Python之数据可视化基础

「PlanA」

已于 2024-01-25 20:04:32 修改

阅读量1.2k

点赞数 45

分类专栏： Python 文章标签：信息可视化 python 开发语言

于 2024-01-25 20:01:55 首次发布

本文链接：https://blog.csdn.net/2301_77599154/article/details/135841921

版权

Python 专栏收录该内容

11 篇文章 4 订阅

订阅专栏

本文介绍了如何使用Python进行JSON数据格式转换，并通过pyecharts模块创建疫情折线图，展示了如何处理和可视化COVID-19数据。内容涉及JSON的基本概念、Python与JSON数据的交互，以及使用pyecharts实现数据可视化的过程。

摘要由CSDN通过智能技术生成

一 JSON数据格式转换

什么是JSON?

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式。它以易于阅读和编写的方式来表示结构化数据。JSON常用于Web应用程序之间的数据传输，特别是与前端JavaScript一起使用。它基于JavaScript语法，但可以被多种编程语言支持和使用。

JSON的优点包括易于阅读和编写、数据格式简洁、跨平台和语言无关、广泛支持等。由于它的普及性和便利性，JSON已成为现代应用程序中常用的数据交换格式之一。

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。

JSON格式数据要求

Python数据和JSON数据的相互转换

二 pyecharts模块

如果想要做出数据可视化效果图，可以借助pyecharts模块来完成

pyecharts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.

安装pyecharts模块

1.使用cmd命令行安装

2.使用Pycharm安装

三 Pyecharts入门

基础折线图

1.使用时先导入包

2.得到折线对象

3.配置x,y参数

4.将代码可视化

5.运行以后我们会得到一个html文件，点击打开在使用浏览器打开即可

pyecharts的配置选项

可参考官网查看：简介 - pyecharts - A Python Echarts Plotting Library built with love.

1.全局配置

set_global_opts方法

添加全局设置项效果

2.系列配置

四数据可视化之疫情折线图

1.首先我们手里面有三份Json数据

2.拿到数据以后分析一下：

我们前面提到了JSON数据格式的转换，明显这里格式不匹配，所以我们接下来要用数据容器的一些操作对它处理，得到标准的JSON数据，然后转换为Python的字典操作。

3.将JSON数据可视化，方便后续找清楚逻辑关系：JSON在线视图查看器(Online JSON Viewer) (ab173.com)

4.编写代码

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts,LegendOpts,ToolboxOpts,VisualMapOpts
#  打开文件
f_us = open("D:/美国.txt","r",encoding="UTF-8")
us_data = f_us.read()

f_jp = open("D:/日本.txt","r",encoding="UTF-8")
jp_data = f_jp.read()

f_in = open("D:/印度.txt","r",encoding="UTF-8")
in_data = f_in.read()

# 去除开头不符合Json数据格式的字符串
us_data = us_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(",'')
in_data = in_data.replace("jsonp_1629350745930_63180(",'')
# 去除结尾不符合Json数据格式的字符串
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]

# 将Json转换为Python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict= json.loads(in_data)
# 获取trend的key
trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# 取日期数据用于x轴，取到2020
us_x_data = trend_data['updateDate'][:314]

# 取y轴数据
us_y_data = 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]
# 获得折线图
line = Line()
# 设置x,y的参数
line.add_xaxis(us_x_data)
line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))

line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年美日印三国新冠疫情确诊人数对比折线图",pos_left="center",pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)

)
# 将代码转可视化
line.render()
# 关闭文件
f_us.close()
f_jp.close()
f_in.close()

运行效果：