ECharts实现简单地图饼图和柱状图

不知迷踪

已于 2024-01-26 16:58:45 修改

阅读量1.1k

点赞数 10

分类专栏： SSM 文章标签： echarts 信息可视化前端 python java

于 2024-01-20 14:02:52 首次发布

本文链接：https://blog.csdn.net/weixin_59798969/article/details/135714816

版权

SSM 专栏收录该内容

9 篇文章 6 订阅

订阅专栏

1.JAVA

1.饼图

前端使用vue，后端使用SpringBoot

<template>
  <div>
    <div class="card" style="padding: 15px">
      数据可视化分析：图书类型销量
    </div>

    <div style="display: flex; margin: 10px 0">
      <div style="display: flex; margin: 10px 0">
        <div style="width: 1200px;height: 600px;" class="card" id="goodsPie"></div>
      </div>
    </div>

  </div>
</template>

<script>
import * as echarts from "echarts";

let pieGoodsOptions = {
  title: {
    text: '', // 主标题
    subtext: '', // 副标题
    left: 'center'
  },
  tooltip: {
    trigger: 'item',
    formatter: '{a} <br/>{b} : {c} ({d}%)'
  },
  legend: {
    top: '8%',
    type: 'scroll',
    orient: 'vertical',
    left: 'left',
    pageIconColor: 'red', // 激活的分页按钮颜色
    pageIconInactiveColor: 'yellow', // 没激活的分页按钮颜色
  },
  series: [
    {
      name: '', // 鼠标移上去显示内容
      type: 'pie',
      radius: '50%',
      center: ['50%', '60%'],
      data: [
        {value: 0, name: ''}, // 示例数据：name表示维度，value表示对应的值
      ]
    }
  ]
}

export default {
  name: "Visualization",
  data() {
    return {
      
    }
  },
  created() {
    this.loadGoodsPie();
  },
  methods: {
    loadGoodsPie(){
      this.$request.get('/goods/getPie').then(res => {
        if (res.code === '200') {
          let chartDom = document.getElementById('goodsPie');
          let myChart = echarts.init(chartDom);
          pieGoodsOptions.title.text = res.data.text
          pieGoodsOptions.title.subtext = res.data.subText
          pieGoodsOptions.series[0].name = res.data.name
          pieGoodsOptions.series[0].data = res.data.data
          myChart.setOption(pieGoodsOptions);
        } else {
          this.$message.error(res.msg)
        }
      })
    },
  }
}
</script>

/**
 * 渲染图书类型销量饼状图
 */
@GetMapping("/getPie")
public Result getPie() {
    Map<String, Object> resultMap = new HashMap<>();
    List<Map<String, Object>> list = new ArrayList<>();

    // 获得商品分类名称为key，该分类销量为value的map
    List<Goods> goodsList = goodsService.selectAll(new Goods());
    Map<String, Integer> collect = goodsList.stream().filter(x -> ObjectUtil.isNotEmpty(x.getTypeId()))
            .collect(Collectors.groupingBy(Goods::getTypeName, Collectors.reducing(0, Goods::getCount, Integer::sum)));

    for (String key : collect.keySet()) {
        Map<String, Object> map = new HashMap<>();
        map.put("name", key);
        map.put("value", collect.get(key));
        list.add(map);
    }

    resultMap.put("text", "图书类型销售量统计饼图");
    resultMap.put("subText", "统计维度：图书类型");
    resultMap.put("name", "占比数据");
    resultMap.put("data", list);

    return Result.success(resultMap);
}

1.柱状图

前端使用vue，后端使用SpringBoot

<template>
  <div>
    <div class="card" style="padding: 15px">
      数据可视化分析：店铺销量
    </div>

    <div style="display: flex; margin: 10px 0">

      <!-- 后台主页左上部分：公告 -->
      <div style="display: flex; margin: 10px 0">
        <div style="width: 600px;height: 600px;" class="card" id="businessBar"></div>
      </div>

