Python使用pyecharts实现数据可视化

最新推荐文章于 2023-09-25 22:34:50 发布

金清泽

最新推荐文章于 2023-09-25 22:34:50 发布

阅读量734

点赞数

分类专栏： python 文章标签： python 信息可视化 echarts

本文链接：https://blog.csdn.net/m0_53752829/article/details/129845683

版权

python 专栏收录该内容

11 篇文章 0 订阅

订阅专栏

使用 Echarts 技术开发图表。

json 数据格式

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。

它的本质上是一个带有特定格式的字符串。

主要功能

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。

有什么用

各种编程语言存储数据的容器不尽相同，在Python中有字典dict 这样的数据类型，而其他语言可能没有对应的字典。为了让不同的语言都能够相互通用的互相传递数据，JSON就是一种非常良好的中转数据格式。

python 数据和 JSON 数据的相互转化

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":"张三","age":21},{"name":"李四","age":11},{"name":"王五","age":23}]
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
data = {"name":"张三","age":21}
json_str = json.dumps(data,ensure_ascii=False)
print(type(json_str))
print(json_str)

# 将JSON字符串转换为 python 数据类型（list)
str = '[{"name":"张三","age":21},{"name":"李四","age":11},{"name":"王五","age":23}]'
list = json.loads(str)
print(type(list))
print(list)

# 将JSON字符串转换为 python 数据类型{dict}
str = '{"name":"张三","age":21}'
dict = json.loads(str)
print(type(dict))
print(dict)

pyecharts

安装

pip install pyecharts

pyecharts 快速入门

# 导包
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轴数据
line.add_xaxis(["中国", "美国", "英国"])
# 给折线图对象添加y轴数据
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()

创建折线图

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts
# 处理数据
f_us = open("E:/Program Files (x86)/百度网盘下载/资料/资料/可视化案例数据/折线图数据/美国.txt","r",encoding="UTF-8")
f_jp = open("E:/Program Files (x86)/百度网盘下载/资料/资料/可视化案例数据/折线图数据/日本.txt","r",encoding="UTF-8")
f_in = open("E:/Program Files (x86)/百度网盘下载/资料/资料/可视化案例数据/折线图数据/印度.txt","r",encoding="UTF-8")
us_data = f_us.read()
jp_data = f_jp.read()
in_data = f_in.read()
# 去掉不合JSON规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(","")
in_data = in_data.replace("jsonp_1629350745930_63180(","")
# 去掉不合JSON规范的结尾
us_data = us_data[:-2]
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)
# 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']

# 获取日期格式，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]

# 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]

# 生成图表
line = Line()
# 添加x轴数据
line.add_xaxis(us_x_data)  # x轴是共用的

# 添加y轴数据
line.add_yaxis("美国确认人数",us_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("日人确认人数",jp_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确认人数",in_y_data,label_opts=LabelOpts(is_show=False))

# 设置全局选项
line.set_global_opts(
    title_opts=TitleOpts(title_textstyle_opts="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
f_us.close()
f_jp.close()
f_in.close()

创建地图

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
# 准备地图对象
map = Map()

# 准备数据
data = [
    ("北京市",99),
    ("上海市",199),
    ("湖南省",299),
    ("台湾省",399),
    ("广东省",499)
]

# 添加数据
map.add("测试地图",data,"china")


# 设置全局选项
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min":1,"max":9,"label":"1-9","color":"#CCFFFF"},
            {"min":10,"max":99,"label":"10-99","color":"#FF6666"},
            {"min":100,"max":500,"label":"100-500","color":"#990033"}
        ]
    )
)

# 绘图
map.render()

全国疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 读取数据文件
f = open("E:/Users/asus/Desktop/python/可视化案例数据/地图数据/疫情.txt","r",encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()
# 取到各省数据
# 将字符串json 转换为 python 字典
data_dict = json.loads(data)   # 基础数据字典
# 取出省份数据
province_data_list = data_dict["areaTree"][0]["children"]

# 组装每个身份和确诊人数为元组，并各个省的数据都封装到列表内
data_list = []
for province_data in province_data_list:
    province_name = province_data["name"]                 #省份名称
    province_confirm = province_data["total"]["confirm"]  # 确证人数
    data_list.append((province_name,province_confirm))
print(data_list)
# 创建地图对象
map = Map()

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

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

省份地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 读取数据文件
f = open("E:/Users/asus/Desktop/python/可视化案例数据/地图数据/疫情.txt","r",encoding="UTF-8")
data = f.read()

# 关闭文件
f.close()
# 取到各省数据
# 将字符串json 转换为 python 字典
data_dict = json.loads(data)   # 基础数据字典
# 取出省份数据
city_data_list = data_dict["areaTree"][0]["children"][3]["children"]

# 组装每个身份和确诊人数为元组，并各个省的数据都封装到列表内
data_list = []
for city_data in city_data_list:
    city_name = city_data["name"]+"市"             #城市名称
    city_confirm = city_data["total"]["confirm"]  # 确证人数
    data_list.append((city_name,city_confirm))
print(data_list)
# 手动添加济源市
data_list.append(("济源市",5))

# 创建地图对象
map = Map()

# 添加数据
map.add("河南省疫情分布",data_list,"河南")

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

基础柱状图

from pyecharts.charts import Bar
from pyecharts.options import LabelOpts

# 使用Bar构建基础柱状图
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()
#绘图
bar.render("基础柱状图.html")

时间线

主题选择

在这里插入图片描述

from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

# 使用Bar构建基础柱状图
bar1 = Bar()
# 添加x轴的数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴的数据
bar1.add_yaxis("GDP",[30,20,10],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2 = Bar()
# 添加x轴的数据
bar2.add_xaxis(["中国","美国","英国"])
# 添加y轴的数据
bar2.add_yaxis("GDP",[34,24,11],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar2.reversal_axis()

bar3 = Bar()
# 添加x轴的数据
bar3.add_xaxis(["中国","美国","英国"])
# 添加y轴的数据
bar3.add_yaxis("GDP",[60,25,15],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar3.reversal_axis()

# 构建时间线对象
timeline = Timeline({"theme":ThemeType.LIGHT})
# 在时间线内天剑柱状图对象
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，显示时间线
    is_auto_play=True,      # 是否自动播放
    is_loop_play=True       # 是否循环自动播放
)
# 绘图是使用时间线对象绘图，不能使用bar对象
timeline.render("时间线柱状图.html")

柱状图案例

from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts,TitleOpts
from pyecharts.globals import ThemeType
# 读取数据
f = open("E:/Users/asus/Desktop/python/可视化案例数据/动态柱状图数据/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
data_lines = f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储
data_dict = {}
timeline = Timeline({"theme":ThemeType.LIGHT})
for line in data_lines:
    year = int(line.split(",")[0])
    country = line.split(",")[1]
    gdp = float(line.split(",")[2])
    try:
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])
print(data_dict)

# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element: element[1], reverse=True)
    # 取出本年份前8名的国家
    year_data = data_dict[year][0:8]
    xdata = []
    ydata = []
    for country_gdp in year_data:
        xdata.append(country_gdp[0])
        ydata.append(country_gdp[1]/100000000)
    # 构建柱状图对象
    bar = Bar()
    xdata.reverse()
    ydata.reverse()
    bar.add_xaxis(xdata)
    bar.add_yaxis("GDP亿",ydata,label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前8GDP数据")
    )
    timeline.add(bar,str(year))

# 设置自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)
# 绘图
timeline.render("1960-2019全球GDP前8的国家.html")