Python第二语言（九、Python第一阶段实操）-CSDN博客

# 1.导入json模块
import json

# 2.准备符合格式json格式要求的python数据
data = [{"name": "zhangSan", "age": 28}, {"name": "lisi", "age": 18}]

# 3.通过json.dumps(data)方法把python数据转化为json数据
data = json.dumps(data)
print(f"类型：{type(data)}")
print(f"转换后的json：{data}")

# 4.通过json.loads(data)方法把json数据转化为python数据
data = json.loads(data)
print(f"类型：{type(data)}")
print(f"转换成python数据类型：{data}")

json小结：

json：是一种轻量级的数据交互格式，采用完全独立于编程语言的文本格式来存储和表示数据（就是字符串）；
- Python语言使用JSON有很大优势，因为：JSON无非就是一个单独的字典或一个内部元素都是字典的列表，所以JSON可以直接和Python的字典或列表进行无缝转换；
json格式数据转化；
- 通过 json.dumps(data)方法把python数据转化为了 json数据；
- data = json.dumps(data) ；如果有中文可以带上：ensure_ascii=False参数来确保中文正常转换;
- data = json.loads(data) ；通过 json.loads(data)方法把json数据转化为了 python列表或字典；

3. pyecharts模块官网

参考：Document (pyecharts.org)

通过pip安装pyecharts：（加入cmd安装）

安装： pip install pycharts

查看包的位置：pip show pyecharts

4. pyecharts快速入门（折线图）

from pyecharts.charts import Line
from pyecharts import options as opts

# 创建一个折线图实例
line = Line()

# 添加 X 轴数据
line.add_xaxis(["2017", "2018", "2019", "2020", "2021"])

# 使用 opts.LineItem 传递 Y 轴数据
y_data = [
    opts.LineItem(value=30),
    opts.LineItem(value=20),
    opts.LineItem(value=10),
    opts.LineItem(value=50),
    opts.LineItem(value=60)
]

# 添加 Y 轴数据，"GDP" 为系列名称
line.add_yaxis("GDP", y_data)

# 可选：设置全局选项，例如标题
line.set_global_opts(title_opts=opts.TitleOpts(title="GDP 增长"))

# 将图表渲染到一个 HTML 文件
line.render("line_chart.html")

5. pyecharts全局配置选项

set_global_opts方法 ：
全局配置项的作用：
1. 配置图表的标题；
2. 配置图例；
3. 配置鼠标移动效果；
4. 配置工具栏；
5. 和整体配置项；

5.1 set_global_ops使用

# 导入全局配置选项，需要导入的包
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
from pyecharts import options as opts

# 创建一个折线图实例
line = Line()

# 添加 X 轴数据
line.add_xaxis(["2017", "2018", "2019", "2020", "2021"])

# 使用 opts.LineItem 传递 Y 轴数据
y_data = [
    opts.LineItem(value=30),
    opts.LineItem(value=20),
    opts.LineItem(value=10),
    opts.LineItem(value=50),
    opts.LineItem(value=60)
]

# 添加 Y 轴数据，"GDP" 为系列名称
line.add_yaxis("GDP", y_data)

# 可选：设置全局选项，例如标题,
line.set_global_opts(
    title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)

# 将图表渲染到一个 HTML 文件
line.render("line_chart.html")

这段代码会生成一个包含标题、图例、工具箱和视觉映射组件的折线图，并将其保存为 line_chart.html 文件：

line.set_global_opts(
    title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%"),
    legend_opts=opts.LegendOpts(is_show=True),
    toolbox_opts=opts.ToolboxOpts(is_show=True),
    visualmap_opts=opts.VisualMapOpts(is_show=True)
)

5.1.1. `title_opts`

设置图表的标题选项。

title="GDP 增长"：标题文本为 "GDP 增长"。
pos_left="center"：标题水平居中。
pos_bottom="10%"：标题垂直位置距离底部 10%。

title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%")

5.1.2 `legend_opts`

设置图例选项。

is_show=True：显示图例。

legend_opts=opts.LegendOpts(is_show=True)

5.1.3 `toolbox_opts`

设置工具箱选项。

is_show=True：显示工具箱。工具箱提供了一些常用工具，比如保存图片、数据视图、还原、缩放、漫游等。

toolbox_opts=opts.ToolboxOpts(is_show=True)

5.1.4 `visualmap_opts`

设置视觉映射选项。

is_show=True：显示视觉映射组件。视觉映射用于进行数据值到视觉元素（如颜色、大小等）的映射。

visualmap_opts=opts.VisualMapOpts(is_show=True)

6. pyecharts基础地图使用

6.1 Map使用

"""
演示地图可视化
"""
from pyecharts.charts import Map
from pyecharts import options as opts

# 准备地图对象
map = Map()

# 准备数据：省份名称及对应的数据值
data = [
    ("北京", 99),
    ("天津", 80),
    ("上海", 95),
    ("重庆", 70),
    ("河北", 50),
    ("河南", 60),
    ("云南", 40),
    ("辽宁", 55),
    ("黑龙江", 65),
    ("湖南", 75),
    ("安徽", 45),
    ("山东", 85),
    ("新疆", 30),
    ("江苏", 90),
    ("浙江", 100),
    ("江西", 35),
    ("湖北", 50),
    ("广西", 25),
    ("甘肃", 20),
    ("山西", 50),
    ("内蒙古", 15),
    ("陕西", 40),
    ("吉林", 55),
    ("福建", 65),
    ("贵州", 30),
    ("广东", 95),
    ("青海", 10),
    ("西藏", 5),
    ("四川", 70),
    ("宁夏", 20),
    ("海南", 60),
    ("香港", 75),
    ("澳门", 85),
    ("台湾", 80),
]

