第十、十一章、十二章 折线图 + 地图 + 柱状图的绘制

 第十章  折线图的绘制

 官网：pyecharts - A Python Echarts Plotting Library built with love.

画廊官网：Document

懒人工具：懒人工具-手机APP工具下载-手机软件下载大全 - 173软件站 (ab173.com)

导学

json

定义

（1）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

（2）JSON本质上是一个带有特定格式的字符串。

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

python数据和json数据的相互转化

python和json格式是可以无缝切换的，json是字符串

json就是把Python中：

1. 列表（该列表的元素都是字典），把该列表也变成字符串
2. 字典转化为字符串

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": "周杰伦", "addr": "台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(type(json_str))
print(json_str)

# 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": "周杰伦", "addr": "台北"}'
d = json.loads(s)
print(type(d))
print(d)

<class 'str'>
[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]
<class 'str'>
{"name": "周杰伦", "addr": "台北"}
<class 'list'>
[{'name': '张大山', 'age': 11}, {'name': '王大锤', 'age': 13}, {'name': '赵小虎', 'age': 16}]
<class 'dict'>
{'name': '周杰伦', 'addr': '台北'}

另注：

pyecharts

简介

安装

测试安装成功与否

入门使用

# 从pyecharts包中的charts模块中导入Line功能
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%"), # 设置标题：标题名，标题距离左边的距离，标题距离底部的距离
    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()

pyecharts模块中有很多的配置选项，常用到2个类别的选项包括：

1. 全局配置选项：针对整个图像进行设置，例如：图像的标题、图例、工具箱等
2. 系列配置选项：针对具体的轴数据进行设置

全局配置选项

•       title_opts :表示标题组件的配置项。
•       legend_opts:表示图例组件的配置项。
•       tooltip_opts : 表示提示框组件的配置项。
•       toolbox_opts :表示工具箱组件的配置项。
•       brush_opts:表示区域选择组件的配置项。
•       xaxis_opts，yaxis_opts:表示x轴、y轴的配置项。
•       visualmap_opts :表示视觉映射组件的配置项。
•       datazoom_opts :表示数据区域缩放组件的配置项。

案例:美、日、印疫情

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

# 处理数据
f_us = open("C:/Users/18757/Desktop/pythontext/美国.txt", "r", encoding = "UTF-8")
us_data = f_us.read()

f_jp = open("C:/Users/18757/Desktop/pythontext/日本.txt", "r", encoding = "UTF-8")
jp_data = f_jp.read()

f_in = open("C:/Users/18757/Desktop/pythontext/印度.txt", "r", encoding = "UTF-8")
in_data = f_in.read()

# 去除开头不要的数据
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
in_data = in_data.replace("jsonp_1629350745930_63180(", "")

# 去除结尾不要的数据
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]

# json转化为python数据
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)

# 获取trend字典数据
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）
x_data = us_trend_data["updateDate"][:314]

# 获取疫情数据，用于y轴，取2020年（到314下标结束）
us_y_data = us_trend_data["list"][0]["data"]
jp_y_data = jp_trend_data["list"][0]["data"]
in_y_data = in_trend_data["list"][0]["data"]

# 生成图表
line = Line()

# 添加x轴数据
line.add_xaxis(x_data)

# 添加y轴数据
line.add_yaxis("美国确诊人数",us_y_data, label_opts=False) # label_opts是控制数值是否显示的
line.add_yaxis("日本确诊人数",jp_y_data, label_opts=False)
line.add_yaxis("印度确诊人数",in_y_data, label_opts=False)

# 设置全局配置项set_global_opts来设置
line.set_global_opts(
    title_opts=TitleOpts(is_show=True,title="2020年美日印三国确诊人数对比折线图",pos_bottom="1%",pos_left="center")
)


line.render()

 第十一章  地图的绘制

基础地图使用

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map = Map()

data = [
    ("北京市", 99),
    ("上海市", 199),
    ("湖南省", 299),
    ("台湾省", 399),
    ("广东省", 499)
]
map.add("测试地图", data, "china")
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,  # 表示需要设置视觉映射组件的显示范围
        pieces=[            # 开始设置视觉映射组件的显示范围
            {"min":1, "max":9, "label":"1-9","color":"#275612"},
            {"min":10, "max":99, "label":"10-99","color":"#FFE4B5"},
            {"min":100, "max":500, "label":"100-500","color":"#E6E6FA"},
        ]
    )
)

map.render()

全国疫情地图构建

import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts
# 读取数据文件
f = open("C:/Users/18757/Desktop/pythontext/疫情.txt", "r", encoding = "UTF-8")
data = f.read()

# 关闭文件
f.close()


# 将字符串json转换为python的字典
data_dict = json.loads(data)

# 从字典中取到各省数据
province_data_list = data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元组、并各个省的数据都封装入列表内
data_list = []
for province_data in province_data_list:
    province_name = province_data["name"] + "省"
    province_confirm = province_data["total"]["confirm"]
    data_list.append((province_name, province_confirm))
# 创建地图对象
map = Map()

# 添加数据
map.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
map.set_global_opts(
    title_opts = TitleOpts("全国疫情地图"),
    visualmap_opts = VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min":1, "max":99, "label":"1-99人","color":"#CCFFFF"},
            {"min":100, "max":999, "label":"1-999人","color":"#FFFF99"},
            {"min":1000, "max":4999, "label":"1000-4999人","color":"#FF9966"},
            {"min":5000, "max":9999, "label":"5000-9999人","color":"#FF6666"},
            {"min":10000, "max":99999, "label":"10000-99999人","color":"#CC3333"},
            {"min":100000, "label":"100000+","color":"#990033"},
        ]
    )
)