    </div>

  </div>
</template>

<script>
import * as echarts from "echarts";

let barBusinessOptions = {
  title: {
    text: '', // 主标题
    subtext: '', // 副标题
    left: 'center'
  },
  xAxis: {
    axisLabel:{
      interval: 0,
      //rotate:30,
      formatter: function (name) {
        return (name.length > 8 ? (name.slice(0,8)+"...") : name );
      },
    },
    type: 'category',
    data: ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'] // 示例数据：统计的维度（横坐标）
  },
  yAxis: {
    type: 'value'
  },
  tooltip: {
    trigger: 'item'
  },
  series: [
    {
      data: [120, 200, 150, 80, 70, 110, 130], // 示例数据：横坐标维度对应的值（纵坐标）
      type: 'bar',
      itemStyle: {
        normal: {
          color:function(){return "#"+Math.floor(Math.random()*(256*256*256-1)).toString(16);}
        },
      },
    }
  ]
}

export default {
  name: "Visualization2",
  data() {
    return {
      
    }
  },
  created() {
    this.loadBusinessBar();
  },
  methods: {
    loadBusinessBar(){
      this.$request.get('/goods/getBar').then(res => {
        if (res.code === '200') {
          let chartDom = document.getElementById('businessBar');
          let myChart = echarts.init(chartDom);
          barBusinessOptions.title.text = res.data.text
          barBusinessOptions.title.subtext = res.data.subText
          barBusinessOptions.xAxis.data = res.data.xAxis
          barBusinessOptions.series[0].data = res.data.yAxis
          myChart.setOption(barBusinessOptions);
        } else {
          this.$message.error(res.msg)
        }
      })
    },
  }
}
</script>

/**
 * 渲染店铺销量柱状图
 */
@GetMapping("/getBar")
public Result getBar() {
    Map<String, Object> resultMap = new HashMap<>(); // 存取最后返回的数据
    Map<String, Object> res = new HashMap<>(); // 暂存销量前5的数据
    List<String> xList = new ArrayList<>(); // 店铺名称
    List<Integer> yList = new ArrayList<>(); // 店铺总销量

    // 获得店铺名称为key，该店铺全部销量求和为value的map
    List<Goods> goodsList = goodsService.selectAll(new Goods());
    Map<String, Integer> collect = goodsList.stream().filter(x -> ObjectUtil.isNotEmpty(x.getBusinessId()))
            .collect(Collectors.groupingBy(Goods::getBusinessName, Collectors.reducing(0, Goods::getCount, Integer::sum)));

    collect.entrySet()
            .stream()
            // 排序
            .sorted((p1, p2) -> p2.getValue().compareTo(p1.getValue()))
            // 截取前limitSize个
            .limit(5)
            .collect(Collectors.toList()).forEach(ele -> res.put(ele.getKey(), ele.getValue()));

    for (String key : res.keySet()) {
        xList.add(key);
        yList.add((Integer) res.get(key));
    }

    resultMap.put("text", "店铺销售量前五统计柱状图");
    resultMap.put("subText", "统计维度：店铺名称");
    resultMap.put("xAxis", xList);
    resultMap.put("yAxis", yList);

    return Result.success(resultMap);
}

2.Python

1.折线图

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts,LabelOpts

# 处理数据
f_usa = open("D:/美国.txt","r",encoding="UTF-8")
usa_data = f_usa.read() # 美国的全部内容
f_jp = open("D:/日本.txt","r",encoding="UTF-8")
jp_data = f_jp.read() # 日本的全部内容
f_in = open("D:/印度.txt","r",encoding="UTF-8")
in_data = f_in.read() # 印度的全部内容

# 去掉不符合JSON规范的开头
usa_data = usa_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(","")
in_data = in_data.replace("jsonp_1629350745930_63180(","")

# 去掉不符合JSON规范的结尾
usa_data = usa_data[0:-2:1] # 最后两个字符：); 不要
jp_data = jp_data[0:-2:1] # 最后两个字符：); 不要
in_data = in_data[0:-2:1] # 最后两个字符：); 不要

# JSON转为python字典
usa_dict = json.loads(usa_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)
# print(type(usa_dict))
# print(usa_dict)

# 获取trend
usa_trend_data = usa_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# print(trend_data)

#取日期数据，用于x轴，只去2020一年(到313结束)
usa_x_data = usa_trend_data["updateDate"][0:314]
jp_x_data = jp_trend_data["updateDate"][0:314]
in_x_data = in_trend_data["updateDate"][0:314]
# print(x_data)

#取确诊数据，用于y轴
usa_y_data = usa_trend_data['list'][0]['data'][0:314]
jp_y_data = jp_trend_data['list'][0]['data'][0:314]
in_y_data = in_trend_data['list'][0]['data'][0:314]
# print(y_data)

