Python 数据处理可视化(阶段三)

已于 2023-04-02 10:14:33 修改
阅读量297 收藏 4
点赞数 3
分类专栏： Python基础 文章标签： python json 开发语言
于 2023-03-04 11:12:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46065185/article/details/129320059
版权

一，JSON数据格式

1.定义：![JSON是一种取代XML的**数据结构**,和xml相比,它更小巧但描述能力却不差,由于它的小巧所以网络传输
2. 格式：
{} 双括号表示对象（python中的字典） {“name”: “Michael”}
[] 中括号表示数组（python中的列表）[{“name”: “Michael”},{“name”: “Jerry”}]
3. 主要功能:json是在各种编程语言中流通的格式，负责不同的编程语言中数据传递和交互，类似于：国际通用语言：英语 ，中国的 普通话
4. 格式转换实例图：在这里插入图片描述
5. python与JSON数据格式转换
（1）调用JSON模块中的dumps()方法转换为JSON类型在这里插入图片描述
在这里插入图片描述
（2）调用JSON模块中的loads()方法转换为Python数据类型在这里插入图片描述

# 导入json模块
import json
# 准备符合格式json格式要求的python数据列表
data = [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]#列表
data2={"name":"张三","age":23}#字典
print("测试定义的data数据类型",type(data))
print("测试定义的data2数据类型",type(data2))
# 通过 json.dumps(data) 方法把python数据转化为了 json数据
data = json.dumps(data)
data2 = json.dumps(data2)
print("测试转换后的data数据类型",type(data))
print("测试转换后的data2数据类型",type(data2))
# 通过 json.loads(data) 方法把json数据转化为了 python数据
data = json.loads(data)
data2 = json.loads(data2)
print(type(data))
print(type(data2))

在这里插入图片描述
在这里插入图片描述
结果：在这里插入图片描述

二，pyecharts模块介绍与安装

  1. 模块介绍：Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
  2. 第三方包安装：在Pycharm终端输入命令： pip(3) install pyecharts
  3. 其拥有一个画廊网站画廊地址，各种图形实例展示。

三，pyecharts入门

  1. 创建折线图，运行后目录中出现html文件，用浏览器运行即可。
#导入包构建折线图对象
from pyecharts.charts import Line
#print(pyecharts.__version__)#查看版本
#from pyecharts import options as opts
#2.得到折线图对象,建立空的二维坐标系
line=Line()
#3.添加X,Y轴坐标
line.add_xaxis(["中国","美国","英国"])
line.add_yaxis("GDP",[100,20,50])
#4画出折线图
line.render()

在这里插入图片描述
在这里插入图片描述
5. 全局配置选项，通过set_global_opts()方法配置。属于通用配置，不管是折线图，柱状图都可以用来设置：标题配置项，图例配置项…
在这里插入图片描述
3.line.set_global_opts()方法参数选择使用：
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

#导入包构建折线图对象
from pyecharts.charts import Line
#print(pyecharts.__version__)#查看版本
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts
#2.得到折线图对象,建立空的二维坐标系
line=Line()
#3.添加X,Y轴坐标
line.add_xaxis(["中国","美国","英国"])
line.add_yaxis("GDP",[100,20,50])
#设置全局配置项,set_global_opts()方法的参数很多，选择使用
line.set_global_opts(
    title_opts=TitleOpts(title="GDP展示",pos_left="10%"),
    #设置图例选项
    legend_opts=LegendOpts(is_show=True),
    # 设置工具箱选项
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)


#4画出折线图
line.render()

在这里插入图片描述

四，数据处理，创建折线图

  1. 美国疫情状况数据：
    在这里插入图片描述

  2. （1）选取正确的Json 格式内容到Json数据查看网站，查看数据试图
    在这里插入图片描述
    （2）使用DevToys软件查看：微软商城下载
    在这里插入图片描述

