盐城网站开发包括哪些,群晖 多个wordpress,企业企业网站建,宁波江北网站建设折线图可视化 1.JSON数据格式2.pyecharts模块介绍3.pyecharts快速入门4.创建折线图 1.JSON数据格式
1.1什么是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 1.2主要功能json就是一种在各个编程语言中流… 折线图可视化 1.JSON数据格式2.pyecharts模块介绍3.pyecharts快速入门4.创建折线图 1.JSON数据格式
1.1什么是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 1.2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 1.3JSON有什么用各种编程语言存储数据的容器不尽相同,在Python中有字典dict这样的数据类型, 而其它语言可能没有对应的字典为了让不同的语言都能够相互通用的互相传递数据JSON就是一种非常良好的中转数据格式。如下图以Python和C语言互传数据为例 json格式数据转化json格式的数据要求很严
# json数据的格式可以是
{name:admin,age:18} # 也可以是
[{name:admin,age:18},{name:root,age:16},{name:张三,age:20}]Python数据和Json数据的相互转化
# 导入json模块
import json # 准备符合格式json格式要求的python数据
data [{name: 老王, age: 16}, {name: 张三, age: 20}]# 通过 json.dumps(data) 方法把python数据转化为了 json数据
data json.dumps(data) # 通过 json.loads(data) 方法把json数据转化为了 python数据
data json.loads(data)2.pyecharts模块介绍
pyecharts模块 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
3.pyecharts快速入门
3.1pyecharts入门
基础折线图
# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts
from pyecharts.options import LegendOpts
from pyecharts.options import ToolboxOpts
from pyecharts.options import VisualMapOpts
# 创建一个折线图对象
line Line()
# 给折线对象添加x轴的数据
line.add_xaxis([中国,美国,英国])
# 给折线对象添加y轴的数据
line.add_yaxis(GDP,[30,20,10])
# 设置全局变量项set_global_opts来设置
line.set_global_opts(title_optsTitleOpts(titleGDP展示,pos_leftcenter,pos_bottom1%),legend_optsLegendOpts(is_showTrue),toolbox_optsToolboxOpts(is_showTrue),visualmap_optsVisualMapOpts(is_showTrue)
)
# 通过render方法将代码生成图像
line.render()pyecharts有哪些配置选项 set_global_opts方法全局配置
配置图标和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.创建折线图
4.1导入模块
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts折线图相关配置
add_yaxis相关配置 set_global_opts全局配置选项
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts,InitOpts,AxisOpts,LegendOpts
# 处理数据
f_usopen(D:/美国.txt,r,encodingUTF-8)
f_jpopen(D:/日本.txt,r,encodingUTF-8)
f_inopen(D:/印度.txt,r,encodingUTF-8)
us_data f_us.read() # 美国的全部内容
jp_data f_jp.read() # 日本的全部内容
in_data f_in.read() # 印度的全部内容
# 去掉不合JSON规范的开头
us_data us_data.replace(jsonp_1629344292311_69436(,)
jp_data jp_data.replace(jsonp_1629350871167_29498(,)
in_data in_data.replace(jsonp_1629350745930_63180(,)
# 去掉不合JSON规范的结尾
us_data us_data[:-2]
jp_data jp_data[:-2]
in_data in_data[:-2]
# 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]# 获取确认数据用于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(init_optsInitOpts(width1600px,height800px))
# 添加x轴数据
line.add_xaxis(us_x_data) # x轴是公用的所以使用一个国家的数据即可
# 添加y轴数据
line.add_yaxis(美国确诊人数,us_y_data,label_optsLabelOpts(is_showFalse))
line.add_yaxis(日本确诊人数,jp_y_data,label_optsLabelOpts(is_showFalse))
line.add_yaxis(印度确诊人数,in_y_data,label_optsLabelOpts(is_showFalse))
# 设置全局选项
line.set_global_opts(title_optsTitleOpts(title2020年美日印三国确诊人数对比折线图,pos_leftcenter,pos_bottom1%),# x轴配置项xaxis_optsAxisOpts(name时间), # 轴标题# y轴配置项yaxis_optsAxisOpts(name累计确诊人数), # 轴标题# 图例配置项legend_optsLegendOpts(pos_left70%), # 图例的位置
)
# 调用render方法生成图标
line.render()
# 关闭文件
f_us.close()
f_jp.close()
f_in.close()
