Python可视化

JSON数据格式

定义

• 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。

作用

为了让不同的语言都能够相互通用的传递数据，JSON就是一种非常良好的中转数据格式。

Python中数据结构和JSON的关系

• python中的字典转成字符串就是JSON

• python中的列表(列表中的元素是字典)转成字符串就是JSON

Python数据和Json数据的相互转换

Python数据->JSON数据(dumps())

ensure_ascii=False表明不使用ASCII去转换它，而是把它内容直接输出出去。

# 导入模块
import json

# 准备列表，列表中的每一个元素都是字典，将其转换为JSON
data = [{'name': 'Tom', 'age': 20}, {'name': 'Mike', 'age': 10}]

# 使用dumps()，将字典转换为JSON
json_str = json.dumps(data,ensure_ascii=False)
print(type(json_str))
print(json_str)

JSON数据->Python数据(loads())

# 导入模块
import json

# JSON数据
s = '[{"name": "Tom", "age": 20}, {"name": "Mike", "age": 10}]'

# JSON数据转Python数据 list
l = json.loads(s)
print(type(l))  # list
print(l)

# JSON数据
s = '{"name": "Tom", "age":20}'

# JSON数据转成Python数据 dict
l = json.loads(s)  
print(type(l))  # dict
print(l)

pyecharts模块

官方文档

示例图

安装

pip install pyecharts

基本折线图

# 导包，导入Line功能构建折线图对象
from pyecharts.charts import Line

# 得到折线图对象
line = Line()

# 添加x轴数据
line.add_xaxis(["中国","美国","英国"])

# 添加y轴数据
line.add_yaxis("GDP",[30,20,10])

# 生成图表
line.render()

配置选项

• 全局配置，主要是通用的配置，包括标题、Legends、工具箱、视觉映射等

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)
)

• 系列配置选项，不同的折线可以设置不同属性

数据处理

JSON视图

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts


def read_file(filename):
    with open(filename, "r", encoding="utf-8") as file:
        return file.read()


def generate_line_chart(x_data, y_data, name):
    line.add_xaxis(x_data)
    line.add_yaxis(name, y_data, label_opts=LabelOpts(is_show=False))


# 读取文件
us_data = read_file("美国.txt")
jp_data = read_file("日本.txt")
in_data = read_file("印度.txt")
# json转字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)
# 取出需要属性
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# x,y轴数据
us_x_data = us_trend_data['updateDate'][:314]
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]

# 初始化折线图
line = Line()
line.set_global_opts(
    title_opts=TitleOpts(title="2020年美日印确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)
# 填充x,y轴数据
generate_line_chart(us_x_data, us_y_data, "美国确诊人数")
generate_line_chart(us_x_data, jp_y_data, "日本确诊人数")
generate_line_chart(us_x_data, in_y_data, "印度确诊人数")
line.render()

基本地图

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
# 准备地图对象
map = Map()
# 准备数据
data = [
    ("北京市",99),
    ("上海市",199),
    ("湖南省",299),
    ("台湾省",399),
    ("广东省",499)

]
# 添加数据
map.add("测试地图",data,"china")
# 设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,  # 分段
        pieces=[
            {"min":1,"max":9,"label":"1-9","color":"#CCFFFF"},
            {"min":10,"max":99,"label":"10-99","color":"#FF6666"},
            {"min":100,"max":500,"label":"100-500","color":"#990033"}
        ]
    )
)
# 绘图
map.render()

全国省份疫情确诊图

import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts

# 读取数据文件
with open("疫情.txt", "r", encoding="UTF-8") as f:
    data = f.read()

# 将字符串json转换为Python的字典
data_dict = json.loads(data)
province_data_list = data_dict["areaTree"][0]["children"]

# 处理省份名称的逻辑
city = ["北京", "天津", "上海", "重庆"]
province = ["河北", "山西", "黑龙江", "吉林", "辽宁", "江苏", "浙江", "安徽", "福建", "江西", "山东", "河南", "湖北", "湖南", "广东", "海南", "四川",
            "贵州", "云南", "陕西", "甘肃", "青海", "台湾"]
municipality = ["内蒙古", "西藏", "宁夏", "新疆", "广西"]
specialty = ["香港", "澳门"]

data_list = []
for province_data in province_data_list:
    province_name = province_data["name"]
    if province_name in city:
        province_name += "市"
    elif province_name in province:
        province_name += "省"
    elif province_name in municipality:
        province_name += {
            "内蒙古": "自治区",
            "西藏": "自治区",
            "宁夏": "回族自治区",
            "新疆": "维吾尔自治区",
            "广西": "壮族自治区",
        }.get(province_name)
    data_list.append((province_name, province_data["total"]["confirm"]))