  3. 用Python语言根据试图分级情况选取相应数据：

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

#1.打开读取，读取文件数据
file1_data=open("F:\Python学习资料\资料\可视化案例数据\折线图数据/美国.txt","r",encoding="UTF-8")
US_data=file1_data.read()

file2_data=open("F:\Python学习资料\资料\可视化案例数据\折线图数据/日本.txt","r",encoding="UTF-8")
JP_data=file2_data.read()

file3_data=open("F:\Python学习资料\资料\可视化案例数据\折线图数据/印度.txt","r",encoding="UTF-8")
In_data=file3_data.read()
#2.数据清理整洁,去掉不规范开头
US_data=US_data.replace("jsonp_1629344292311_69436(","")
JP_data=JP_data.replace("jsonp_1629350871167_29498(","")
In_data=In_data.replace("jsonp_1629350745930_63180(","")
#3.去掉不规范结尾得到规范的JSON格式数据
US_data=US_data[:-2]#取到倒数第二个 ，但不包含倒数第二位
JP_data=JP_data[:-2]#取到倒数第二个 ，但不包含倒数第二位
In_data=In_data[:-2]#取到倒数第二个 ，但不包含倒数第二位
#4.导包JSON,并使用方法转换为Python字典
us_data=json.loads(US_data)
jp_data=json.loads(JP_data)
in_data=json.loads(In_data)
# print(us_data)
# print(jp_data)
# print(in_data)
#5.获取到需要的数据
us_trend_data=us_data['data'][0]['trend']
jp_trend_data=jp_data['data'][0]['trend']
in_trend_data=in_data['data'][0]['trend']
#6.获取日期数据，用于X轴，取2020年，下标到314
Us_X_data=us_trend_data['updateDate'][:314]
JP_X_data=jp_trend_data['updateDate'][:314]
In_X_data=in_trend_data['updateDate'][:314]
#7.Y轴数据，拿到确诊数据
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]
#8.构建图表,导包
line=Line()#构建折线图对象
line.add_xaxis(Us_X_data)#x轴数据共用且一样所以只需要添加一个国家的数据
line.add_yaxis("美国确诊人数",Us_Y_data,label_opts=LabelOpts(is_show=False))#label_opts=LabelOpts(is_show=False)设置在县上个点处不显示数据
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(
    title_opts=TitleOpts(title= "2020年三国确诊折线图",pos_left='center',pos_bottom='1%')



)
#生成图表
line.render()
#9关闭文件
file1_data.close()
file2_data.close()
file3_data.close()

在这里插入图片描述

五，地图可视化

5.1基础地图使用

  1. 简单地图生成测试
#导包
from pyecharts.charts import Map
#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")
#绘图
map.render()

在这里插入图片描述

  1. set_global_opts设置属性
#导包
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",567),("上海市",1199),("湖南省",59),("台湾省",11150),("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,#允许手动设置校准范围，空置颜色深度等
        pieces=[
            {"min":1,"max":9,"lable":"1-9人","color":"#CCFFFF"},
            {"min":10,"max":99,"lable":"10-99人","color":"#FFFF99"},
            {"min":100,"max":499,"lable":"100-499人","color":"#FF996"},
            {"min":500,"max":999,"lable":"500-999人","color":"#FF6666"},
            {"min":1000,"max":9999,"lable":"1000-9999人","color":"#CC3333"},
            {"min":10000,"lable":"10000以上","color":"#990033"},

        ]
    )
)
#绘图
map.render()

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.2国内疫情地图

  1. 通过网站中数据格式化查看数据层级关系，以便取得需要的数据。
    在这里插入图片描述
"""
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("F:\Python学习资料\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转换为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 = []      # 绘图需要用的数据列表
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
    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, "lable": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "lable": "100~9999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "lable": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "lable": "5000~99999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "lable": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "lable": "100000+", "color": "#990033"},
        ]
    )
)
# 绘图
map.render("全国疫情地图.html")

在这里插入图片描述

六，柱状图

6.1基础柱状图

  1. 竖着表示的柱状图
from pyecharts.charts import Bar
#创建对象
bar=Bar()
#添加数据
bar.add_xaxis(["中国","美国","英国"])
bar.add_yaxis("GDP",[120,30,40])
#绘图
bar.render("基础柱状图.html")

在这里插入图片描述
2. 横着表示的柱状图（反转轴）调用reversal_axis()方法

from pyecharts.charts import Bar
#创建对象
bar=Bar()
#添加数据
bar.add_xaxis(["中国","美国","英国"])
bar.add_yaxis("GDP",[120,30,40])
#反转柱状图轴
bar.reversal_axis()
#绘图
bar.render("基础柱状图.html")

在这里插入图片描述
3. 修改标签数字位置

label_opts
在这里插入图片描述

6.2基础时间线柱状图绘制

  1. 时间线Timeline()，为了实现柱状图动态描述数据变化，在时间线上不同点给出不同的柱状图，时间线运行时柱状图形成动态变化。
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts

bar1=Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis("GDP",[30,20,10],label_opts=LabelOpts(position="right"))#将数字靠右显示
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",[60,40,30],label_opts=LabelOpts(position="right"))#将数字靠右显示
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",[90,60,50],label_opts=LabelOpts(position="right"))#将数字靠右显示
bar3.reversal_axis()

time_line=Timeline()
time_line.add(bar1,"点1")
time_line.add(bar2,"点2")
time_line.add(bar3,"点3")

