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 JsCode2. 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')
dataset3.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_rows4. 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。
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
