14.小结-----近年各国GDP比较

最新推荐文章于 2022-08-03 09:23:08 发布
最新推荐文章于 2022-08-03 09:23:08 发布
阅读量865 收藏
点赞数
分类专栏： pyecharts 文章标签： python 可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46222433/article/details/119877579
版权

近年来中国及各国GDP变化

一．可视化数据来源

经各方面搜索，最终选择此数据来源
https://www.kylc.com/stats/global/yearly_per_country/g_gdp/chn.html
整理后数据如下

中国GDP 6.09, 7.55, 8.53, 9.57, 10.48, 11.06, 11.23, 12.31, 13.89, 14.28 
美国GDP 14.99, 15.544, 16.2, 16.78, 17.53, 18.22, 18.71, 19.52, 20.58, 21.43
日本GDP 5.7, 6.16, 6.2, 5.16, 4.85, 4.39, 4.92, 4.87, 4.95, 5.08
中国GDP在世界占比 9.2, 10.2, 11.3, 12.3, 13.1, 14.7, 14.7, 15.1, 16.0, 16.2
2019年各国GDP占比  中国 16.2， 韩国1.8， 印度3.2， 德国4.4， 日本5.7， 美国24.4，其他44.3
                   对应关系  "中国", "韩国", "印度", "德国", "日本", "其他国家"
                   			16.2, 1.8, 3.2, 4.4, 5.7, 44.3

二．代码及展示

（1.）生成json的代码如下

import pyecharts.options as opts
from pyecharts.charts import Pie,Bar, Grid, Line,Liquid,Page
from pyecharts.globals import SymbolType
#------------------------------------------------------------------------------------------------------------------
#------------------------------------------------------------------------------------------------------------------
##标题------------------------------------------------------------------------------------------------------------------
title=(Pie(init_opts=opts.InitOpts(bg_color="black"))

.set_global_opts(
    title_opts=opts.TitleOpts(title="中国近年人口数量，出生率自然增长率",                        
                                pos_top="middle",
                                pos_left="center",
                                title_textstyle_opts=opts.TextStyleOpts(color="red", font_size=40),))
      )

#------------------------------------------------------------------------------------------------------------------
#------------------------------------------------------------------------------------------------------------------
##饼图------------------------------------------------------------------------------------------------------------------
x_data = ["中国", "韩国", "印度", "德国", "日本", "其他国家"]
y_data = [16.2, 1.8, 3.2, 4.4, 5.7, 44.3]
a=Pie(init_opts=opts.InitOpts(width="1000px", height="900px"),)
a.add(
     series_name="访问来源",
     data_pair=[list(z) for z in zip(x_data, y_data)],
     radius=["30%", "60%"],
    # label_opts=opts.LabelOpts(is_show=False, position="center"),
 )
a.set_global_opts(title_opts=opts.TitleOpts(title="中国及世界各国GDP占比")
                  #,legend_opts=opts.LegendOpts(pos_left="legft", orient="vertical")#使标签竖着排列
                 )
a.set_series_opts(
     tooltip_opts=opts.TooltipOpts(
         trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"
     ),
      label_opts=opts.LabelOpts(formatter="{b}: {c}") #引导线及标签
 )
#a.render_notebook()

#------------------------------------------------------------------------------------------------------------------
#------------------------------------------------------------------------------------------------------------------
##水仙图------------------------------------------------------------------------------------------------------------------


c = (
    Liquid()
    .add("2019中国在世界占比", [0.16, 0.83], is_outline_show=False, shape=SymbolType.DIAMOND)
    .set_global_opts(title_opts=opts.TitleOpts(title="2019中国在世界占比"))
    #.render("水仙图.html")
)

#------------------------------------------------------------------------------------------------------------------
#------------------------------------------------------------------------------------------------------------------
##组合图------------------------------------------------------------------------------------------------------------------


bar = (
    Bar()
    .add_xaxis(["{}年".format(i) for i in range(2010, 2020)])
    .add_yaxis(
        "中国GDP",
        [6.09, 7.55, 8.53, 9.57, 10.48, 11.06, 11.23, 12.31, 13.89, 14.28],
        yaxis_index=0,
        color="#d14a61",
    )
    .add_yaxis(
        "美国GDP",
        [14.99, 15.544, 16.2, 16.78, 17.53, 18.22, 18.71, 19.52, 20.58, 21.43],
        yaxis_index=1,
        color="#5793f3",
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="中国GDP",
            type_="value",
            min_=0,
            max_=25,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} 万亿美元"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="占比",
            min_=0,
            max_=20,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        yaxis_opts=opts.AxisOpts(
            name="美国GDP",
            min_=0,
            max_=25,
            position="right",
            offset=80,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} 万亿美元"),
        ),
        title_opts=opts.TitleOpts(title="中国与美国、日本GDP比较"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="25%"),
    )
)