# 绘图
map.render("全国疫情地图.html")

import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts
# 读取数据文件
f = open("C:/Users/18757/Desktop/pythontext/疫情.txt", "r", encoding = "UTF-8")
data = f.read()

# 关闭文件
f.close()

# 将字符串json转换为python的字典
data_dict = json.loads(data)

# 从字典中取到河南省数据
henan_province_data_list = data_dict["areaTree"][0]["children"][3]["children"]
# 组装河南省每个城市名字和该城市确诊人数为元组、并将该元组都封装入列表内
data_list = []
for henan_province_data in henan_province_data_list:
    henan_province_name = henan_province_data["name"] + "市"
    henan_province_confirm = henan_province_data["total"]["confirm"]
    data_list.append((henan_province_name, henan_province_confirm))
# 创建地图对象
map = Map()

# 添加数据
map.add("河南省确诊人数", data_list, "河南")

# 设置全局配置、定制分段的视觉映射
map.set_global_opts(
    title_opts = TitleOpts("河南省疫情地图"),
    visualmap_opts = VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min":1, "max":99, "label":"1-99人","color":"#CCFFFF"},
            {"min":100, "max":999, "label":"1-999人","color":"#FFFF99"},
            {"min":1000, "max":4999, "label":"1000-4999人","color":"#FF9966"},
            {"min":5000, "max":9999, "label":"5000-9999人","color":"#FF6666"},
            {"min":10000, "max":99999, "label":"10000-99999人","color":"#CC3333"},
            {"min":100000, "label":"100000+","color":"#990033"},
        ]
    )
)

# 绘图
map.render("河南省疫情地图.html")

第十二章 柱状图的构建

基础柱状图

# 使用Bar构建基础柱状图
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
bar = Bar()
# 添加x轴的数据
bar.add_xaxis(["中国", "美国", "英国"])
# 添加y轴的数据
bar.add_yaxis("GDP",[30, 20, 10], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
# 反转x轴和y轴
bar.reversal_axis()

bar.render("基础柱状图.html")

基础时间线柱状图创建

设置自动播放

时间线设置主题

# 使用Bar构建基础柱状图
from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

bar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国"])
bar1.add_yaxis("GDP",[30, 20, 10], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国"])
bar2.add_yaxis("GDP",[50, 50, 50], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(["中国", "美国", "英国"])
bar3.add_yaxis("GDP",[70, 60, 60], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar3.reversal_axis()

# 构建时间线对象，并对主题进行设置
timeline = Timeline({"theme": ThemeType.LIGHT})
# 在时间线内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")
# 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，显示时问线
    is_auto_play=True,      #是否自动播放
    is_loop_play=True# 是否循环自动播放
)
# 绘图使用时间线绘图
timeline.render("基础时间线柱状图创建.html")

动态GDP柱状图绘制

  

from pyecharts.charts import Bar, Timeline
from pyecharts.globals import ThemeType
from pyecharts.options import LabelOpts,TitleOpts
# 读取数据
f = open("C:/Users/18757/Desktop/pythontext/1960-2019全球GDP数据.csv", "r", encoding="GB2312") # GB2312是ANSI编码所对应的
data_lines = f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# ['1960,美国,5.433E+11\n', '1960,英国,73233967692\n', '1961,美国,5.633E+11\n']
# 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],...…..],......)
data_dict = {}
for line in data_lines:
    temp_list = line.split(",") # 一个个的[1960,美国,5.433E+11]
    year = int(temp_list[0])
    country = temp_list[1]
    gdp = float(temp_list[2])                   # 为了将科学计数法计数的数字转化过来
    # 此时已经取到 year country gdp
    # 如果此时入的数据是第一个即将加入的年份的话，需要创建一个列表，否则直接添加元素即可
    try:                        # 正常情况
        data_dict[year].append([country, gdp])
    except KeyError:            # 是第一个即将加入的年份的情况
        data_dict[year]=[]
        data_dict[year].append([country, gdp])

# 取出从小到大的年份，以便构建时间线
sorted_year_list = sorted(data_dict.keys())
# 设置时间线对象，基于每一年的数据，创建每一年的bar对象
timeline = Timeline({"theme": ThemeType.LIGHT})
# 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
for year in sorted_year_list:
    # data_dict[year]相当于取出year年的:[[国家，gdp]，[国家,gdp], ...]
    data_dict[year].sort(key=lambda element : element[1], reverse=True) # 使今年的GDP按照从大到小排列
    # 得到[[国家，gdp]，[国家,gdp], ...]里面的[国家，gdp]按照gdp从大到小排列
    # 取出本年份前八名的国家,得到前八名的[[国家，gdp]，[国家,gdp], ...]
    before_8_country = data_dict[year][0:8]
    # 创建gdp前8名国家的x轴和y轴数据列表
    x_data = []
    y_data = []
    for gdp_data in before_8_country:   #每次遍历一个[国家,gdp]
        x_data.append(gdp_data[0])
        y_data.append(gdp_data[1] / (1e+8))
    x_data = x_data[::-1]
    y_data = y_data[::-1]
    # 创建柱状图
    bar = Bar()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP（亿）", y_data,label_opts=LabelOpts(position="right"))
    bar.reversal_axis()
    bar.set_global_opts(
        title_opts = TitleOpts(title = f"{year}年全球前8GDP国家")
    )
    # 至此时间线上的一个结点数据就完成了，将该结点加入时间线中
    timeline.add(bar,str(year))

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_loop_play=True,
    is_auto_play=True,
    is_timeline_show=True
)

timeline.render("1960-2019全球GDP数据.html")