Python中json模块的使用与pyecharts绘图的基本介绍

json模块

json实际上是一种数据存储格式，是一种轻量级的数据交互格式，可以把他理解成一个特定格式的字符串以文件的形式存储起来

主要是在各个编程语言中交流的数据格式

从形式上看，json数据格式类似于Python的字典，列表，元组等数据容器

他长得像这样

{"name":"summer","age":18}

[{"name":"summer","age":18},{"name":"morty","age":14}]

我们可以利用一些工具将这些数据的格式层次显示清楚一点

在线JSON格式化工具

例如

当数据量巨大时，或者嵌套层数比较深的时候，这样的工具就比较方便了

json与Python数据的相互转化

import json # 导入json模块

data = [{"name":"summer","age":18},{"name":"morty","age":14}]

data = json.dumps(data)

data = json.loads(data)

dumps方法就是将python数据转化为json数据

loads方法是将json数据转化为python数据

pyecharts模块

我们可以使用pyecharts模块进行数据可视化，这个模块的使用相对比较简单，这里只做基础的介绍

echarts是由百度开源的数据可视化的模块，交互性良好，图表也很精良，pyecharts只是他支持的一个部分

首先我们需要在命令行或者PyCharm中安装pyecharts模块

pip install pyecharts

pyecharts官方文档

pyecharts基本操作

基础折线图

from pyecharts.charts import Line # 导入Line功能构建折现图

line = Line() # 得到折线图对象

line.add_xaxis(['中国','美国','英国']) # 构建x轴行标

line.add_yaxis('GDP',[100,30,50]) # 构建y轴列标与数据

line.render() # 生成图表

运行完成之后回生成一个render.html文件，用浏览器打开之后就是我们的图表

配置选项

在pyecharts模块中由很多的配置选项

全局配置选项

这里可以用set_global_opts可以配置许多的内容，例如标题、图例、颜色、工具箱等内容

之后我们对示例详细讲解

json模块的数据处理

这里我们有一段json数据，格式化之后如下图所示

我们发现他除了数据内容，还包含了一串字符，在数据的末尾还有一个分号(未显示)

我们在把他转化成使用的元组、列表、字典时就需要对这个字符串进行处理

示例如下

import json
# 将json数据已经保存到data中
data = data.replace('jsonp_1629344292311_69436(','') #用空字符替换这一串

data = data[:-2] # 去除最后的括号和分号

这个数据量其实非常大，我们只展示了其中的一部分

折线图示例

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

这里我们先导入相关的配置项

file_us = open('C:/Users/Downloads/资料/可视化案例数据/折线图数据/美国.txt', encoding='UTF-8')
us_data = file_us.read()

第一行我们获取了一个文件对象，利用UTF-8格式读取了

再将文件对象读取到us_data中

us_data = us_data.replace('jsonp_1629344292311_69436(','')
us_data = us_data[:-2]

这里我们将开头和结尾进行处理，获得了一个标准的json字符串，也就是我们上图所表示的结构

us_dict = json.loads(us_data)

print(type(us_dict))
print(us_dict)

第一行我们将json字符串加载未python数据格式，通过结构我们可以知道这个结构最外层是字典，我们通过type()和print()验证

这个json包含了某国的疫情数据，由于数据嵌套比较深，我们先取到某国trend下的数据

trend_data = us_dict['data'][0]['trend']

print(type(trend_data ))
print(trend_data )

第一行是我们一路取数据的过程，再经过输出验证一下

这里我们再看看此时的结构

这里我们可以看到有两部分，一部分是更新日期，另一部分分别是数据，因此我们要取更新日期作x轴，为了表示简单，我们只取一列数据作为y轴

x_data = trend_data['updateDate'][:360]
y_data = trend_data['list'][0]['data'][:360]

这里我们就分别取出来了x轴和y轴的数据了，当然为了避免过多的数据挤在同一个表中，使用了切片减少数据

line = Line()
line.add_xaxis(x_data)
line.add_yaxis('确诊人数',y_data)

Line.render()

这里我们就创建了一个折线图对象，添加x轴y轴，将他生成

结果就像这样，如果我们有其他的y轴数据，继续添加y轴数据即可

line.set_global_opts(
    title_opts=opts.TitleOpts(title='某国确诊人数折线图',pos_left='center',pos_bottom='1%')
)

这里是添加了一个标题的全局选项，只是做一个演示，具体的功能还有非常多，详情还请阅读官方文档

示例代码

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

file_us = open('C:/Users/Downloads/资料/可视化案例数据/折线图数据/美国.txt', encoding='UTF-8')
us_data = file_us.read()

us_data = us_data.replace('jsonp_1629344292311_69436(','')
us_data = us_data[:-2]

us_dict = json.loads(us_data)
# print(type(us_dict))
# print(us_dict)

trend_data = us_dict['data'][0]['trend']
# print(type(trend_data))
# print(trend_data)

x_data = trend_data['updateDate'][:360]
y_data = trend_data['list'][0]['data'][:360]

line = Line()
line.add_xaxis(x_data)
line.add_yaxis('确诊人数',y_data)

line.set_global_opts(
    title_opts=opts.TitleOpts(title='某国确诊人数折线图',pos_left='center',pos_bottom='1%')
)

line.render()

file_us.close()