line = (
    Line()
    .add_xaxis(["{}年".format(i) for i in range(2010, 2020)])
    .add_yaxis(
        "中国占比",
        [9.2, 10.2, 11.3, 12.3, 13.1, 14.7, 14.7, 15.1, 16.0, 16.2],
        yaxis_index=2,
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
    )
)

bar1 = (
    Bar()
    .add_xaxis(["{}年".format(i) for i in range(2010, 2020)])
    .add_yaxis(
        "中国GDP 1",
        [6.09, 7.55, 8.53, 9.57, 10.48, 11.06, 11.23, 12.31, 13.89, 14.28],
        color="#d14a61",
        xaxis_index=1,
        yaxis_index=3,
    )
    .add_yaxis(
        "日本GDP",
        [5.7, 6.16, 6.2, 5.16, 4.85, 4.39, 4.92, 4.87, 4.95, 5.08],
        color="#5793f3",
        xaxis_index=1,
        yaxis_index=3,
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name="中国GDP",
            type_="value",
            min_=0,
            max_=16,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#d14a61")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} 万亿美元"),
        )
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value",
            name="占比",
            min_=0,
            max_=20,
            position="left",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#675bba")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} %"),
            splitline_opts=opts.SplitLineOpts(
                is_show=True, linestyle_opts=opts.LineStyleOpts(opacity=1)
            ),
        )
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(grid_index=1),
        yaxis_opts=opts.AxisOpts(
            name="日本GDP",
            min_=0,
            max_=15,
            position="right",
            offset=80,
            grid_index=1,
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color="#5793f3")
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} 万亿美元"),
        ),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
        legend_opts=opts.LegendOpts(pos_left="65%"),
    )
)

line1 = (
    Line()
    .add_xaxis(["{}年".format(i) for i in range(2010, 2020)])
    .add_yaxis(
        "中国占比",
        [9.2, 10.2, 11.3, 12.3, 13.1, 14.7, 14.7, 15.1, 16.0, 16.2],
        color="#675bba",
        label_opts=opts.LabelOpts(is_show=False),
        xaxis_index=1,
        yaxis_index=5,
    )
)

overlap_1 = bar.overlap(line)
overlap_2 = bar1.overlap(line1)

grid = (
    Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
    .add(
        overlap_1, grid_opts=opts.GridOpts(pos_right="58%"), is_control_axis_index=True
    )
    .add(overlap_2, grid_opts=opts.GridOpts(pos_left="58%"), is_control_axis_index=True)
  #  .render("组合图.html")
)

#------------------------------------------------------------------------------------------------------------------
#------------------------------------------------------------------------------------------------------------------
##网页------------------------------------------------------------------------------------------------------------------
page=Page(layout=Page.DraggablePageLayout)
page.add(title,a,c,grid,)
page.render("result.html")
#如果不想保存在默认地址中，可以直接写入想保存的地址，但是文件级别直接不可以写“\”,而应该写"\\"，列如
“C:\\Users\\lenovo\\Desktop\\可视化作业\\result.html”

（2.）将生成的网页打开，结果如下，是一张张自上而下排列的图，并不是理想结果
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

（3.）调整后结果如下
在这里插入图片描述
（4.）保存调整后的json
点击左上角的save
在这里插入图片描述

（5.）json转html【重新渲染html】

page.save_resize_html("result.html",cfg_file="C:\\Users\\lenovo\\Desktop\\可视化作业\\chart_config.json",dest="C:\\Users\\lenovo\\Desktop\\可视化作业\\re_result.html")
#cfg_file 后加  生成的json文件地址  
#dest 后加  最终生成的网页存放的地址
#json转html---重新渲染html

（6.）此时将生成的网页打开，结果如下
请添加图片描述
（7.）为什么要保存json重新渲染
如果不这样做，刷新网页后又会恢复调整前的状态，重新渲染后，再次生成的网页打开即为想要的效果