# 生成图表对象
line = Line()

# 添加x轴，日期公用添加一个即可
line.add_xaxis(usa_x_data)

# 添加y轴
line.add_yaxis("美国确诊人数", usa_y_data, label_opts=LabelOpts(is_show=False)) # 设置折线上不展示数字
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，选填
line.set_global_opts(
    title_opts=TitleOpts(title="2020年美日印确诊人数折线图",pos_left="center",pos_bottom="1%"), # 标题
    legend_opts=LegendOpts(is_show=True), # 图例
    toolbox_opts=ToolboxOpts(is_show=True), # 工具箱
    visualmap_opts=VisualMapOpts(is_show=True), # 视觉映射
)

# 生成图表
line.render()

# 关闭文件对象
f_usa.close()
f_jp.close()
f_in.close()

2.全国地图

import json
from pyecharts.charts import Map
from pyecharts.options import *

f = open("D:/疫情.txt","r",encoding="UTF-8")
data = f.read() # 全部数据
f.close()

# JSON转为python字典
data_dict = json.loads(data)

# 从字典中获取省份数据
province_data_dict = data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元组，封装在列表内
data_list = [] # 绘图用的列表数据
for province_data in province_data_dict:
    province_name = province_data["name"]
    province_confirm = province_data["total"]["confirm"]
    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")

# 设置全局配置项，选填
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"), # 标题
    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人确诊" , "coclor":"#CCFFFF"},
            {"min":100 , "max":999 , "label":"100-999人确诊" , "coclor":"#FFFF99"},
            {"min":1000 , "max":4999 , "label":"1000-4999人确诊" , "coclor":"#FF9966"},
            {"min":5000 , "max":9999 , "label":"5000-9999人确诊" , "coclor":"#FF6666"},
            {"min":10000 , "max":99999 , "label":"10000-99999人确诊" , "coclor":"#CC3333"},
            {"min":100000 , "label":"100000+人确诊" , "coclor":"#990033"},
        ]
    ), # 视觉映射
)

# 绘图
map.render("全国疫情地图.html")

3.河南省地图

import json
from pyecharts.charts import Map
from pyecharts.options import *

f = open("D:/疫情.txt","r",encoding="UTF-8")
data = f.read() # 全部数据
f.close()

# JSON转为python字典
data_dict = json.loads(data)

# 取到河南省数据
cities_data_dict = data_dict["areaTree"][0]["children"][3]["children"]
# print(cities_data_dict)

# 组装每个城市和确诊人数为元组，封装在列表内
data_list = [] # 绘图用的列表数据
for city_data in cities_data_dict:
    city_name = city_data["name"]+"市"
    city_confirm = city_data["total"]["confirm"]
    data_list.append((city_name, city_confirm))

# 创建地图对象
map = Map()

# 添加数据
map.add("河南省疫情分布",data_list,"河南")

# 设置全局配置项，选填
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情分布地图"), # 标题
    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人确诊" , "coclor":"#CCFFFF"},
            {"min":100 , "max":999 , "label":"100-999人确诊" , "coclor":"#FFFF99"},
            {"min":1000 , "max":4999 , "label":"1000-4999人确诊" , "coclor":"#FF9966"},
            {"min":5000 , "max":9999 , "label":"5000-9999人确诊" , "coclor":"#FF6666"},
            {"min":10000 , "max":99999 , "label":"10000-99999人确诊" , "coclor":"#CC3333"},
            {"min":100000 , "label":"100000+人确诊" , "coclor":"#990033"},
        ]
    ), # 视觉映射
)

# 绘图
map.render("河南省疫情分布地图.html")

4.1960-2019全球GDP柱状图

from pyecharts.charts import Bar,Timeline
from pyecharts.options import *

f = open("D:/1960-2019全球GDP数据.csv","r",encoding="GB2312")
data_lines = f.readlines() # 全部数据
f.close()

# 删除第一条杂余数据
data_lines.pop(0)

# 将数据转化为字典存储
data_dict = {}
for data_line in data_lines:
    year = int(data_line.split(",")[0]) # 年份
    contry = data_line.split(",")[1] # 国家
    gdp = float(data_line.split(",")[2]) # GDP数据
    # 判断字典中有没有指定的key(年份)，若有直接添加数据，没有则创建一个键值对
    try:
        data_dict[year].append([contry,gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([contry,gdp])

