JSON的使用以及 绘图

"""
演示JSON数据和Python字典地相互转换
"""
import json

from pyecharts.options import TitleOpts, LegendOpts, TooltipOpts, VisualMapOpts

# 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":11},{"name":"李四","age":12},{"name":"王二","age":13}]
json_str=json.dumps(data,ensure_ascii=False)
print(json_str)
print(type(json_str))

# 准备字典，将字典转换为JSON
d={"name":"周杰伦","addr":"台北"}
json_str=json.dumps(d,ensure_ascii=False)
print(json_str)
print(type(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":"张三","age":11},{"name":"李四","age":12},{"name":"王二","age":13}]'
l=json.loads(s)
print(l)
print(type(l))

# 将JSON字符串转换为Python数据类型{k:v,k:v}

s='{"name":"周杰伦","addr":"台北"}'
d=json.loads(s)
print(d)
print(type(d))


"""
演示pyecharts的基础入门
"""

# 导包
from pyecharts.charts import Line
# 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轴数据
Line.add_yaxis("GDP",[30,20,10])


# 设置全局配置
Line.set_global_opts(
    title_opts=TitleOpts(title="GDP展示",pos_left="center",pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    tooltip_opts=TooltipOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)


# 通过render方法，将代码生成图像
Line.render()


"""
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(r"C:\Users\qpx\Desktop\资料\可视化案例数据\折线图数据\美国.txt","r",encoding="utf-8")
us_data=f_us.read() # 得到了美国的全部内容

f_jp=open(r"C:\Users\qpx\Desktop\资料\可视化案例数据\折线图数据\日本.txt","r",encoding="utf-8")
jp_data=f_jp.read() # 得到了日本的全部内容

f_in=open(r"C:\Users\qpx\Desktop\资料\可视化案例数据\折线图数据\印度.txt","r",encoding="utf-8")
in_data=f_in.read() # 得到了印度的全部内容

# 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"]

# 获取日期数据，用于X轴，取2020年（到314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314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() # 构建折线图对象

# 添加X轴数据
Line.add_xaxis(us_x_data)   # X轴是公用的，添加一份数据即可

# 添加Y轴数据
Line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False))
Line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False))
Line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))

# 设置全局选项
Line.set_global_opts(
    # 设置标题
    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()


"""
演示地图可视化的基本使用
"""
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",99),
    ("上海",199),
    ("湖南",299),
    ("台湾",399),
    ("广东",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=[
            {"mini":1,"max":9,"label":"1-9","color":"#CCFFFF"},
            {"mini":10,"max":99,"label":"1-9","color":"#FF6666"},
            {"mini":100,"max":500,"label":"1-9","color":"#990033"}
        ]
    )
)

# 绘图
map.render()

"""
演示全国疫情可视化地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *


# 读取数据文件
f=open(r"C:\Users\qpx\Desktop\资料\可视化案例数据\地图数据\疫情.txt","r",encoding="utf-8")
data=f.read()  # 全部数据

# 关闭文件
f.close()

# 取到各省数据
# 将字符串json转化为python的字典
data_dict=json.loads(data)     # 基础数据字典

# 从字典中取出省份的数据
province_data_list=data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list=[]
for province_data in province_data_list:
    province_name=province_data["name"]                # 省份名称
    province_confirm=province_data["total"]["confirm"]  # 确诊人数
    (province_name,province_confirm)
    data_list.append((province_name,province_confirm))

# 创建地图对象
map=Map()
# 添加数据
map.add("跟省份确诊人数",data_list,"china")
# 设置全局配置，定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,        # 是否显示
        is_piecewise=True,   # 是否分段
        pieces=[
            {"min":1, "max":99, "label":"1~99","color":"#CCFFFF"},
            {"min":100, "max":999, "label":"100~9999","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")

"""
演示河南省疫情地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件
f=open(r"C:\Users\qpx\Desktop\资料\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()

# 获取河南省数据
# json数据转换为python字典
data_dict=json.loads(data)

# 取到河南省数据
cities_data=data_dict["areaTree"][0]["children"][3]["children"]


# 准备数据为元组并放入list
data_list=[]
for city_data in cities_data:
    city_name=city_data["name"]+"市"
    city_confirm=city_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))

# 手动添加济源市
data_list.append(("济源市",5))

# 构建地图
map=Map()
map.add("河南省疫情分布",data_list,"河南")


# 设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,        # 是否显示
        is_piecewise=True,   # 是否分段
        pieces=[
            {"min":1, "max":99, "label":"1~99","color":"#CCFFFF"},
            {"min":100, "max":999, "label":"100~9999","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("河南省疫情地图.html")

"""
基础柱状图开发
"""
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轴数据
bar.add_xaxis(["中国","美国","英国"])

# 添加Y轴数据
# 设置数值标签在右侧
bar.add_yaxis("GDP",[30,20,10],label_opts=LabelOpts(position="right"))

# 反转X轴和Y轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")


"""
演示带有时间线的柱状图开发
"""
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

bar1=Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis("GDP",[30,30,20],label_opts=LabelOpts(position="right"))
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",[50,50,50],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",[70,60,60],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象
timeline=Timeline({"theme": ThemeType.LIGHT})

# 在时间线内添加柱状图对象
timeline.add(bar1,"点11")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

# 自动播放设置
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)
# 主题设置

# 绘图使用时间线对象绘图，而不是bar对象
timeline.render("基础时间线柱状图.html")


"""
扩展列表sort方法
在学习了将函数作为参数传递后，我们可以学习列表的sort方法来对列表进行自定义排序
"""

# 准备列表
my_list=[["a",33],["b",55],["c",11]]
# 排序，基于带命函数
def choose_sort_key(element):
    return element[1]

my_list.sort(key=choose_sort_key,reverse=True)
print(my_list)

# 排序，基于lambda匿名函数
my_list.sort(key=lambda element: element[1],reverse=True)

print(my_list)


"""
演示GDP动态柱状图开发
"""
from pyecharts.charts import Bar,Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取数据
f=open(r"C:\Users\qpx\Desktop\资料\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)

# 将数据转化为字典存储，格式为：
# {年份：[[国家，gdp]，[国家，gdp],......],年份：[[国家，gdp]，[国家，gdp],........]}

data_dict={}
for line in data_lines:
    year=int(line.split(",")[0])   # 年份
    country=line.split(",")[1]     # 国家
    gdp=float(line.split(",")[2])  # gdp数据
    # 如何判断字典里有没有指定的key呢？
    try:
        data_dict[year].append([country,gdp])
    except KeyError:
        data_dict[year]=[]
        data_dict[year].append([country,gdp])

# 创建时间线对象
timeline=Timeline({"theme": ThemeType.LIGHT})


# 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]
    x_data=[]
    y_data=[]
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1]/100000000)   # y轴添加gdp数据

    # 构建柱状图对象
    bar=Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)",y_data,label_opts=LabelOpts(position="right"))

    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图表的标题
    bar.set_global_opts(title_opts=TitleOpts(title=f"{year}年全球前8GDP数据"))

    timeline.add(bar,str(year))

# for循环每一年的数据，基于每一年的数据，创建每一年的bar对象
# 在for循环中，将每一年的bar对象添加到时间线中

# 设置时间线自动播放
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国家.html")