时间数据的可视化

时间是一个非常重要的维度与属性。时间序列数据存在于社会的各个领域，如：天文观测数据、气象图像、临床诊断记录等。诊断记录包括病人的每次看病的病情记录以及心电图等扫描仪器的数据记录等。金融和商业交易记录如股市每天的交易价格及交易量、超市中每种商品的销售情况等。不管是延续性还是暂时性的时间数据，可视化的最终的目的就是从中发现趋势。时间型数据包含时间属性，不仅要表达数据随时间变化的规律，还需表达数据分布的时间规律。它可以分为连续性和离散型时间数据。这里就讲述下离散型数据的堆叠柱形图，堆叠柱形图的几何形状和常规柱形图很相似，在柱形图中，数据值为并行排列，而在堆叠柱图则是一个个叠加起来的。它的特点就是如果数据存在子分类，并且这些子分类相加有意义的话，此时就可以使用堆叠柱形图来表示。本次实验结合本章讲述的堆叠柱形图的列子，这里我们要画的是极坐标系-堆叠柱状图，也是南丁格尔玫瑰图。由于半径和面积的关系是平方的关系，南丁格尔玫瑰图会将数据的比例大小夸大，尤其适合对比大小相近的数值；由于圆形有周期的特性，所以玫瑰图也适用于表示一个周期内的时间概念，比如星期、月份。下面就用Python程序来实现。

四、实验环境

OS：Windows

Python：v3.9

五、实验步骤

1. 下载数据源（hot-dog-places.csv ）历年热狗大胃王比赛的前三名的成绩。查看该数据集：

2. 打开cmd，输入pip install pyecharts，安装pyecharts包。

3. 打开Pycharm，编写程序实现极坐标的堆叠柱形图，展示两种极坐标的堆叠柱形图，一个是半径表示时间，一个是圆边表示时间。并把两张图显示在一个render.html里面。代码如下图所示：

import pyecharts.options as opts
from pyecharts.charts import Polar,Page
import csv
filename = "C:/Users/sun'yi'zhe/Downloads/hot-dog-places.csv"
data_x = []
data_y = []
with open(filename) as f:
   reader = csv.reader(f)
   for data_row in reader:
      data_x.append(data_row)
x = data_x[0]
print(x)
y1 = data_x[1]
y1 = [float(i) for i in y1]
y2 = [float(i) for i in data_x[2]]
y3 = [float(i) for i in data_x[3]]
def polar_datazoom_slider():
    c = (
        Polar(init_opts=opts.InitOpts(width="600px", height="500px"))
        .add_schema(radiusaxis_opts=opts.RadiusAxisOpts(data=x),
                    angleaxis_opts=opts.AngleAxisOpts(is_clockwise=True))
        .add("A", y1, type_="bar", stack="stack0")
        .add("B", y2, type_="bar", stack="stack0")
        .add("C", y3, type_="bar", stack="stack0")
        .set_global_opts(title_opts=opts.TitleOpts(title="极坐标系-堆叠柱状图例1"))
)
    return c
def polar_datazoom():
    c2 = (
        Polar(init_opts=opts.InitOpts(width="600px", height="500px"))
        .add_schema(angleaxis_opts=opts.AngleAxisOpts(data=x, is_clockwise=True))
        .add("A", y1, type_="bar", stack="stack0")
        .add("B", y2, type_="bar", stack="stack0")
        .add("C", y3, type_="bar", stack="stack0")
        .set_global_opts(title_opts=opts.TitleOpts(title="极坐标系-堆叠柱状图例2"))
)
    return c2
def page_draggable_layout():
    page = Page()
    page.add(
        polar_datazoom_slider(),
        polar_datazoom()
    )
    page.render("极坐标系-堆叠柱状图.html")

if __name__ == "__main__":
    page_draggable_layout()

4.运行结果如下：

通过堆叠柱形图能够展示每年的总热狗消耗量及分布。

5.对于该数据集，换一种合适的图表方式展示，这里选择折线图，使用折线图能够更清晰地显示每名选手的成绩变化趋势。

import matplotlib.pyplot as plt
import csv
from pylab import mpl
# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

years = []
first = []
second = []
third = []

with open("C:/Users/sun'yi'zhe/Downloads/hot-dog-places.csv") as f:
    reader = csv.reader(f)
    years = next(reader)[1:]  # 跳过第一列
    for row in reader:
        if not row[0]:  # 如果第一列是空的
            continue
        data = [float(x) if x else 0 for x in row[1:]]  # 转换为浮点数
        if len(first) == 0:
            first = data
        elif len(second) == 0:
            second = data
        elif len(third) == 0:
            third = data

plt.figure(figsize=(12, 6))
plt.plot(years, first, marker='o', label='第一名', color='gold')
plt.plot(years, second, marker='o', label='第二名', color='silver')
plt.plot(years, third, marker='o', label='第三名', color='peru')
plt.title('热狗大胃王比赛成绩趋势（2000-2010）')
plt.xlabel('年份')
plt.ylabel('热狗数量')
plt.legend()
plt.grid(linestyle='--', alpha=0.7)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

运行结果：

通过折线图能够看到历年前三名选手的成绩呈上升趋势。

六、实验心得

在本次时间数据的可视化实验中，我学习了时间数据以及它的可视化图表表示。在实验过程中，我分别使用堆叠柱状图和折线图对时间数据进行可视化，并对两者的效果进行了对比，堆叠柱状图能同时展示每年的总成绩和各个选手的贡献，而折线图能够显示每名选手的成绩变化趋势。通过本次实验，我学会了利用Python程序实现堆叠柱形图可视化，掌握了时间数据在大数据中的应用，并掌握了时间数据的可视化图表表示。