目录
3.3 定义 JavaScript 函数 color_func
引言
数据可视化在数据分析和展示中起着重要的作用。通过图表、图形等方式,我们可以更直观地展示数据的变化趋势,帮助他人更好地理解数据背后的信息。本文将介绍如何使用 Python 的 Pyecharts 库制作时间轴图形,以便更直观地展示数据随时间的变化。时间轴图形能够清晰地呈现数据随时间的变化,有助于观察数据的趋势和周期性变化,对于时间序列数据的分析非常有帮助。通过本文的介绍,读者将了解如何利用 Pyecharts 制作时间轴图形,并且能够灵活应用到自己的数据分析和展示工作中。
准备工作
首先,我们需要安装 Pyecharts 库。可以使用以下命令进行安装:
pip install pyecharts
步骤
1. 导入所需模块
from pyecharts import options as opts
from pyecharts.charts import Timeline,Bar
import pandas as pd
from pyecharts.commons.utils import JsCode
2. 准备数据
准备好要展示的数据,并按照时间顺序整理好。假设我们有一个包含国家和年份的数据
表格数据示例(可见资源):
代码读取数据
dataset = pd.read_csv('../数据集合集/世界人口数据.csv',encoding='utf-8',engine='python')
dataset
3.数据分析
3.1 对原始数据进行转换
我们发现原数据并不能直接用来绘制可视化图形,所以在绘制之前我们需要进行数据转换。具体来说,我们需要对原始数据进行处理,将其转换为每个国家在每一年的人口总数,这样才能够方便地进行可视化展示。数据转换的方法可以根据具体情况而定,例如可以使用 Pandas 库进行数据透视,将原始数据按照国家和年份进行分组,并计算每个国家在每一年的人口总数;也可以使用 Python 内置的字典等数据结构进行处理。无论采用何种方法,数据转换都是数据可视化的重要前置工作,只有得到合适的数据格式,才能够更好地进行数据分析和展示。
# 创建一个空列表,用于存储每年的总人口数据
population_year_list = []
# 循环遍历从1950年到2021年的每个年份
for year in range(1950, 2022):
# 从原始数据集中筛选出指定年份的数据
data_year = dataset[dataset['Year'] == year]
# 对筛选出的数据按照国家名称进行分组,并计算每个国家的总人口数
population_and_country = data_year.groupby('Country name')['Population'].sum().reset_index()
# 将列名 "Population" 重命名为对应的年份(例如:"1950年")
population_and_country = population_and_country.rename(columns={'Population': str(year) + '年'})
# 将每年的总人口数据添加到 population_year_list 列表中
population_year_list.append(population_and_country)
# 将第一个DataFrame对象作为基准对象
merged_data = population_year_list[0]
# 循环遍历从第二个DataFrame对象开始的每个数据
for data in population_year_list[1:]:
# 使用 merge() 函数将基准对象 merged_data 与当前的 DataFrame 对象进行左连接(left join),根据 "Country name" 列进行合并
merged_data = merged_data.merge(data, on='Country name', how='left')
# 输出合并后的结果
merged_data
运行代码后的代码下图所示(仅展示部分数据):
这就是整篇博文最关键的地方,只要转换成上图结果,那么后面的操作就不是什么大问题
3.2 重命名新数据列名
merged_data.set_index('Country name',inplace=True)
merged_data
3.3 定义 JavaScript 函数 color_func
定义 color_func
函数时,我们可以使用 JavaScript 来实现。该函数的作用是为选取的十几个国家设置不同的颜色,在后续的代码中,我们可以根据选取的国家列表,通过调用 color_func
函数来获取每个国家对应的颜色,以便在可视化图形中进行展示。通过这种方式,我们可以为每个国家赋予独特的颜色,使得图形更加生动有趣,并且方便各位进行区分。
# 定义一个 JavaScript 函数 color_func,用于根据参数 params 的 name 属性返回对应国家的颜色
color_func = '''
function (params){
if(params.name == 'China')
return 'red';
else if(params.name == 'India')
return 'yellow';
else if (params.name=='Soviet Union')
return 'orange';
else if(params.name == 'United States')
return 'blue';
else if(params.name == 'United Kingdom')
return 'green';
else if(params.name == 'French Republic')
return 'purple';
else if(params.name == 'Japan')
return 'darkgreen';
else if(params.name == 'Pakistan')
return 'pink';
else if(params.name == 'Indonesia')
return 'crimson';
else if(params.name == 'Brazil')
return 'Deep';
else if(params.name == 'West Germany')
return 'DeepSkyBlue';
