Python学习从0到1 day18 Python可视化基础综合案例 1.折线图

2024-03-25 11:20

本文主要是介绍Python学习从0到1 day18 Python可视化基础综合案例 1.折线图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

我默记这段路的酸楚,等来年春暖花开之时再赏心阅读

                                                                  —— 24.3.24

python基础综合案例

数据可视化 — 折线图可视化

一、折线图案例

1.json数据格式

2.pyecharts模块介绍

3.pyecharts快速入门

4.数据处理

5.创建折线图

1.json数据格式

1.什么是json

2.掌握如何使用json进行数据转化

1.什么是json

JSON是一种轻量级的数据交互格式,可以按照JSON指定的格式去组织和封装数据

JSON本质上是一个带有特定格式的字符串

主要功能:json就是一种在各个编程语言中流通的数据格式,负责不同编程语言中的数据传递和交互,类似:

国际通用语言——英语

中国各民族各地区的通用语言——普通话

2.掌握如何使用json进行数据转化

①json格式的数据格式要求:(字典)

{“name”:"admin","age":18}

②也可以是:(字典列表)

[{"name":"admin","age":18},{"name":"root","age":16},{"name":"张三","age":20}]

JSON可以看作是把一个字典或者一个字典列表全部转换成字符串

正常定义为字典或字典列表导入包和方法后就可以进行自动转换

3.演示

'''
演示JSON数据和Python字典的相互转换
'''
import json# 准备列表,列表内每一个元素都是字典,将其转换为JSON
data1 = [{"name":"张三","age":22},{"name":"李四","age":13},{"name":"王五","age":16}]
json_str1 = json.dumps(data1,ensure_ascii=False) # 如果不写中文,则不需要参数ensure_ascii
print(json_str1)
print(type(json_str1))# 准备字典,将字典转换为JSON
data2 = {"name":"JayZhou","addr":"台北"}
json_str2 = json.dumps(data2,ensure_ascii=False)
print(json_str2)
print(type(json_str2))# 将JSON字符串转换为Python数据类型字典列表[{k:v,k:v},{k:v,k:v},{k:v,k:v}]
str = '[{"name": "张三", "age": 22}, {"name": "李四", "age": 13}, {"name": "王五", "age": 16}]'
json_str3 = json.loads(str)
print(json_str3)
print(type(json_str3))# 将JSON字符串转换为Python数据类型列表{k:v,k:v}
str2 = '{"name":"JayZhou","addr":"台北"}'
json_str4 = json.loads(str2)
print(json_str4)
print(type(json_str4))# 通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串

通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串

总结

1.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格式来存储和表示数据(就是字符串

python语言有很大的优势是因为JSON可以直接和Python的字典或者字典列表进行无缝转换

2.json格式数据转化

        通过json.dumps(data)可以把python中的数据转化为json字符串

        data = json.dumps(data)

如果其中有中文可以带上:ensure_ascii=False参数来确保中文正常转换

        通过json.loads(data)方法把json数据转化为python中的列表或字典

        data = json.loads(data)

2.pyecharts模块介绍

如果想要做出数据可视化效果图,可以借助pyecharts模块来完成

概况: 

Echarts是个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可,而Python是门富有表达力的语言,很适合用于数据处理,当数据分析遇上数据可视化时pyecharts诞生了

pyecharts模块安装

使用在前面学过的pip命令即可快速安装PyEcharts模块

pip install pyecharts

总结

1.开发可视化图表使用的技术栈是:

        Echarts框架的Python版本:PyEcharts包

2.如何安装PyEcharts包:

        pip install pyecharts

3.如何查看官方示例:

        打开官方画廊:

        https://gallery.pyecharts.org/#/README

3.pyecharts快速入门

1.构建一个基础的折线图

2.使用全局配置项设置属性

1.构建一个基础的折线图

基础折线图

①导包,导入Line功能构建折线图对象

from pyecharts.charts import Line

②得到折线图对象

line = Line()

③添加x轴数

line.add_xaxis(["中国","美国","英国"])

⑤添加y轴数据

line.add_yaxis("GDP",[30,20,10])

⑥生成图表

line.render() # 生成图表后会在软件包内生成一个文件,运行这个文件就是生成的图表,可以运行文件也可以在文件右上角打开它

2.使用全局配置项设置属性

pyecharts有哪些配置选项

pyecharts模块中有很多的配置选项,常用到2个类别的选项

        全局配置选项(表结构)

        系列配置选项(数据)

