json文件生成折线图（9）

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，类似于:国际通用语言-英语

在python中进行json格式数据转换的方法如下：

"""
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
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) # ensure_ascii是为了让中文正常输出

#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)

# 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)

#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)

2. pyecharts模块

• 安装pyecharts模块
• 在pycharm中可以用默认工具安装，
• 在pycharm下方工具栏terminal中输入pip install pyecharts，回车(若自己电脑有多个版本的python,记得要在自己需要的python版本环境下安装）
  
• 在命令行中输入pip install pyecharts
  
• 官方示例画廊

3.通过json处理文件
在打开json文件时，常常会遇到内容一长串，很难看到文件具体层级和格式的情况，可以利用这个工具:懒人工具网站
通过该网站可以较为方便整齐的查看整体json数据层级。

3. 演示pyecharts的基础入门

下面的代码演示了如何利用pyecharts，通过render方法，将代码生成一个示例网页端折线图

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
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),
)
# 通过render方法，将代码生成为图像
line.render()

运行代码后会生成一个render文件

双击打开render文件，右上方可选择可以查看图像的浏览器，任选一个打开，这里选择IE浏览器

网页端显示结果如下：

至此，一个简单的网页端折线图生成成功！

4. 较复杂的可视化折线图代码示例

所用文件为美国，日本，印度三国的疫情数据，其json结构如下

通过代码一层层的找到自己需要的数据并将其生成表格，效果附在代码后

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts
# 处理数据
f_us = open("D:\美国.txt","r",encoding = "UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = open("D:\日本.txt","r",encoding = "UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = open("D:\印度.txt","r",encoding = "UTF-8")
in_data = f_in.read()   # 美国的全部内容
# 去掉不合json规范的开头（文件中有才需要去掉，没有的话不需要去掉）
us_data = us_data.replace("jsonp_1629344292311_69436(", "") #将不符合规范的部分换为空白

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] # 取到倒数第二个结束但不包含倒数第二个自身，去掉最后的括号和分号
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)

# print(type(us_dict))
# print(us_dict)
# 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']

# print(type(trend_data))
# print(trend_data)
# 获取日期数据，用于x轴，取2020年（到315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]

# print(x_data)
# 获取确认数据，用于Y轴，取2020年（到315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]

# print(y_data)
# 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)
line.add_yaxis("日本确诊人数",jp_y_data)
line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))
# 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()