else if(params.name == 'Italy')
return 'Gold';
else if(params.name == 'Mexico')
return 'Gray';
else if(params.name == 'Spanish State')
return 'Indigo';
else if(params.name == 'Belgium')
return 'Ivory';
else if(params.name == 'Poland')
return 'Brown';
else return 'white';
}
'''
3.5 将js中提到的国家从新数据中筛选出来
如果需要从数据中选取特定的国家进行可视化展示,可以根据你在 JavaScript 中提到的国家列表来进行筛选,我们使用isin()筛选出列表中的国家。这样做可以避免展示全部200多个国家的数据,提高图形的观赏性和可读性。通过选择十几个国家进行展示,可以更加突出这些国家的变化趋势,并且使得图形更加简洁明了。同时,你也可以根据自己的需求对选取的国家列表进行调整,以符合展示目的和数据分析的需要
country_name_list = ['China','India','Soviet Union','United States','United Kingdom','French Republic','Japan','Pakistan','Indonesia','Brazil','West Germany','Italy',
'Mexico','Spanish State','Belgium','Poland']
specific_rows = merged_data[merged_data.index.isin(country_name_list)]
specific_rows
4. 创建时间轴对象
t1 = Timeline()
在创建时间轴对象时,可以通过 init_opts
参数设置时间轴图形的宽度和高度。
5. 添加数据帧
for year in specific_rows:
df3 = specific_rows.sort_values(by=year)
# print(df3)
x = df3.index.tolist()
y = df3[year].tolist()
#生成条形图
bar = (
Bar()
.add_xaxis(x)
.add_yaxis(
'每年每个国家人口',
y,
itemstyle_opts= opts.ItemStyleOpts(color=JsCode(color_func)),
label_opts=opts.LabelOpts(color='white') # 设置字体颜色为白色
)
.reversal_axis()#画条形图
.set_global_opts(
xaxis_opts=opts.AxisOpts(
splitline_opts=opts.SplitLineOpts(is_show=False),
axislabel_opts=opts.LabelOpts(color='white')), # 设置 x 轴字体颜色为白色),
yaxis_opts=opts.AxisOpts(
splitline_opts=opts.SplitLineOpts(is_show=False),
axislabel_opts=opts.LabelOpts(color='white')) # 设置 y 轴字体颜色为白色)
)
)
t1.add(bar,year)
通过遍历每个时间点,我们可以创建一个柱状图,并将其添加到时间轴对象中。在创建柱状图时,可以根据需要设置 x 轴和 y 轴的标签、样式等,在这里设置 x 轴的标签为国家名字,y 轴的标签为国假每一年的人口总数,也可以设置柱状图的颜色、透明度等样式属性,以便更好地展示数据。在将柱状图添加到时间轴对象中时,需要注意设置时间点和对应的柱状图,保证时间轴图形能够正确地呈现数据随时间的变化。通过这种方式,我们可以非常方便地创建时间轴图形,并且能够实时查看数据随时间的变化趋势,对于时间序列数据的分析非常有帮助。
6. 设置时间轴选项
t1.add_schema(
play_interval=1000, #自动播放的时间间隔,单位毫秒,每隔一秒就切换一个点
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
)
通过 add_schema
方法,我们可以设置时间轴的全局选项,例如切换帧之间的时间间隔、自动循环播放等设置。使用 add_schema
方法可以对时间轴进行更灵活的配置,使得时间轴图形能够满足不同的需求。例如,我们可以设置帧与帧之间的时间间隔,控制时间轴图形的播放速度;还可以设置时间轴的循环模式,使得时间轴图形可以自动循环播放,方便观察数据的周期性变化。通过这些设置,我们可以更好地展示时间序列数据的变化,并且为观众提供更好的交互体验。
7. 显示图表
t1.render_notebook()
最后,使用 render_notebook
方法将图表显示在 Jupyter Notebook 中。
总结
Pyecharts 是一个基于 echarts.js 的 Python 可视化库,它可以利用 Python 生成各种交互式的图表,包括折线图、柱状图、饼图等。使用 Pyecharts 可以让我们更方便地利用 Python 进行数据分析及可视化,从而更好地理解和展示数据。
我在使用 Pyecharts 进行数据可视化方面的一些心得体会如下:
-
数据格式:在使用 Pyecharts 时,需要将数据按照 echarts.js 的要求进行格式化,否则可能无法正常显示图表。因此,我们需要仔细查看官方文档,并根据文档说明对数据进行处理。
-
图表类型选择:Pyecharts 支持多种类型的图表,如折线图、柱状图、散点图、饼图等,我们需要根据自己的需求来选择最适合的图表类型。同时,不同类型的图表需要的数据格式也有所不同,需要仔细查看官方文档。
-
图表样式调整:Pyecharts 提供了多种 API 来进行图表样式的调整,如修改颜色、字体、大小等,我们可以根据自己的需求来调整图表样式,从而使得图表更加美观易读。
总之,通过不断的实践和学习,我们可以更好地利用 Pyecharts 进行数据可视化,以更加生动形象的方式展示数据,并帮助我们更好地理解和分析数据。
如果你对这篇博客有任何问题或建议,请随时提出。谢谢!
注意:以上代码示例仅供参考,具体实现可能需要根据数据和需求进行调整。