Python学习从0到1 day18 Python可视化基础综合案例 1.折线图

2024-03-25 11:20
文章标签 python 基础 综合 学习 可视化 案例 折线图 day18

本文主要是介绍Python学习从0到1 day18 Python可视化基础综合案例 1.折线图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

我默记这段路的酸楚，等来年春暖花开之时再赏心阅读

                                                                  —— 24.3.24

python基础综合案例

数据可视化 — 折线图可视化

一、折线图案例

1.json数据格式

2.pyecharts模块介绍

3.pyecharts快速入门

4.数据处理

5.创建折线图

1.json数据格式

1.什么是json

2.掌握如何使用json进行数据转化

1.什么是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：

国际通用语言——英语

中国各民族各地区的通用语言——普通话

2.掌握如何使用json进行数据转化

①json格式的数据格式要求：(字典)

{“name”:"admin","age":18}

②也可以是：(字典列表)

[{"name":"admin","age":18},{"name":"root","age":16},{"name":"张三","age":20}]

JSON可以看作是把一个字典或者一个字典列表全部转换成字符串

正常定义为字典或字典列表导入包和方法后就可以进行自动转换

3.演示

'''
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
data1 = [{"name":"张三","age":22},{"name":"李四","age":13},{"name":"王五","age":16}]
json_str1 = json.dumps(data1,ensure_ascii=False) # 如果不写中文，则不需要参数ensure_ascii
print(json_str1)
print(type(json_str1))# 准备字典，将字典转换为JSON
data2 = {"name":"JayZhou","addr":"台北"}
json_str2 = json.dumps(data2,ensure_ascii=False)
print(json_str2)
print(type(json_str2))# 将JSON字符串转换为Python数据类型字典列表[{k:v,k:v},{k:v,k:v},{k:v,k:v}]
str = '[{"name": "张三", "age": 22}, {"name": "李四", "age": 13}, {"name": "王五", "age": 16}]'
json_str3 = json.loads(str)
print(json_str3)
print(type(json_str3))# 将JSON字符串转换为Python数据类型列表{k:v,k:v}
str2 = '{"name":"JayZhou","addr":"台北"}'
json_str4 = json.loads(str2)
print(json_str4)
print(type(json_str4))# 通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串

通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串

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格式来存储和表示数据（就是字符串）

python语言有很大的优势是因为JSON可以直接和Python的字典或者字典列表进行无缝转换

2.json格式数据转化

        通过json.dumps(data)可以把python中的数据转化为json字符串

        data = json.dumps(data)

如果其中有中文可以带上：ensure_ascii=False参数来确保中文正常转换

        通过json.loads(data)方法把json数据转化为python中的列表或字典

        data = json.loads(data)

2.pyecharts模块介绍

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

3.pyecharts快速入门

1.构建一个基础的折线图

2.使用全局配置项设置属性

1.构建一个基础的折线图

基础折线图

①导包，导入Line功能构建折线图对象

from pyecharts.charts import Line

②得到折线图对象

line = Line()

③添加x轴数

line.add_xaxis(["中国","美国","英国"])

⑤添加y轴数据

line.add_yaxis("GDP",[30,20,10])

⑥生成图表

line.render() # 生成图表后会在软件包内生成一个文件，运行这个文件就是生成的图表，可以运行文件也可以在文件右上角打开它

2.使用全局配置项设置属性

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（表结构）

        系列配置选项（数据）

全局配置选项 set_global_opts方法

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

3.示例

# ①导包，导入Line功能构建折线图对象
from pyecharts.charts import Line
#  导包，导入控制标题的包
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts# 得到折线图对象，Line对象
line = Line()# ③给折线图对象添加x轴数
line.add_xaxis(["中国","美国","英国"])# ④给折线图对象添加y轴数据
line.add_yaxis("GDP",[30,20,10])# ⑤设置全局变量配置项set_global_opts来设置
line.set_global_opts(# ctrl+p 可以查看方法中传递的参数title_opts=TitleOpts(title = "GDP展示",pos_left="center",pos_bottom="1%"),    # 控制标题及位置legend_opts=LegendOpts(is_show=True),   # 是否显示图例（默认显示）toolbox_opts=ToolboxOpts(is_show=True),  # 工具箱是否显示visualmap_opts=VisualMapOpts(is_show=True)  # 视觉映射是否显示
)# ⑥通过render方法，将代码生成为图像
line.render()

 运行成功后，会自动在包里生成一个文件

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

4.数据处理

1.能够通过json模块对数据进行处理

json可视化

根据json可视化掌握数据的层级关系

进入网站www.ab173.com

这是一个懒人软件，点击JSON相关、点击JSON视图

# 处理数据# 美国疫情数据
f_us = open("D:/2LFE/Desktop/Python/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# 小日本疫情数据
f_jp = open("D:/2LFE/Desktop/Python/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# 印度疫情数据
f_in = open("D:/2LFE/Desktop/Python/资料/可视化案例数据/折线图数据/日本.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，每个国家的数据不规范的内容不相同，需查看文档进行改变
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，结尾不规范数据相同，注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# 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]# 获取确诊数据，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.生成图表

# 生成图表
line = Line()   # 构建折线图对象，Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data)   # x轴是三个国家公用的，所以一个国家的就好# 添加y轴数据，y轴数据不共用，label_opts功能：当前这个图表中标签属性是否显示
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

