数据可视化入门篇----操作JSON格式数据并进行简单的可视化

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

‘’‘绘制收盘价折线图’‘’

x_label_rotation=20让x轴上的日期标签顺时针旋转20度 ； show_minor_x_labels=False告诉图形不用显示所有的x轴标签

line_chart = pygal.Line(x_label_rotation=20,show_minor_x_labels=False) #创建Line实例，进行一些设置

line_chart.title = ‘收盘价（￥）’

line_chart.x_labels = dates #设置x轴为日期，但是总共346个日期，如果都显示太拥挤，所以上面设置show_minor_x_labels=False

N = 20 #x轴坐标每隔20天显示一次

line_chart.x_labels_major = dates[::N]

line_chart.add(‘收盘价’,close)

line_chart.render_to_file(‘收盘价折线图（￥）.svg’)

从图可知：加个从2017年11月12日到2017年12月12日快速增长，平均每天增值约2500元人命币。

（5）时间序列特征初探：

**

进行时间序列分析总是期望发现趋势，周期性和噪声，从而能够描述事实，预测未来，做出决策！

从收盘价的折线图可以看出，总体趋势是非线性的，而且增长幅度不断增大，似乎呈指数分布。

但是在每个季度末（3月，6月，9月）似乎有一些相似的波动，虽然这些波动被增长的趋势掩盖了，不过也许有周期性。

为了验证周期性的假设，需要首先将非线性的趋势消除。

对数变换是常用的处理方法之一。

这里以10为底的对数函数math.log10计算收盘价，日期仍然保持不变。这种方式称为半对数变换！**

import json

import pygal

import math

#将数据加载到一个列表中

filename = ‘btc_close_2017.json’

with open(filename) as f:

btc_data = json.load(f)

#创建五个列表，分别存储日期和收盘价 将数据转换为绘制折线图的可用数据

dates = []

months = []

weeks = []

weekdays = []

close = []

#每一天的信息

for btc_dict in btc_data:

dates.append(btc_dict[‘date’])

months.append(int(btc_dict[‘month’]))

weeks.append(int(btc_dict[‘week’]))

weekdays.append(btc_dict[‘weekday’])

close.append(int(float(btc_dict[‘close’])))

‘’‘绘制收盘价对数变换折线图’‘’

line_chart = pygal.Line(x_label_rotation=20,show_minor_x_labels=False) #创建Line实例，进行一些设置

line_chart.title = ‘收盘价对数变换（￥）’

line_chart.x_labels = dates #设置x轴为日期，但是总共346个日期，如果都显示太拥挤，所以上面设置False

N = 20 #x轴坐标每隔20天显示一次

line_chart.x_labels_major = dates[::N]

close_log = [math.log10(_) for _ in close]

line_chart.add(‘log收盘价’,close_log)

line_chart.render_to_file(‘收盘价对数变换折线图（￥）.svg’)

‘’‘现在，用对数变换剔除非线性趋势之后，整体上涨的趋势更接近线性增长。’‘’

从图可知：收盘价在每个季度末似乎有显著的周期性----3月，6月和9月都出现了剧烈的波动。那么，12月是不是也是如此呢？下面看看收盘价的月日均值与周日均值的表现。

（6）收盘价均值：

绘制2017年前11个月的日均值，前49周（2017年-01-02~2017-12-10）的日均值，以及每周中各天的日均值。虽然这些日均值的数值不同，但都是一段时间的均值，计算方法一致。所以，将前面的绘图代码封装成函数：

from itertools import groupby # 由于需要将数据按月份，周数，周几分组，再计算每组的平均值，因此导入此模块

def draw_line(x_data, y_data, title, y_legend):

xy_map = []

for x, y in groupby(sorted(zip(x_data, y_data)), key=lambda _: _[0]): # 先将x轴与y轴的数据合并，排序，再用groupby分组

y_list = [v for _, v in y]

xy_map.append([x, sum(y_list) / len(y_list)]) # 分组之后，求出每组的平均值

x_unique, y_mean = [*zip(*xy_map)] # 将xy_map中存储的x轴与y轴的数据分离

line_chart = pygal.Line()

line_chart.title = title

line_chart.x_labels = x_unique

line_chart.add(y_legend, y_mean)

line_chart.render_to_file(title+‘.svg’)

return line_chart

①收盘价月日均值（取2017年1月到11的数据。通过dates查找2017-12-01的索引位置，确定周数和收盘价的取数范围）

from itertools import groupby # 由于需要将数据按月份，周数，周几分组，再计算每组的平均值，因此导入此模块

import json

import pygal

#将数据加载到一个列表中

filename = ‘btc_close_2017.json’

with open(filename) as f:

btc_data = json.load(f)

创建五个列表，分别存储日期和收盘价

dates = []

months = []

weeks = []

weekdays = []

close = []

for btc_dict in btc_data:

dates.append(btc_dict[‘date’])

months.append(int(btc_dict[‘month’]))

weeks.append(int(btc_dict[‘week’]))

weekdays.append(btc_dict[‘weekday’])

close.append(int(float(btc_dict[‘close’])))

def draw_line(x_data, y_data, title, y_legend):

xy_map = []

for x, y in groupby(sorted(zip(x_data, y_data)), key=lambda _: _[0]): # 先将x轴与y轴的数据合并，排序，再用groupby分组

y_list = [v for _, v in y]

xy_map.append([x, sum(y_list) / len(y_list)]) # 分组之后，求出每组的平均值

x_unique, y_mean = [*zip(*xy_map)] # 将xy_map中存储的x轴与y轴的数据分离

line_chart = pygal.Line()

line_chart.title = title

line_chart.x_labels = x_unique

line_chart.add(y_legend, y_mean)

line_chart.render_to_file(title+‘.svg’)

return line_chart

收盘价月日均值：

idx_month = dates.index(‘2017-12-01’)

line_chart_month = draw_line(months[:idx_month], close[:idx_month], ‘收盘价月日均值(￥)’, ‘月日均值’)

②绘制前49周的日均值（2017年的第一周从2017年1月2日开始，取数时将第一天去掉；2017年第49周周日是2017年12月10号，因此通过dates查找2017-12-11的索引位置！）

idx_week = dates.index(‘2017-12-11’)

line_chart_week = draw_line(months[1:idx_week], close[1:idx_week], ‘收盘价周日均值(￥)’, ‘周日均值’)

③绘制每周中各天的均值（取前49周[2017-01-02~2017-12-10]的数据）

由于这里的周几是字符串，按周一到周日的顺序排列，而不是单词首字母的顺序，绘图时x轴标签的顺序会有问题。另外，原来的周几都是英文单词，还可将其调整为中文。

idx_week = dates.index(‘2017-12-11’)

wd = [‘Monday’, ‘Tuesday’, ‘Wednesday’, ‘Thursday’, ‘Friday’, ‘Saturday’, ‘Sunday’]

将weekdays的内容替换为1~7的整数

weekdays_int = [wd.index(w) + 1 for w in weekdays[1:idx_week]]

line_chart_weekday = draw_line(weekdays_int, close[1:idx_week], ‘收盘价星期均值(￥)’, ‘星期均值’)

line_chart_weekday.x_labels = [‘周一’, ‘周二’, ‘周三’, ‘周四’, ‘周五’, ‘周六’, ‘周日’]

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56iL5bqP5aqb56eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-wQGOlcf9-1713253098259)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！