万甚至上亿设备、平均每个设备采集几十个到几百个指标时，每秒生成的数据将达到…
阅读更多...
简单认识ELK日志分析系统

简单认识ELK日志分析系统

一. ELK日志分析系统概述 1.ELK 简介 ELK平台是一套完整的日志集中处理解决方案，将 ElasticSearch、Logstash 和 Kiabana 三个开源工具配合使用， 完成更强大的用户对日志的查询、排序、统计需求。 好处： （1）提高安全…
阅读更多...
【观察者设计模式详解】C/Java/JS/Go/Python/TS不同语言实现

【观察者设计模式详解】C/Java/JS/Go/Python/TS不同语言实现

简介 观察者模式（Observer Pattern）是一种行为型模式。它定义对象间的一种一对多的依赖关系，当一个对象的状态发生改变时，所有依赖于它的对象都得到通知并被自动更新。 观察者模式使用三个类Subject、Observer和Client。Subject…
阅读更多...
Go把Map转成对象

Go把Map转成对象

最近使用了Redis的Hash，把一个对象给存储到了hash里面，具体如下： 现在需要从RedisHash缓存里面把结果给取出来，同时赋值到一个对象上面 result, err : global.GVA_REDIS.HGetAll(context.Background(), key).Result() 问题是resul…
阅读更多...
java实现文件的下载

java实现文件的下载

系统日志的获取不可能每次都登录服务器，所以在页面上能够下载系统运行的日志是必须的 如何来实现日志的下载，这样的一个功能 前端我们用到的是window.open(...)这样可以发送一个get请求到后台 后台接收到get请求之后，如何实现对文件的下载 R…
阅读更多...
（docker）mysql镜像拉取-创建容器-容器的使用【个人笔记】

（docker）mysql镜像拉取-创建容器-容器的使用【个人笔记】

【容器的第一次创建】 容器的第一次创建，需要先下载镜像，从 镜像拉取 0、可以搜索镜像的版本 docker search mysql1、先拉取MySQL的镜像，默认拉取最新版，使用下面的命令拉取mysql镜像 docker pull mysql也可以指定mysql的版本…
阅读更多...
RCNA——单臂路由

RCNA——单臂路由

一，实验背景 之前的VLAN实现的很多都是相同部门互相访问，不同部门无法访问。不过这次整来了一个路由器，领导说大部分的部门虽说有保密信息需要互相隔离，但是这些部门和其它部门也应该互相连通以方便工作交流。因此要配置新的环境&…
阅读更多...
424. 替换后的最长重复字符

424. 替换后的最长重复字符

424. 替换后的最长重复字符 原题链接：完成情况：解题思路：参考代码： 原题链接： 424. 替换后的最长重复字符 https://leetcode.cn/problems/longest-repeating-character-replacement/description/ 完成情况&#xff…
阅读更多...
SQL | 过滤数据

SQL | 过滤数据

4-过滤数据 4.1-使用WHERE子句 数据根据 WHERE 子句中指定的搜索条件进行过滤。WHERE 子句在表名（ FROM 子句）之后给出。 select prod_name,prod_price from products where prod_price 3.49; 上述语句查询价格为3.49的行，然后输出名字和…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023