#自动播放设置
time_line.add_schema(
    play_interval=1000,#自动播放时间间隔，毫秒
    is_timeline_show=True,#是否显示自动播放 的时候时间线
    is_auto_play=True,#是否自动播放
    is_loop_play=True#是否循环播放
)
"""
注意：此时绘图不在用Bar对象绘图，因为有多个Bar对象，用时间线对象绘图time_line，里面包含三个Bar对象
"""
time_line.render("基础时间线柱状图")

在这里插入图片描述

  1. 自动播放设置
#自动播放设置
time_line.add_schema(
    play_interval=1000,#自动播放时间间隔，毫秒
    is_timeline_show=True,#是否显示自动播放 的时候时间线
    is_auto_play=True,#是否自动播放
    is_loop_play=True#是否循环播放
)
  1. 主题设置
    在这里插入图片描述
    在这里插入图片描述
    主题类型：
    在这里插入图片描述

6.3GDP动态柱状图绘制

  1. 列表Sort方法
    在这里插入图片描述
    在这里插入图片描述
    结果：
    在这里插入图片描述
    在这里插入图片描述
    Lambda定义匿名函数：
    在这里插入图片描述
    在这里插入图片描述
泰勒今天想展开
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
Python数据可视化工具matplotlib的学习笔记（五）-JSON文件
YUSHU-的博客
03-29 1375
（2020.03.28） JSON 是一种轻量级的数据交换格式，采用完全独立于编程语言的文本格式来存储和表示数据。 打印JSON文件信息 import json #将数据加载到一个列表中 filename = 'population_data.json' with open(filename) as f: pop_data = json.load(f) #打印每个国家2010年的人...
python数据可视化处理
hknzh的博客
02-13 547
import matplotlib.pyplot as plt %matplotlib inline plt.rcParams[“font.sans-serif”]=‘SimHei’ plt.rcParams[‘axes.unicode_minus’]=False %cofig InlineBackend.figure_format=‘svg’ fig=plt.figure(figsize=(8,...
Python数据可视化（处理天气数据）
热门推荐
虎口脱险的博客
03-26 1万+
Python数据可视化（处理天气数据） 从csv文件中导入数据。 import csv with open('sitka_weather_07-2014.csv', 'r') as f: reader = csv.reader(f) for row in reader: print(row) ['AKDT', 'Max TemperatureF', 'Mean ...
Python高级数据处理与可视化
huangjx36的博客
07-19 1908
Python高级数据处理与可视化
4种快速易用的Python数据可视化方法
weixin_38754337的博客
10-18 167
热力图、二维密度图、蜘蛛网图和树状图，这些可视化方法你都用过吗？数据可视化是数据科学或机器学习项目中十分重要的一环。通常，你需要在项目初期进行探索性的数据分析（EDA），从而对数据有一定的了解，而且创建可视化确实可以使分析的任务更清晰、更容易理解，特别是对于大规模的高维数据集。在项目接近尾声时，以一种清晰、简洁而引人注目的方式展示最终结果也是非常重要的，让你的受众（通常是非技术人员的客户）能够理解...
python商品销售数据分析可视化系统
02-07
其次，数据处理阶段通常涉及到数据清洗和预处理。Python的pandas库是这一环节的核心，它提供了强大的数据结构DataFrame，方便进行数据的读取、操作和分析。可能用到的函数包括去除重复值、填充缺失值、转换数据类型...
基于python的NBA球员数据可视化分析
04-07
在本项目"基于python的NBA球员数据可视化分析"中，我们主要探讨了如何使用Python这一强大且广泛使用的编程语言来获取、处理和可视化NBA球员的数据。该项目分为几个关键阶段，包括数据爬取、数据预处理、数据分析以及...
Python数据分析可视化源码实例
最新发布
10-07
本资源包含了一系列的源码实例，旨在帮助学习者深入理解如何利用Python进行数据处理、分析及可视化。 在Python中，最常用的数据分析库是Pandas。Pandas提供了DataFrame对象，它是一种二维表格型数据结构，具有行和...
python数据分析可视化-期末大作业-从获取到实现
07-05
本篇期末大作业聚焦于利用Python进行有声读物数据的可视化分析，主要涉及的知识点包括数据获取、数据处理以及数据可视化。 首先，我们从数据获取阶段开始。作者提到了使用“八爪鱼采集器”来抓取喜马拉雅官网上的...
强烈推荐一个Python可视化模块，简单又好用！