全局配置选项 set_global_opts方法

这里全局配置选型可以通过set_global_opts方法来进行配置,相应的选项和选项的功能如下

3.示例

# ①导包,导入Line功能构建折线图对象
from pyecharts.charts import Line
#  导包,导入控制标题的包
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts# 得到折线图对象,Line对象
line = Line()# ③给折线图对象添加x轴数
line.add_xaxis(["中国","美国","英国"])# ④给折线图对象添加y轴数据
line.add_yaxis("GDP",[30,20,10])# ⑤设置全局变量配置项set_global_opts来设置
line.set_global_opts(# ctrl+p 可以查看方法中传递的参数title_opts=TitleOpts(title = "GDP展示",pos_left="center",pos_bottom="1%"),    # 控制标题及位置legend_opts=LegendOpts(is_show=True),   # 是否显示图例(默认显示)toolbox_opts=ToolboxOpts(is_show=True),  # 工具箱是否显示visualmap_opts=VisualMapOpts(is_show=True)  # 视觉映射是否显示
)# ⑥通过render方法,将代码生成为图像
line.render()

 运行成功后,会自动在包里生成一个文件

总结

1.pyecharts模块中有很多的配置选项,常用到三个类别的选项:

        全局配置选项

        系列配置选项

2.全局配置项能做什么?

        配置图表的标题

        配置图例

        配置鼠标移动效果

        配置工具栏

        等整体配置项

4.数据处理

1.能够通过json模块对数据进行处理

json可视化

根据json可视化掌握数据的层级关系

进入网站www.ab173.com

这是一个懒人软件,点击JSON相关、点击JSON视图

# 处理数据# 美国疫情数据
f_us = open("D:/2LFE/Desktop/Python/资料/可视化案例数据/折线图数据/美国.txt","r",encoding="utf-8")
us_data = f_us.read()   # 美国的全部内容# 小日本疫情数据
f_jp = open("D:/2LFE/Desktop/Python/资料/可视化案例数据/折线图数据/日本.txt","r",encoding="utf-8")
jp_data = f_jp.read()   # 日本的全部内容# 印度疫情数据
f_in = open("D:/2LFE/Desktop/Python/资料/可视化案例数据/折线图数据/日本.txt","r",encoding="utf-8")
in_data = f_in.read()   # 印度的全部内容# 去掉不合JSON规范的开头,每个国家的数据不规范的内容不相同,需查看文档进行改变
us_data = us_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(","")
in_data = in_data.replace("jsonp_1629350745930_63180(","")# 去掉不合JSON规范的结尾,结尾不规范数据相同,注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# JSON转Python字典
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]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]# 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]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]

5.生成图表

# 生成图表
line = Line()   # 构建折线图对象,Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data)   # x轴是三个国家公用的,所以一个国家的就好# 添加y轴数据,y轴数据不共用,label_opts功能:当前这个图表中标签属性是否显示
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))     # 添加美国的y轴数据
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))     # 添加日本的y轴数据
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))     # 添加印度的y轴数据

6.设置全局选项

# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)

 7.整体代码

# 演示可视化需求1:折线图开发
# 导入包
import json    # josn可视化包
from pyecharts.charts import Line   # 读取文件的函数,导入line功能
from pyecharts.options import TitleOpts, LabelOpts  # 标题设置Title包,系列属性LabelOpts包# 处理数据# 美国疫情数据
f_us = open("E:\python.learning\折线图数据\美国.txt","r",encoding="utf-8")
us_data = f_us.read()   # 美国的全部内容# 小日本疫情数据
f_jp = open("E:\python.learning\折线图数据\日本.txt","r",encoding="utf-8")
jp_data = f_jp.read()   # 日本的全部内容# 印度疫情数据
f_in = open("E:\python.learning\折线图数据\印度.txt","r",encoding="utf-8")
in_data = f_in.read()   # 印度的全部内容# 去掉不合JSON规范的开头,每个国家的数据不规范的内容不相同,需查看文档进行改变
us_data = us_data.replace("jsonp_1629344292311_69436(","")
jp_data = jp_data.replace("jsonp_1629350871167_29498(","")
in_data = in_data.replace("jsonp_1629350745930_63180(","")# 去掉不合JSON规范的结尾,结尾不规范数据相同,注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# JSON转Python字典
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]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]# 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]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]# 生成图表
line = Line()   # 构建折线图对象,Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data)   # x轴是三个国家公用的,所以一个国家的就好# 添加y轴数据,y轴数据不共用,label_opts功能:当前这个图表中标签属性是否显示
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))     # 添加美国的y轴数据
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))     # 添加日本的y轴数据
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))     # 添加印度的y轴数据# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)# 调用render方法,生成图表
line.render()   # 折线图对象.render方法# 关闭文件对象
f_us.close()
f_in.close()
f_jp.close()

运行结果:

这篇关于Python学习从0到1 day18 Python可视化基础综合案例 1.折线图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/844850

相关文章

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

C#基础之委托详解(Delegate)

《C#基础之委托详解(Delegate)》:本文主要介绍C#基础之委托(Delegate),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 委托定义2. 委托实例化3. 多播委托(Multicast Delegates)4. 委托的用途事件处理回调函数LINQ