绽放趋势：Python折线图数据可视化艺术

深碍√TFBOYSˉ_ 2024-03-23 20:36 63阅读 0赞

#### 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][3f584d7c509b4d2f8c6744d31453c495.png]
 *  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][c5318b342bd04c0ab36020e7c2f160f8.png]
 *  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][Python_ 6.5 PyCharm]

## 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][2c7d82bd7fe741b881e8aaaccd342da7.png]

### 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][6adcad8c8f3649c08637bc96beafc432.png]
 *  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][d642ecef3ede4a21b5dfbd38037866f8.gif_pic_center]

### 3.4 折线图相关配置 ###

<table> 
 <thead> 
  <tr> 
   <th>配置项</th> 
   <th>作用</th> 
   <th>代码实例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>init_opts</td> 
   <td>对折线图初始化设置宽高</td> 
   <td>init_opts=opts.InitOpts(width=“1600px”, height=“800px”)</td> 
  </tr> 
  <tr> 
   <td>.add_xaxis</td> 
   <td>添加x轴数据</td> 
   <td>.add_xaxis(列表)</td> 
  </tr> 
  <tr> 
   <td>.add_yaxis</td> 
   <td>添加y轴数据</td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

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 ####

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

#### 3.4.2 `.set_global_opts`全局配置选项 ####

![在这里插入图片描述][6d93e6d3fb72450f9a703d66f9469ec5.png]

## 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][87abacaef29245849e6c1deeb5ea975d.png]
 *  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][b3ed9da1e7434ae19a6a78e923444545.png]

[3f584d7c509b4d2f8c6744d31453c495.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/4c4206622cb64c55b91542cdb1564ceb.png
[c5318b342bd04c0ab36020e7c2f160f8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/5d830f0548de49fa8b14308b8bd8c2dc.png
[Python_ 6.5 PyCharm]: https://blog.csdn.net/yang2330648064/article/details/132180119?spm=1001.2014.3001.5501
[2c7d82bd7fe741b881e8aaaccd342da7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f34eecd6a90d4d9eb978d40dfbbf12d3.png
[6adcad8c8f3649c08637bc96beafc432.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2188895b84ae41dca7597842d1fbbf16.png
[d642ecef3ede4a21b5dfbd38037866f8.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/e27b51af8ebc47d8ad75465a179d4938.png
[6d93e6d3fb72450f9a703d66f9469ec5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/6ca770d69afd42e5a386ed131cc7ea53.png
[87abacaef29245849e6c1deeb5ea975d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/1a9d4551fb1444b6b7192b311fbe9346.png
[b3ed9da1e7434ae19a6a78e923444545.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/450a62890daf49f2bdb8a454cef2c70f.png