绽放趋势Python折线图数据可视化艺术

一 json数据格式

1.1 json数据格式认识

• 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. 类似于：国际通用语言-英语、中国56个民族不同地区的通用语言-普通话

• 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：
  

• 简单的JSON数据示例：

  {
    "name": "John",
    "age": 30,
    "city": "New York"
  }
  

• JSON还支持嵌套结构，数组和对象的组合：

  {
    "person": {
      "name": "Alice",
      "age": 25
    },
    "friends": [
      "Bob",
      "Charlie",
      "David"
    ]
  }
  
  

1.2 Python数据和Json数据的相互转换

• 使用内置的json模块来进行Python数据和JSON数据之间的相互转换。这个模块提供了方法来将Python数据结构转换为JSON格式，以及将JSON格式转换为Python数据结构。

基本的示例：

1. 将Python数据转换为JSON：

import json

# Python字典
python_data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

# 将Python字典转换为JSON字符串
json_data = json.dumps(python_data)
print(json_data)

import json
# 准备列表，列表内每一个元素都是字典，将其转换为JSON
data = [{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]
json_str = json.dumps(data, ensure_ascii=False)
print(type(json_str))
print(json_str)
# 准备字典，将字典转换为JSON
d = {"name":"周杰轮", "addr":"台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(type(json_str))
print(json_str)

• 通过设置ensure_ascii参数为False，你可以确保在生成JSON字符串时不会将非ASCII字符转义为Unicode转义序列。这对于处理包含非英文字符的数据非常有用，因为它能够保持原始的字符表示，而不是进行转义。

2. 将JSON转换为Python数据：

# JSON字符串
json_data = '{"name": "Alice", "age": 25, "city": "London"}'

# 将JSON字符串转换为Python字典
python_data = json.loads(json_data)
print(python_data)

# 将JSON字符串转换为Python数据类型[{k: v, k: v}, {k: v, k: v}]
s = '[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]'
l = json.loads(s)
print(type(l))
print(l)
# 将JSON字符串转换为Python数据类型{k: v, k: v}
s = '{"name": "周杰轮", "addr": "台北"}'
d = json.loads(s)
print(type(d))
print(d)

注意：

• 使用json.dumps()函数可以将Python数据结构转换为JSON字符串。
• 使用json.loads()函数可以将JSON字符串转换为Python数据结构。
• JSON中的键必须是字符串，因此在Python字典中，键应为字符串。

二 pyecharts模块

2.1 pyecharts概述

• Pyecharts 是一个基于 Python 的用于生成交互式图表的模块。它是对 ECharts 图表库的封装，ECharts 是百度开发的一款功能强大的数据可视化库。
• 通过 Pyecharts，可以在 Python 中轻松地生成各种类型的图表，如折线图、柱状图、饼图、地图等，并且这些图表支持交互和动态效果。

Pyecharts 具有以下特点：

• 提供了多种图表类型，适用于不同的数据展示需求。
• 支持生成静态图像和动态网页交互图表。
• 可以通过链式调用的方式配置图表样式、数据和交互行为。
• 可以与常见的 Python 数据库和数据处理库（如 Pandas）集成。

2.2 pyecharts模块安装

• 方式一：打开终端，使用命令行安装

pip install pyecharts

• 方式二：使用PyCharm进行安装
  
• 配置镜像网站，参看探索Python异常世界：玩转异常、模块与包 6.5 PyCharm配置镜像网站

三 pyecharts快速入门

3.1 基础折线图

"""
演示pyecharts的基础入门
"""
# 导包
from pyecharts.charts import Line
# 创建一个折线图对象
line = Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["中国", "美国", "英国"])
# 给折线图对象添加y轴的数据
line.add_yaxis("GDP", [30, 20, 10])

# 通过render方法，将代码生成为图像
line.render()

3.2 pyecharts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
  • 系列配置选项

3.2.1 全局配置选项

• Pyecharts 提供了一些全局配置选项，可以用来在整个图表中设置一些通用的属性，比如图表标题、图例、工具箱等。这些选项会应用于整个图表，而不仅仅是某个特定系列或组件。
• 全局配置选项可以通过set_global_opts方法来进行配置
  
• 以下是一些常用的全局配置选项及其说明：

1. 标题设置：

title_opts=opts.TitleOpts(title="图表标题", subtitle="副标题")

2. 图例设置：

legend_opts=opts.LegendOpts(type_="scroll", pos_left="center", orient="horizontal")

3. 工具箱设置：

toolbox_opts=opts.ToolboxOpts(is_show=True, feature=opts.ToolBoxFeatureOpts(save_as_image=True))

4. 数据标签设置：

label_opts=opts.LabelOpts(is_show=True, position="top")

5. 全局系列样式设置：

itemstyle_opts=opts.ItemStyleOpts(color="blue", border_color="red")

6. 动画效果设置：

animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")

7. 提示框设置

tooltip_opts=opts.TooltipOpts(
    formatter="{a}: {c}",
)
# formatter 参数可以设置提示框内容的显示格式。{a} 表示数据系列的名称，{c} 表示数据值。

这些全局配置选项通常可以通过 set_global_opts() 方法来应用于整个图表。

以下是一个示例，展示如何在折线图中使用全局配置选项：

# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
# 创建一个折线图对象
line = Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["中国", "美国", "英国"])
# 给折线图对象添加y轴的数据
line.add_yaxis("GDP", [30, 20, 10])

# 设置全局配置项set_global_opts来设置,
line.set_global_opts(
    title_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True),
)

# 通过render方法，将代码生成为图像
line.render()

3.4 折线图相关配置

当使用 add_yaxis 方法来向图表中添加数据系列时，你可以使用一些相关的配置选项来自定义该数据系列的样式、标记点、标签等。以下是一些常用的 add_yaxis 相关配置选项：

3.4.1 .add_yaxis相关配置选项

3.4.2 .set_global_opts全局配置选项

五 综合案例：对比折线图

5.1 数据处理

• 原始数据格式:(使用json工具查看)
  
• 对数据进行整理, 让数据符合json格式

import json
from pyecharts.charts import Line

# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = open("C:/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
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]

5.2 完整代码

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts, LegendOpts, AxisOpts

# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = open("C:/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
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()       # 构建折线图对象
# 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_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%"),
    # x轴配置项
	xaxis_opts=AxisOpts(name="时间"),  # 轴标题
	# y轴配置项
	yaxis_opts=AxisOpts(name="累计确诊人数"),    # 轴标题
	# 图例配置项
	legend_opts=LegendOpts(pos_left='70%'),    # 图例的位置
)

# 调用render方法，生成图表
line.render()
# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()

这篇好文章是转载于：学新通技术网