黑马程序员|8天Python第10章数据折线图可视化案例

---

一 json 数据格式

1.什么是json

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。

2.json的作用

3.json格式数据转化

字典，列表内部嵌套字典。

4.python数据和json数据的相互转化

 

设置 False 表明不使用 ASCII 去转换，而是直接转换出去。

---

二 pyecharts

1.概述

 

2.官方示例：

 

里面有很多图表的效果图，并且有参考代码，换个数据即可。 

3.安装 

4.案例

文件操作：通过open（）得到一个文件对象。这里是通过Line（）得到一个折线图的对象。有了空的 x 轴和 y 轴。

5.有哪些配置项

全局配置选项：图像的标题，图例等。和图表类型无关。通用的配置。

系列配置选项：具体的轴数据等。

set_global_opts 方法 

title_opts = 关键字传参，传一个标题相关的功能对象。

前面 from pyecharts.charts import Line 导入了折线图对象。

要构建标题相关的功能对象就还要去导包 from pyecharts.options import TitleOpts。

TitleOpts 就是标题的控制选项。

pos  ：position 靠近左边有多远，靠近底部有多远。

图例 legend | from pyecharts.options import TitleOpts，LegendOpts。

工具箱 toolbox | from pyecharts.options import TitleOpts，LegendOpts，ToolboxOpts。

视觉映射 visualmap | from.........，VisualMapOpts。

工具提示 tooltip

不用特别记，要用的时候上pyecharts网页即可。

官方文档：

全局配置项 - pyecharts - A Python Echarts Plotting Library built with love.全局配置项 - pyecharts - A Python Echarts Plotting Library built with love.

全局配置项 - pyecharts - A Python Echarts Plotting Library built with love.

 

全局配置项能做什么

---

三 数据处理

本质是个json文件，但是开头不符合规范，通过代码处理掉。

都去掉后，可以通过第三方工具快速查看格式。

173软件站-专业绿色手游攻略资讯懒人手机软件app下载平台JSON着色工具-json数据着色-懒人工具|www.ab173.com

173软件站-专业绿色手游攻略资讯懒人手机软件app下载平台

这个是value和value对应，2.21是updateDate的值中的第一个，和data的值中的第一个对应，他们的key还不是同一层的，看上去就非常乱。

JSON在线解析及格式化验证 - JSON中文网 

步骤1： 先取到 trend 这个 key ，先拿到框框里面的这些 value 。

data（key）里面取到的是一个列表，列表里面只有一个字典元素，再取里面字典的 trend 键即可。

 步骤2：取2020年这一年就就好了。

步骤3：拿到确诊数据作为 y 轴。 

步骤4：相同方法处理日本和印度的数据。

import json

# 处理数据
f_us = open("D:\美国.txt","r",encoding="UTF-8")
US_data = f_us.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("," ")
#去掉结尾
US_data = US_data[:-2]
JP_data = JP_data[:-2]
IN_data = IN_data[:-2]
#json转python
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] # 不包括314
JP_x_data = JP_trend_data["updateDate"][:315] # 不包括315
IN_x_data = IN_trend_data["updateDate"][:269] # 不包括269
# 获取确诊数据，用于y轴，取2020年（到314下标结束）
US_y_data = US_trend_data["list"][0]["data"][:314] #这个数据和日期是一一对应的
JP_y_data = JP_trend_data["list"][0]["data"][:315]
IN_y_data = IN_trend_data["list"][0]["data"][:269]

---

四 创建折线图

1.导入模块

2.折线图相关配置项 

 

3.全局配置项

使用前要导包。

---

五 总结

import json
from pyecharts.charts import Line

# 处理数据
f_us = open("D:\美国.txt","r",encoding="UTF-8")
US_data = f_us.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("," ")
#去掉结尾
US_data = US_data[:-2]
JP_data = JP_data[:-2]
IN_data = IN_data[:-2]
#json转python
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] # 不包括314
JP_x_data = JP_trend_data["updateDate"][:315] # 不包括315
IN_x_data = IN_trend_data["updateDate"][:269] # 不包括269

# 获取确诊数据，用于y轴，取2020年（到314下标结束）
US_y_data = US_trend_data["list"][0]["data"][:314] #这个数据和日期是一一对应的
JP_y_data = JP_trend_data["list"][0]["data"][:315]
IN_y_data = IN_trend_data["list"][0]["data"][:269]

# 生成图表
line = Line()  # 构建折线图对象
# 添加x轴数据 x轴是公用的，使用一个国家的x轴数据即可
line.add_xaxis(US_x_data)
# 添加y轴数据
line.add_yaxis("美国确诊人数",US_y_data) # 美国的y轴数据
line.add_yaxis("日本确诊人数",JP_y_data) # 日本的y轴数据
line.add_yaxis("印度确诊人数",IN_y_data) # 印度的y轴数据
# 调用render方法生成图表
line.render()
#关闭文件
f_us.close()
f_jp.close()
f_in.close()

 

在生成图标render之前进行全局配置。

标题设置：

 

 

数字太乱：设置 y 轴的属性。