Python数据可视化

发表于 2023-08-08 本文字数 2.8k 字阅读时长 3 分钟

# pyecharts 模块

# 介绍

# 概况

Echarts 是由百度开源的数据可视化，凭借着良好的交互性，精巧的图标设计，得到了众多开发者的认可，而 Python 是门富有表达力的语言，很适用于数据处理，当数据分析遇到数据可视化时，pyecharts 就诞生了

# 模块安装

pip install pyecharts

# 入门使用

# 入门代码

	from pyecharts.charts import Line
	line = Line()
	line.add_xaxis(["中国","美国","英国"])
	line.add_yaxis("GDP", [30,20,10])
	line.render()

# 全局配置

	from pyecharts.charts import Line
	from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
	line = Line()
	line.add_xaxis(["中国","美国","英国"])
	line.add_yaxis("GDP", [30,20,10])
	# 全局配置
	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)
	)
	line.render()

# 数据处理

	import json
	f_us = open("D:/bjhdaima/python/Python基础/第1-12章资料/资料/可视化案例数据/折线图数据/美国.txt", encoding="UTF-8")
	us_data = f_us.read()
	us_data = us_data.replace("jsonp_1629344292311_69436(","")
	us_data = us_data[:-2]
	us_dict = json.loads(us_data)
	trend_data = us_dict['data'][0]['trend']
	x_data = trend_data['updateDate'][:314]
	y_data = trend_data['list'][0]['data'][:314]

# 生成折线图

	"""
	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:/bjhdaima\python\Python基础\第1-12章资料\资料\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:/bjhdaima\python\Python基础\第1-12章资料\资料\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:/bjhdaima\python\Python基础\第1-12章资料\资料\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)
	# 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%")
	)
	# 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()

Python基础