# 将数据添加到地图
map.add("数据", data, maptype="china")

# 设置全局选项
map.set_global_opts(
    title_opts=opts.TitleOpts(title="中国地图数据展示"),
    visualmap_opts=opts.VisualMapOpts(
        min_=0,
        max_=100,
        is_piecewise=True,
        pieces=[
            {"min": 80, "max": 100, "label": "80-100", "color": "#FF0000"},
            {"min": 60, "max": 79, "label": "60-79", "color": "#FFA500"},
            {"min": 40, "max": 59, "label": "40-59", "color": "#FFFF00"},
            {"min": 20, "max": 39, "label": "20-39", "color": "#7FFF00"},
            {"min": 0, "max": 19, "label": "0-19", "color": "#00FF00"},
        ],
    ),
)

# 渲染图表
map.render("china_map.html")

7. pyecharts柱状图使用

7.1 柱状图使用

# 通过Bar构建基础柱状图
from pyecharts.charts import Bar

bar = Bar()

bar.add_xaxis(["中国", "美国", "法国"])  # 添加x轴数据

bar.add_yaxis("GDP", [3000, 5000, 2800])  # 添加y轴数据

bar.render("柱状图.html")  # 绘图

7.2 轴的反转：bar.reversal_axis() # 反转xy轴

# 通过Bar构建基础柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()

bar.add_xaxis(["中国", "美国", "法国"])  # 添加x轴数据

bar.add_yaxis("GDP", [3000, 5000, 2800])  # 添加y轴数据

bar.reversal_axis()  # 反转xy轴

bar.render("柱状图.html")  # 绘图

7.3 数值至右：bar.add_yaxis("GDP", [3000, 5000, 2800], label_opts=LabelOpts(position="right")) # 添加y轴数据

7.4 小结

通过Bar()构建一个柱状图对象；
和折线图一样，通过add_xaxis()和add _yaxis()添加 x和y轴数据；
通过柱状图对象的:reversal_axis()，反转x和y轴；
通过label opts=LabelOpts(position="right")设置数值标签在右侧显示；

7.5 创建时间线：Timeline()-时间线

柱状图描述的是分类数据，回答的是每一个分类中「有多少?」这个问题，这是柱状图的主要特点，同时柱状图很难动态的描述一个趋势性的数据；
这里pyecharts为我们提供了一种解决方案-时间线如果说一个Bar、Line对象是一张图表的话，时间线就是创建一个一维的x轴，轴上每一个点就是一个图表对象；

7.5.1 使用Timeline()-时间线

# 导入包
from pyecharts.charts import Timeline, Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

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

# 准备数据
cities = ["北京", "上海", "广州", "深圳", "杭州", "宁波"]
gdp_data = [[3000, 5000, 2800, 3000, 2500, 2400], [3500, 5200, 2900, 3000, 2500, 2400],
            [3200, 4800, 2700, 3000, 2500, 2400],
            [3000, 5000, 2800, 3000, 2500, 2400], [3500, 5200, 2900, 3000, 2500, 2400],
            [3200, 4800, 2700, 3000, 2500, 2400]]  # 假设为三个时间点的 GDP 数据

# 循环添加数据到时间线中
for i in range(len(gdp_data)):
    # 创建柱状图对象
    bar = Bar()
    # 添加X轴和Y轴数据
    bar.add_xaxis(cities)
    bar.add_yaxis("GDP", gdp_data[i], label_opts=LabelOpts(position="right"))  # 数值至右
    # 设置柱状图的全局选项
    bar.set_global_opts(title_opts=opts.TitleOpts(title=f"{i + 2020}年城市GDP"))
    bar.reversal_axis()  # 反转xy轴
    # 将柱状图添加到时间线中
    timeline.add(bar, f"{i + 2020}年")


# 设置自动播放
timeline.add_schema(
    play_interval=1000,  # 自动播放的时间间隔，单位毫秒
    is_timeline_show=True,  # 是否在自动播放的时候，显示时间线
    is_auto_play=True,  # 是否自动播放
    is_loop_play=True  # 是否循环自动播放
)

# 渲染时间线
timeline.render("timeline_bar.html")

7.5.2 时间线设置主题

from pyecharts.globals import ThemeType

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

7.5.3 常见的时间线主题

编号	主题	颜色	备注
1	ThemeType.WHITE	红蓝	默认颜色等同于 `bar=Bar()`
2	ThemeType.LIGHT	蓝黄粉	高亮颜色
3	ThemeType.DARK	红蓝	黑色背景
4	ThemeType.CHALK	红蓝绿	黑色背景
5	ThemeType.ESSOS	红黄	暖色系
6	ThemeType.INFOGRAPHIC	红蓝黄	偏亮
7	ThemeType.MACARONS	紫绿	灰色背景
8	ThemeType.PURPLE_PASSION	粉紫	偏暗
9	ThemeType.ROMA	红黑灰	淡黄色背景
10	ThemeType.ROMANTIC	红粉蓝	整理成列表