三．可视化分析

根据作图结果分析，中国GDP日益提升，与日本相比较高，但还是没有超出美国，还有提升的空间，随着我国国际地位及经济、政治各方面的变化，我国GDP预测会持续变好！

辣椒酱.
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
gdp_json.json
07-13
本文件为各国GDP数据的 JSON 文件，供使用者练习 JSON 文件数据的处理和分析。
世界各国GDP数据（世界银行）
05-13
此文件为世界银行统计的世界各国的国民生产总值GDP数据资料，含1960年至2017年。
9.4 Python读取各国GDP数据的json文件并用Pygal绘图
wk的博客
07-13 2410
4、读取各国GDP数据的json文件并用Pygal绘图 各国 GDP 数据的 json 文件下载 步骤： 读取 json 数据 json 模块包含了将 json 字符串恢复成 Python 对象函数，也提供了将 Python 对象转换成 JSON 字符串的函数 json 模块的 load() 函数加载 json 数据后，读取指定字典中 key 对应的 value 使用 Pygal 绘图 ...
各国GDP动态图-Pyecharts实现
m0_55099488的博客
04-25 1865
各国GDP动态图-Pyecharts实现 强国史诗！1960-2021年各个国家GDP变化：一同见证中国崛起！ 中国——可能是最具传奇色彩的国家。持久的鼎盛、百年屈辱史、或是近现代的复兴之路，无一不令人注目。如果这个世界所有文明之中有一个“主角”的存在，那么我心中的主角，就是中国！ 数据来源聚会数据https://gdp.gotohui.com/word 文章目录各国GDP动态图-Pyecharts实现数据准备一、导包二、分析实现过程1.先做一个bar2.for循环实现所有年分析结论与总结 数据准备 df
14.小结-----饼图
阿古朵
08-23 65
import pyecharts.options as opts from pyecharts.charts import Pie x_data = ["中国", "韩国", "印度", "德国", "日本", "其他国家"] y_data = [16.2, 1.8, 3.2, 4.4, 5.7, 44.3] ( Pie(init_opts=opts.InitOpts(width="1000px", height="900px")) .add( series_name="
五分钟商学院(基础---商业篇)
最新发布
m0_57105290的博客
08-03 1万+
五分钟商学院的学习笔记
1960-2020各国GDP数据.csv
05-13
python爬虫获取的GDP数据。
世界各国和地区名称代码GBT-2659-2000.xls
04-29
全球两百多国家及地区的数据包含：中文简称 英文简称 两字符代码 三字符代码 数字代码 中文和英文全称
3月14日全球covid-shp文件.rar
03-22
标题中的“3月14日全球covid-shp文件.rar”指的是一个压缩文件，其中包含了与2020年3月14日全球COVID-19疫情相关的数据。这种数据通常用于地理信息系统（GIS）中，以便进行疫情的可视化和分析。其中，“covid-shp”...
10.柱状图-----人口普查各地区人口排行榜
阿古朵
07-18 1847
第七次全国人口普查各地区人口排行榜
10.pyecharts柱状图-----班级各地区男女所占人数
阿古朵
07-18 959
from pyecharts import options as opts from pyecharts.charts import Bar x=['长治','朔州','运城','晋城','晋中'] y1=[8,6,5,25,4] y2=[6,1,3,19,3] y3=[2,5,2,6,1] bar = ( Bar() .add_xaxis(x) .add_yaxis("总人数", y1) .add_yaxis("男生", y2) .add_yaxis("女生", .
9.Pyecharts折线图
阿古朵
07-11 698
#普通 import pyecharts.options as opts from pyecharts.charts import Line low=[-1,0,-2,0,-1,0,3] height=[12,14,16,16,18,17,18] lab=["周一","周二","周三","周四","周五","周六","周日"] line=Line()#生成line类型图标、 line.add_xaxis(lab)#添加x轴 line.add_yaxis("低温",low) #添加y轴数据 line.ad
2.折线图-----一周内步数展示
阿古朵
07-04 302
#1.导包 import matplotlib.pyplot as plt plt.rcParams[‘font.sans-serif’]=[‘SimHei’]#正确展示中文 plt.rcParams[‘axes.unicode_minus’]=False#正确显示负号 #2.创建画布 plt.figure() #3.绘图 low = [-1,0,-2,0,-1,0,3] high = [12,14,16,16,18,17,18] plt.plot(low,marker=“s”)#marker设置数据标记
9.pyecharts折线图-----实例
阿古朵
07-18 295
import pyecharts.options as opts from pyecharts.charts import Line low = [4000,5000,6000,5500,3000,4500] line = Line() line.add_xaxis(lab) line.add_yaxis("步数",low, markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_='min',name
6.雷达图-----一张画布展示多个英雄
阿古朵
07-11 230
#雷达图 #在一个画布中显示几个雷达图 import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=["SimHei"] def make_spider(order,data,title,color): N=len(categories) angles=np.linspace(0,2*np.pi,N,endpoint=False)#将圆根据标签的个数等比分 angl..
3.直方图-----跳绳
阿古朵
07-11 131
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 #创建画布 plt.figure() #准备数据，绘图 data=[50,112,95,151,174,111,150,179,139,161,143,101,176,160,137,138,149,190,180,71,136,97,141,110,132,156,118,121,194,135,144,92,84,55,120,128,1.
12.仪表盘-----仪表图
阿古朵
07-18 127
销售指标完成率
IEC 60950-1 2013标准：IT产品欧盟CE认证指南
这个标准是IEC制定的一系列国际标准之一，旨在促进各国在电气和电子领域标准化的合作。IEC由各国的国家电工委员会组成，并与其他国际组织如ISO密切合作，共同制定和更新这些标准。 2013年版的IEC 60950-1是该标准的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

辣椒酱.

感谢支持，我会继续努力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值