第一阶段-第十章 Python基础的综合案例（数据可视化-折线图可视化）

知乎云烟

已于 2023-07-16 17:42:54 修改

阅读量1.7k

点赞数

分类专栏： Python入门(黑马)的学习笔记文章标签： python 笔记 json

于 2023-07-16 17:24:24 首次发布

本文链接：https://blog.csdn.net/m0_60146935/article/details/131746664

版权

Python入门(黑马)的学习笔记专栏收录该内容

14 篇文章 17 订阅

订阅专栏

说明：该文章是学习 黑马程序员在B站上分享的视频 黑马程序员python教程，8天python从入门到精通而记录的笔记，笔记来源于本人。 若有侵权，请联系本人删除。笔记难免可能出现错误或笔误，若读者发现笔记有错误，欢迎在评论里批评指正。此笔记对应的doc文件的百度网盘下载链接为 Python入门(黑马)的学习笔记，提取码：1b3k。另外，本次笔记新加了 gif动图，使用免费的potplayer播放器可以控制gif的播放进度。
在这里插入图片描述

一、本章的案例介绍

1.可视化案例（本章）的学习目标

通过案例，回忆巩固Python基础的语法；锻炼编程能力，熟练语法的使用。

2.需要实现的效果图

在这里插入图片描述

3.数据来源

在这里插入图片描述

二、json数据格式

1.学习目标

知道什么是json；掌握如何使用json进行数据转化。

2.什么是json

在这里插入图片描述

3. json的作用

在这里插入图片描述

4.json的语法要求

从下图中可以看出，json的语法格式相当于由Python的字典或者内嵌字典的列表转换成的字符串。
在这里插入图片描述

5.Python数据和json数据的相互转化（dumps转json、loads转Python）

在这里插入图片描述

6.本节的代码演示

先打开软件，创建一个名为“10_ Python基础的综合案例”的文件夹，创建一个名为“01_json数据格式”的py文件。
在这里插入图片描述

编写代码并运行。代码如下，可参考注释进行理解。

"""
演示JSON数据和Python的相互转换
"""
import json  # 导入内置的json模块

# 准备列表，列表内每一个元素都是字典，将其转换为JS0N
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=False表示不用转换成ASCII码  如果为了节省空间，请不要写ensure_ascii=False
print(f"json_str的数据类型是：{type(json_str)}")
print(f"json_str的内容是：{json_str}")

# 准备字典，将字典转换为JSON
d = {"name": "周杰轮", "addr": "台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(f"json_str的数据类型是：{type(json_str)}")
print(f"json_str的内容是：{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(f"l的类型为：{type(l)}")
print(f"l的内容为：{l}")

# 将JSON字符串转换为Python数据类型{k:V,K:V}
s = '{"name": "周杰轮", "addr": "台北"}'
d = json.loads(s)
print(f"d的类型为：{type(d)}")
print(f"d的内容为：{d}")

在这里插入图片描述

7.本小节的总结

在这里插入图片描述

三、pyecharts模块介绍

1. pyecharts模块

在这里插入图片描述
Pyecharts的官方网站为：“pyecharts.org”，可以如下图一样操作，还可以将语言选择为中文。
请添加图片描述
Pyecharts还有一个画廊的网站：“https://gallery.pyecharts.org/”。如下图所示打开这个画廊网站，它是Pyecharts的画廊。为什么要去看它的画廊呢？因为Pyecharts是一个可视化的框架，主要功能就是产生各种各样的图表。在这样一个画廊网站里，就好比美术作品的展览会一样，我们可以在里面找到自己感兴趣的图表，然后查看它们的实现代码。利用这些代码，再更改一些数据，可以得到我们想要的图表。
请添加图片描述

2. 安装pyecharts模块

在这里插入图片描述
具体操作如下：首先，如下图，打开“命令提示符”。

然后如下图所示进行安装。

3.本小节的总结

在这里插入图片描述

四、pyecharts快速入门

1.学习目标

构建一个基础的折线图；使用全局配置项设置属性。

2. pyecharts入门（以折线图为例）

在这里插入图片描述

3. pyecharts的配置的简要介绍

在这里插入图片描述
全局配置就是针对我们整个图像来去进行设置，比如图像的标题、图像的图例、工具箱等。对于系列配置，就是针对具体的轴数据进行配置。

4. 全局配置（set_global_opts方法）

在这里插入图片描述
title_opts为标题的设置，legend_opts为图例的设置，toolbox_opts为工具箱的设置，用法见演示。

5.本节的代码演示

先打开软件，创建一个名为“02_pyecharts基础入门”的py文件。
在这里插入图片描述
编写代码,代码如下，可参考注释进行理解。然后如下图所示右键运行代码，然后就会产生文件render.html，点击打开该文件，然后再使用浏览器（本次用的是Edge）打开即可看到本次生成的折线图。

"""
演示pyecharts的基础入门
"""

# 导包
from pyecharts.charts import Line  # 用来构建折线对象
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts  # 导入标题、图例、工具箱、视觉映射的控制选项

# 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("非真实的GDP", [30, 20, 10])

# 设置全局配置项 - set_global_opts
line.set_global_opts(
    # TitleOpts用来控制标题   pos即位置position  pos_left="center"表示居中     pos_bottom="1%"表示距离底部1%的位置
    title_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),
    # LegendOpts用来图例
    legend_opts=LegendOpts(is_show=True),
    # ToolboxOpts用来控制工具箱
    toolbox_opts=ToolboxOpts(is_show=True),
    # VisualMapOpts用来控制视觉映射
    visualmap_opts=VisualMapOpts(is_show=True)