cainiao_python的博客
04-20 157
超级无敌干货，第一时间送达！！！数据可视化动画还在用Excel做？现在一个简单的Python包就能分分钟搞定！而且生成的动画也足够丝滑，效果是酱紫的：这是一位专攻Python语言的程序员开发的安装包，名叫Pynimate。目前可以直接通过PyPI安装使用。使用指南想要使用Pynimate，直接import一下就行。importpynimateasnim输入数据后，Pynimate将使用函数B...
Python、Json和Seaborn可视化展示电影实体（源码）
02-13
前文介绍了Python3抓取电影实体知识，这篇文章主要讲解Python+Seaborn可视化展示电影信息，它首先需要通过文件读取获取JSON所需数据，再绘制相关图形。这是一系列基础性文章，希望对您有所帮助 ，尤其是对知识图谱感兴趣和编程刚入门的同学。同时也因为最近准备博士考试，做题做吐了，写点新东西调节下心情，与君共勉，一起加油。 --------------------- 作者：Eastmount 来源：CSDN 原文：https://blog.csdn.net/Eastmount/article/details/86739154 版权声明：本文为博主原创文章，转载请附上博文链接！
python制作北京市900个交通电子眼分布地图
04-21
python制作北京市900个交通电子眼分布地图
Python-JSON文件读取并可视化（json，pandas，plotly）
qq_41955225的博客
02-26 5560
说明 （1）JSON文件读取使用json模块all_eq_data = json.load(f) 写入使用：json.dump(all_eq_data,f,indent=4) （2）数据封装使用pandas （3）绘图使用plotly.express JSON文件： 1 JSON文件读取 代码： import json filename="eq_data_1_day_m1.json" with open(filename) as f: # 以字典的形式存储到all_eq_.
Python可视化学习——使用JSON进行数据转换、pyecharts模块调用以及可视化案例的介绍（可视化案例数据暂无），柱状图及动态柱状图的构建
Williamtym的博客
04-29 4075
Python可视化学习——使用JSON进行数据转换、pyecharts模块调用以及可视化案例的介绍（可视化案例数据暂无），柱状图及动态柱状图的构建
python基础知识二——json、数据可视化
qq_45452617的博客
09-30 2138
json，Echarts。自己的学习笔记。。。
python3 可视化COCO格式json文件目标检测矩形框
SanJin_Young的博客
02-06 2988
import json import cv2 import os # json文件路径 path = r"complex_train.json" file = open(path, "r", encoding='utf-8') fileJson = json.load(file) field = fileJson["annotations"] # 图片路径 ori_pic = 'D:\Baid...
python读取json文件制作中国人口地图_Python对JSON文件世界人口数据进行可视化
weixin_42347535的博客
02-21 1288
制作世界人口地图，用json模块来处理，将人口数据进行可视化！！！下载JSON格式的人口数据，下面附上完整的，在网站中https://datahub.io/下载的数据集的详细过程！！！1、下载世界人口数据附上网站超链接：https://datahub.io/网站是纯英文版的(不慌详细流程见下方！)1、进入界面后在搜索框中输入World population data(即世界人口数据)，点击Sear...
Python 中 JSON 的使用
weixin_38256051的博客
06-12 337
Python 中如何使用 JSON，以及如何转换成 JSON 字符串
python json格式化输出_Python 格式化打印json数据方法(展开状态)
weixin_39858124的博客
12-04 619
目的：Python 格式化打印json数据方法(展开状态)环境：系统：Win10 x64环境：PycharmPython 3.7.0问题分析：Python下json手法的json在打印查看时，括号和数据都没有展开，查看起来比较困难。解决方案：使用json.dumps的separators设置，将数据展开格式化打印。解决步骤：data = json.dumps(data, sort_keys=Tru...
Python爬取与可视化分析中国天气数据教程
"本文介绍了如何使用Python爬虫技术从中国天气网获取惠州的历史天气数据，并进行可视化分析。通过导入numpy、pandas、requests、BeautifulSoup和matplotlib等库，实现了数据抓取、处理和可视化的过程。" 在Python...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

泰勒今天想展开

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值