# 创建地图对象
map_chart = Map()

# 添加数据
map_chart.add("各省份确诊人数", data_list, "china")

# 设置全局配置，定制分段的视觉映射
visual_map = VisualMapOpts(
    is_show=True,
    is_piecewise=True,
    pieces=[
        {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
        {"min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
        {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
        {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
        {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
        {"min": 100000, "label": "100000+", "color": "#990033"},
    ]
)

# 设置全局配置
map_chart.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=visual_map
)

# 绘图
map_chart.render("全国疫情地图.html")

省级图形绘制

import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts

# 读取文件
with open("疫情.txt", "r", encoding="UTF-8") as f:
    data = f.read()

# 获取河南省数据
data_dict = json.loads(data)
cities_data = data_dict["areaTree"][0]["children"][3]["children"]

# 准备数据为元组并放入列表
data_list = []
for city_data in cities_data:
    city_name = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_name, city_confirm))

# 手动添加济源市的数据
data_list.append(("济源市", 5))

# 构建地图对象
map_chart = Map()

# 添加数据
map_chart.add("河南省疫情分布", data_list, "河南")

# 设置全局选项
visual_map = VisualMapOpts(
    is_show=True,
    is_piecewise=True,
    pieces=[
        {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
        {"min": 100, "max": 999, "label": "100~9999人", "color": "#FFFF99"},
        {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
        {"min": 5000, "max": 9999, "label": "5000~99999人", "color": "#FF6666"},
        {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
        {"min": 100000, "label": "100000+", "color": "#990033"},
    ]
)

map_chart.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=visual_map
)

# 绘图
map_chart.render("河南省疫情地图.html")

基础柱状图

"""
演示基础柱状图的开发
"""
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
# 使用Bar构建基础柱状图
bar = Bar()
# 添加x轴的数据
bar.add_xaxis(["中国", "美国", "英国"])
# 添加y轴数据, 将标签放在右边
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))
# 反转x和y轴
bar.reversal_axis()
# 绘图
bar.render("基础柱状图.html")

基础时间线柱状图

from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

def create_bar_chart(x_data, y_data, label_position="right"):
    bar = Bar()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP", y_data, label_opts=LabelOpts(position=label_position))
    bar.reversal_axis()
    return bar

# 数据准备
countries = ["中国", "美国", "英国"]
gdp_data = [
    [30, 30, 20],
    [50, 50, 50],
    [70, 60, 60]
]
points = ["点1", "点2", "点3"]

# 创建时间线对象
timeline = Timeline({"theme": ThemeType.LIGHT})

# 逐个添加柱状图到时间线
for i in range(len(points)):
    bar = create_bar_chart(countries, gdp_data[i])
    timeline.add(bar, points[i])

# 自动播放设置
timeline.add_schema(
    play_interval=1000,  # 自动播放的时间间隔，单位毫秒
    is_timeline_show=True,  # 是否在自动播放的时候显示时间线
    is_auto_play=True,
    is_loop_play=True
)

# 生成最终的HTML文件
timeline.render("基础时间线柱状图.html")

动态GDP柱形图绘制

效果图中需要

1. GDP数量处理为亿级别

2. 有时间轴，按照年份为时间轴的点

3. x轴和y轴反转，同时每一年的数据只要前8名

4. 有标题，标题的年份动态更改

5. 设置主题为LIGHT

"""
演示第三个图表：GDP动态柱状图开发
"""
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f = open("1960-2019全球GDP数据.csv", "r", encoding="GBK")
data_lines = f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储，格式为：
# { 年份: [ [国家, gdp], [国家,gdp], ......  ], 年份: [ [国家, gdp], [国家,gdp], ......  ], ...... }
# { 1960: [ [美国, 123], [中国,321], ......  ], 1961: [ [美国, 123], [中国,321], ......  ], ...... }
# 先定义一个字典对象
data_dict = {}
for line in data_lines:
    year = int(line.split(",")[0])      # 年份
    country = line.split(",")[1]        # 国家
    gdp = float(line.split(",")[2])     # gdp数据
    # 如何判断字典里面有没有指定的key呢？
    try:
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])

# 创建时间线对象
timeline = Timeline({"theme": ThemeType.LIGHT})
# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    # 列表排序
    data_dict[year].sort(key=lambda element: element[1], reverse=True)
    # 取出本年份前8名的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)   # y轴添加gdp数据

    # 构建柱状图
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前8GDP数据")
    )
    timeline.add(bar, str(year))


# for循环每一年的数据，基于每一年的数据，创建每一年的bar对象
# 在for中，将每一年的bar对象添加到时间线中

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)
# 绘图
timeline.render("1960-2019全球GDP前8国家.html")