6.设置全局选项

# 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%")
)

 7.整体代码

# 演示可视化需求1：折线图开发
# 导入包
import json    # josn可视化包
from pyecharts.charts import Line   # 读取文件的函数，导入line功能
from pyecharts.options import TitleOpts, LabelOpts  # 标题设置Title包，系列属性LabelOpts包# 处理数据# 美国疫情数据
f_us = open("E:\python.learning\折线图数据\美国.txt","r",encoding="utf-8")
us_data = f_us.read()   # 美国的全部内容# 小日本疫情数据
f_jp = open("E:\python.learning\折线图数据\日本.txt","r",encoding="utf-8")
jp_data = f_jp.read()   # 日本的全部内容# 印度疫情数据
f_in = open("E:\python.learning\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，每个国家的数据不规范的内容不相同，需查看文档进行改变
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，结尾不规范数据相同，注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# 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]# 获取确诊数据，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，Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data)   # x轴是三个国家公用的，所以一个国家的就好# 添加y轴数据，y轴数据不共用，label_opts功能：当前这个图表中标签属性是否显示
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()   # 折线图对象.render方法# 关闭文件对象
f_us.close()
f_in.close()
f_jp.close()

运行结果：

这篇关于Python学习从0到1 day18 Python可视化基础综合案例 1.折线图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/844850。

相关文章

从基础到高级详解Go语言中错误处理的实践指南

从基础到高级详解Go语言中错误处理的实践指南

《从基础到高级详解Go语言中错误处理的实践指南》Go语言采用了一种独特而明确的错误处理哲学,与其他主流编程语言形成鲜明对比,本文将为大家详细介绍Go语言中错误处理详细方法,希望对大家有所帮助... 目录1 Go 错误处理哲学与核心机制1.1 错误接口设计1.2 错误与异常的区别2 错误创建与检查2.1 基础
阅读更多...
Python版本信息获取方法详解与实战

Python版本信息获取方法详解与实战

《Python版本信息获取方法详解与实战》在Python开发中,获取Python版本号是调试、兼容性检查和版本控制的重要基础操作,本文详细介绍了如何使用sys和platform模块获取Python的主... 目录1. python版本号获取基础2. 使用sys模块获取版本信息2.1 sys模块概述2.1.1
阅读更多...
一文详解Python如何开发游戏

一文详解Python如何开发游戏

《一文详解Python如何开发游戏》Python是一种非常流行的编程语言,也可以用来开发游戏模组,：本文主要介绍Python如何开发游戏的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下... 目录一、python简介二、Python 开发 2D 游戏的优劣势优势缺点三、Python 开发 3D
阅读更多...
Python函数作用域与闭包举例深度解析

Python函数作用域与闭包举例深度解析

《Python函数作用域与闭包举例深度解析》Python函数的作用域规则和闭包是编程中的关键概念,它们决定了变量的访问和生命周期,：本文主要介绍Python函数作用域与闭包的相关资料,文中通过代码... 目录1. 基础作用域访问示例1：访问全局变量示例2：访问外层函数变量2. 闭包基础示例3：简单闭包示例4
阅读更多...
Python实现字典转字符串的五种方法

Python实现字典转字符串的五种方法

《Python实现字典转字符串的五种方法》本文介绍了在Python中如何将字典数据结构转换为字符串格式的多种方法,首先可以通过内置的str()函数进行简单转换;其次利用ison.dumps()函数能够... 目录1、使用json模块的dumps方法：2、使用str方法：3、使用循环和字符串拼接：4、使用字符
阅读更多...
Python版本与package版本兼容性检查方法总结

Python版本与package版本兼容性检查方法总结

《Python版本与package版本兼容性检查方法总结》：本文主要介绍Python版本与package版本兼容性检查方法的相关资料,文中提供四种检查方法,分别是pip查询、conda管理、PyP... 目录引言为什么会出现兼容性问题方法一：用 pip 官方命令查询可用版本方法二：conda 管理包环境方法
阅读更多...
基于Python开发Windows自动更新控制工具

基于Python开发Windows自动更新控制工具

《基于Python开发Windows自动更新控制工具》在当今数字化时代,操作系统更新已成为计算机维护的重要组成部分,本文介绍一款基于Python和PyQt5的Windows自动更新控制工具,有需要的可... 目录设计原理与技术实现系统架构概述数学建模工具界面完整代码实现技术深度分析多层级控制理论服务层控制注
阅读更多...
pycharm跑python项目易出错的问题总结

pycharm跑python项目易出错的问题总结

《pycharm跑python项目易出错的问题总结》：本文主要介绍pycharm跑python项目易出错问题的相关资料,当你在PyCharm中运行Python程序时遇到报错,可以按照以下步骤进行排... 1. 一定不要在pycharm终端里面创建环境安装别人的项目子模块等，有可能出现的问题就是你不报错都安装
阅读更多...
Python打包成exe常用的四种方法小结

Python打包成exe常用的四种方法小结

《Python打包成exe常用的四种方法小结》本文主要介绍了Python打包成exe常用的四种方法,包括PyInstaller、cx_Freeze、Py2exe、Nuitka,文中通过示例代码介绍的非... 目录一.PyInstaller11.安装：2. PyInstaller常用参数下面是pyinstal
阅读更多...
Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题

Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题

《Python爬虫HTTPS使用requests,httpx,aiohttp实战中的证书异步等问题》在爬虫工程里,“HTTPS”是绕不开的话题,HTTPS为传输加密提供保护,同时也给爬虫带来证书校验、... 目录一、核心问题与优先级检查（先问三件事）二、基础示例：requests 与证书处理三、高并发选型：
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2