)

# 通过render方法，将代码生成为图像
line.render()

在这里插入图片描述
6.本小节的总结

五、数据处理以及创建折线图

1.学习目标

能够通过json模块对数据进行处理；通过pyecharts完成疫情折线图。

2.如何查看json文件的层级关系

如下两张图所示，文件“美国.txt”存储了一堆json格式的数据，第二张图是本次json数据的层次关系，至于如何查看json文件的层次关系，本条将给出详细的步骤。
注：加入黑马程序员的qq群可获得文件“美国.txt”，或者本人也会将文件上传到百度网盘，供大家一起学习使用。
在这里插入图片描述

如下图，首先打开存储json数据的文件“美国.txt”，然后将其中的json数据使用Ctr+C进行复制。然后再打开能解析json的网站（本人随便找了个，链接为：“https://c.runoob.com/front-end/53/”），之后将json数据粘贴进去，然后点击“格式化”，点击箭头“→”，就可以查看json数据的层次关系了。
在这里插入图片描述

3.本节的代码演示

如下图，在文件夹“10_Python基础的综合案例”处右键，创建一个名为“03_折线图开发”的py文件。
在这里插入图片描述
如下图，在编写代码时需去掉不符合json规范的内容。

在编写代码时还需要根据json文件的层次关系拿到相应的数据。如下图，先边编写代码边验证，得到“trend”的数据。

"""
演示可视化需求1：折线图开发
"""

import json

# 处理数据
f_us = open("D:/test/1-10-3/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()  # 美国的全部内容

# 去掉不合JS0N规范的开头
us_data = us_data.replace('jsonp_1629344292311_69436(', '')

# 去掉不合JS0N规范的结尾
us_data = us_data[:-2]

# JS0N转Python字典
us_dict = json.loads(us_data)
# print(type(us_dict))
# print(us_dict)

# 获取trend key
trend_data = us_dict['data'][0]['trend']
print(type(trend_data))
print(trend_data)

在这里插入图片描述
然后将得到的“trend”的数据重新放入json的解析网站中进行解析，由于这些数据有点不符合json的格式规范，于是重新换了个json解析网站（链接：“http://sjson.cn/”）。如下图所示，将鼠标放到“trend”的数据的开头，使用快捷键shift+END选中“trend”的数据（shift+END是选中一行的快捷键），再使用快捷键Ctr+C进行复制。然后打开json网站，把原有数据删除，再使用快捷键Ctr+V把数据粘贴进去，把数据粘贴进去，然后得到“trend”的数据的层次结构。
在这里插入图片描述
继续编写代码，如下图所示，需根据“trend”的数据的层次关系获取2020年的日期信息、确诊信息。

由于第一个画的是美国的疫情图，故将变量trend_data、x_data、y_data改成us_trend_data、us_x_data、us_y_data。之后，日本、印度的疫情数据可同理获得，代码类似。然后，继续编写完代码并右键运行，然后去查看文件render.html。

"""
演示可视化需求1：折线图开发
"""

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

# 处理数据
f_us = open("D:/test/1-10-3/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()  # 美国的全部内容

f_jp = open("D:/test/1-10-3/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()  # 日本的全部内容

f_in = open("D:/test/1-10-3/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read()  # 印度的全部内容

# 去掉不合JS0N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JS0N规范的结尾
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]

# JS0N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(根据数据信息需要取到314)
# - 解释： trend_data['updateDate']表示将字典中关键字为'updateDate'的数据取出来   切片[:314]是将前面313个数据取出来
us_x_data = us_trend_data['updateDate'][:314]  # 查看文档后取314
jp_x_data = jp_trend_data['updateDate'][:315]  # 查看文档后取315
in_x_data = in_trend_data['updateDate'][:269]  # 查看文档后取269
# print(x_data)

# 获取确认数据，用于y轴，取2020年(到314下标结束)
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:315]
in_y_data = in_trend_data['list'][0]['data'][:269]
# print(y_data)

# 生成图表
line = Line()  # 构建折线图对象
# 添X抽数据
line.add_xaxis(us_x_data)
line.add_xaxis(jp_x_data)
line.add_xaxis(in_x_data)
# 添心抽数据
line.add_yaxis("美国确诊人数", us_y_data,
               label_opts=LabelOpts(is_show=False))  # 添加美国的y轴数摇    label_opts=LabelOpts(is_show=False)：标签不显示数字
line.add_yaxis("日本确诊人数", jp_y_data,
               label_opts=LabelOpts(is_show=False))  # 添伽日本的y轴数据
line.add_yaxis("印度确诊人数", in_y_data,
               label_opts=LabelOpts(is_show=False))  # 添加印度的y轴数据

# 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()

在这里插入图片描述
注：本次演示存在一个问题，那就是美日印的数据的日期起点不一样，导致本次演示的2020年的x轴的数据个数不一样，所以最后的图还是存在一定的问题的。原视频默认美日印的数据的日期起点一样了，故把21年的部分数据也给取来了，这样就不存在本次个人遇到的问题。目前，个人因能力有限，暂时不会解决这个问题，欢迎大家提出自己的观点。
好了，本章的笔记到此结束，谢谢大家阅读。