# 创建时间线对象
timeline = Timeline()

# 排序年份（每一个时间点都是一个柱状图）
sorted_year_list = sorted(data_dict.keys()) # 年份排序
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element:element[1],reverse=True) # 每一年的gdp排序(使用过匿名函数排序)
    # 取出本年份前八的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for contry_gdp in year_data:
        x_data.append(contry_gdp[0]) # 国家
        y_data.append(contry_gdp[1] / 100000000) # gdp
    # 构建柱状图
    bar = Bar()
    x_data.reverse()
    y_data.reverse() # 数据翻转，将大数据放上面
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)" , y_data , label_opts=LabelOpts(position="right")) # y轴在右边
    # 翻转x，y轴
    bar.reversal_axis()
    # 设置每一年图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前八GDP柱状图")
    )
    # 添加数据
    timeline.add(bar,str(year))

# 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柱状图.html")

5.每日销售额柱状图(学习面向对象)

"""
数据定义的类
data_define.py
"""

class Record:

    def __init__(self, date, order_id, money, province):
        self.date = date            # 订单日期
        self.order_id = order_id    # 订单ID
        self.money = money          # 订单金额
        self.province = province    # 销售省份


    def __str__(self):
        return f"{self.date}, {self.order_id}, {self.money}, {self.province}"

"""
和文件相关的类定义
file_define.py
"""
import json
from data_define import Record

# 先定义一个抽象类用来做顶层设计，确定有哪些功能需要实现
class FileReader:

    def read_data(self) -> list[Record]:
        """读取文件的数据，读到的每一条数据都转换为Record对象，将它们都封装到list内返回即可"""
        pass


class TextFileReader(FileReader):

    def __init__(self, path):
        self.path = path            # 定义成员变量记录文件的路径

    # 复写（实现抽象方法）父类的方法
    def read_data(self) -> list[Record]:
        f = open(self.path, "r", encoding="UTF-8")

        record_list: list[Record] = []
        for line in f.readlines():
            line = line.strip()     # 消除读取到的每一行数据中的\n
            data_list = line.split(",")
            record = Record(data_list[0], data_list[1], int(data_list[2]), data_list[3])
            record_list.append(record)

        f.close()
        return record_list

class JsonFileReader(FileReader):

    def __init__(self, path):
        self.path = path            # 定义成员变量记录文件的路径

    def read_data(self) -> list[Record]:
        f = open(self.path, "r", encoding="UTF-8")

        record_list: list[Record] = []
        for line in f.readlines():
            data_dict = json.loads(line)
            record = Record(data_dict["date"], data_dict["order_id"], int(data_dict["money"]), data_dict["province"])
            record_list.append(record)

        f.close()
        return record_list

if __name__ == '__main__':
    text_file_reader = TextFileReader("D:/2011年1月销售数据.txt")
    json_file_reader = JsonFileReader("D:/2011年2月销售数据JSON.txt")
    list1 = text_file_reader.read_data()
    list2 = json_file_reader.read_data()

    for l in list1:
        print(l)

    for l in list2:
        print(l)

"""
面向对象，数据分析案例，主业务逻辑代码
main.py
实现步骤：
1. 设计一个类，可以完成数据的封装
2. 设计一个抽象类，定义文件读取的相关功能，并使用子类实现具体功能
3. 读取文件，生产数据对象
4. 进行数据需求的逻辑计算（计算每一天的销售额）
5. 通过PyEcharts进行图形绘制
"""
from file_define import FileReader, TextFileReader, JsonFileReader
from data_define import Record
from pyecharts.charts import Bar
from pyecharts.options import *
from pyecharts.globals import ThemeType

text_file_reader = TextFileReader("D:/2011年1月销售数据.txt")
json_file_reader = JsonFileReader("D:/2011年2月销售数据JSON.txt")

jan_data: list[Record] = text_file_reader.read_data()
feb_data: list[Record] = json_file_reader.read_data()
# 将2个月份的数据合并为1个list来存储
all_data: list[Record] = jan_data + feb_data

# 开始进行数据计算
# {"2011-01-01": 1534, "2011-01-02": 300, "2011-01-03": 650}
data_dict = {}
for record in all_data:
    if record.date in data_dict.keys():
        # 当前日期已经有记录了，所以和老记录做累加即可
        data_dict[record.date] += record.money
    else:
        data_dict[record.date] = record.money

# 可视化图表开发
bar = Bar(init_opts=InitOpts(theme=ThemeType.LIGHT))

bar.add_xaxis(list(data_dict.keys()))       # 添加x轴的数据
bar.add_yaxis("销售额", list(data_dict.values()), label_opts=LabelOpts(is_show=False))      # 添加了y轴数据
bar.set_global_opts(
    title_opts=TitleOpts(title="每日销售额")
)

bar.render("每日销售额柱状图.html")