【深度学习入门】深度学习四板斧其一 -- Python入门学习笔记2

七、可视化图表

-JSON：#字典或者嵌套字典的列表
JSON本质上是一个带有特定格式的字符串，功能是一种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。

import json
#准备列表，列表内每个元素都是字典，将其转换为JSON
data = [{"name":"apple","price":5},{"name":"peach","price":2},{"name":"banana","price":6}]
json_str = json.dumps(data,ensure_ascii=False)
print(type(json_str))
print(json_str)
#输出：
# <class 'str'>
# [{"name": "apple", "price": 5}, {"name": "peach", "price": 2}, {"name": "banana", "price": 6}]

#准备字典，将字典转换为JSON
d = {"name":"apple","price":5}
json_str1 = json.dumps(d,ensure_ascii=False)
print(type(json_str1))
print(json_str1)
#输出：
# <class 'str'>
# {"name": "apple", "price": 5}

#将JSON字符串转换为Python数据类型
s = '[{"name": "apple", "price": 5}, {"name": "peach", "price": 2}, {"name": "banana", "price": 6}]'
l = json.loads(s)
print(type(l))
print(l)
#输出：
# <class 'list'>
# [{'name': 'apple', 'price': 5}, {'name': 'peach', 'price': 2}, {'name': 'banana', 'price': 6}]

#将JSON字符串转换为Python数据类型
s = '{"name": "apple", "price": 5}'
l = json.loads(s)
print(type(l))
print(l)
#输出：
# <class 'dict'>
# {'name': 'apple', 'price': 5}

-pyecharts模块：
用于制作数据可视化效果图。
官网：点击这里跳转
画廊：点击这里跳转
-基础折线图：

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轴的数据
line.add_xaxis(["苹果","橘子","香蕉"])
#给折线图对象添加y轴的数据
line.add_yaxis("价格",[2,3,5])
#设置全局配置项
line.set_global_opts(
    title_opts=TitleOpts(title="水果价格",
                         pos_left="center",
                         pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)
#生成图像
line.render()

-数据处理：
json格式化工具：点击跳转
-应用折线图：

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,ToolboxOpts,LabelOpts
#处理数据
f_us = open("美国.txt","r",encoding="UTF-8")
us_data = f_us.read()
f_jp = open("日本.txt","r",encoding="UTF-8")
jp_data = f_jp.read()
f_in = open("印度.txt","r",encoding="UTF-8")
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
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)
#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))
#设置全局配置项
line.set_global_opts(
    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%"),
    toolbox_opts=ToolboxOpts(is_show=True)
)
#生成图标
line.render()
#关闭文件
f_us.close()
f_jp.close()
f_in.close()

八、地图

-基础地图：

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts,ToolboxOpts
#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(
    toolbox_opts=ToolboxOpts(is_show=True),
    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 *
#读取数据文件
f = open("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的字典
data_dict = json.loads(data)
#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，并每个省的数据都封装入列表中
data_list = []
for province_data in province_data_list:
    province_name = province_data["name"] + "省"
    province_confirm = province_data["total"]["confirm"]
    data_list.append((province_name,province_confirm))
#准备地图对象
map = Map()
#添加数据
map.add("各省份确诊人数",data_list,"china")
#设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min":1,"max":99,"label":"1-9人","color":"#CCFFFF"},
            {"min":100,"max":999,"label":"100-999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"label":"1000-4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"label":"5000-9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"label":"10000-99999人","color":"#CC3333"},
            {"min":100000,"label":"100000+","color":"#990033"}
        ]
    )
)
#绘图
map.render()

-河南省疫情地图：

import json
from pyecharts.charts import Map
from pyecharts.options import *
#读取数据文件
f = open("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的字典
data_dict = json.loads(data)
#取到河南省数据
cities_data_list = data_dict["areaTree"][0]["children"][3]["children"]
#组装每个省份和确诊人数为元组，并每个省的数据都封装入列表中
data_list = []
for cities_data in cities_data_list:
    city_name = cities_data["name"] + "市"
    city_confirm = cities_data["total"]["confirm"]
    data_list.append((city_name,city_confirm))
#手动添加济源市的数据
data_list.append(("济源市",5))
#准备地图对象
map = Map()
#添加数据
map.add("河南省疫情分布",data_list,"河南")
#设置全局选项
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min":1,"max":99,"label":"1-9人","color":"#CCFFFF"},
            {"min":100,"max":999,"label":"100-999人","color":"#FFFF99"},
            {"min":1000,"max":4999,"label":"1000-4999人","color":"#FF9966"},
            {"min":5000,"max":9999,"label":"5000-9999人","color":"#FF6666"},
            {"min":10000,"max":99999,"label":"10000-99999人","color":"#CC3333"},
            {"min":100000,"label":"100000+","color":"#990033"}
        ]
    )
)
#绘图
map.render()

九、柱状图

-基础柱状图：

from pyecharts.charts import Bar
from pyecharts.options import LabelOpts,ToolboxOpts
#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 - 设置数值标签在右侧
bar.add_yaxis("GDP",[30,20,10],label_opts=LabelOpts(position="right"))
bar.set_global_opts(toolbox_opts=ToolboxOpts(is_show=True))
#反转x轴和y轴
bar.reversal_axis()
#绘图
bar.render()

-基础时间线柱状图：

from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts,ToolboxOpts
from pyecharts.globals import ThemeType
#使用Bar构建基础柱状图
bar1 = Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis("GDP",[30,20,10],label_opts=LabelOpts(position="right"))
bar1.set_global_opts(toolbox_opts=ToolboxOpts(is_show=True))
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",[50,50,20],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",[80,80,30],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()
#构建时间线对象 - 主题设置
timeline = Timeline({"theme":ThemeType.LIGHT})
#在时间线内添加柱状图对象
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,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)
#绘图
timeline.render()

-列表的sort方法：

my_list = [["a",33],["b",55],["c",11]]
#排序，基于带明函数
def choose_sort_key(element):
    return element[1]
my_list.sort(key=choose_sort_key,reverse=True)
print(my_list)
#输出：[['b', 55], ['a', 33], ['c', 11]]

#排序，基于lambda匿名函数
my_list.sort(key=lambda element:element[1],reverse=True)
print(my_list)
#输出：[['b', 55], ['a', 33], ['c', 11]]

-动态GDP柱状图绘制：

from pyecharts.charts import Bar,Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType
#读取数据
f = open("1960-2019全球GDP数据.csv","r",encoding="GB2312")
data_lines = f.readlines()
f.close()
#删除第一条数据
data_lines.pop(0)
#将数据转换为字典存储,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])
    country = line.split(",")[1]
    gdp = float(line.split(",")[2])
    #判断字典里面有没有指定key
    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
sort_year_list = sorted(data_dict.keys())
for year in sort_year_list:
    data_dict[year].sort(key = lambda element: element[1],reverse=True)
    #取出本年份前8名
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])
        y_data.append(country_gdp[1] / 100000000)
    #构建柱状图
    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"))
    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"),
        toolbox_opts=ToolboxOpts(is_show=True)
    )
    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中，将每一年的bar对象添加进时间线中

#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()