第十、十一章 折线图 + 地图 + 柱状图的绘制

embedded/2024/10/22 15:39:03/

 第十章  折线图的绘制

 官网：pyecharts - A Python Echarts Plotting Library built with love.

画廊官网：Document

懒人工具：懒人工具-手机APP工具下载-手机软件下载大全 - 173软件站 (ab173.com)

导学

json

定义

（1）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

（2）JSON本质上是一个带有特定格式的字符串。

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

python数据和json数据的相互转化

python和json格式是可以无缝切换的，json是字符串

json就是把Python中：

  1. 列表（该列表的元素都是字典），把该列表也变成字符串
  2. 字典转化为字符串

python">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": "周杰伦", "addr": "台北"}
json_str = json.dumps(d, ensure_ascii=False)
print(type(json_str))
print(json_str)# 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": "周杰伦", "addr": "台北"}'
d = json.loads(s)
print(type(d))
print(d)
python"><class 'str'>
[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]
<class 'str'>
{"name": "周杰伦", "addr": "台北"}
<class 'list'>
[{'name': '张大山', 'age': 11}, {'name': '王大锤', 'age': 13}, {'name': '赵小虎', 'age': 16}]
<class 'dict'>
{'name': '周杰伦', 'addr': '台北'}

另注：

pyecharts

简介

安装

测试安装成功与否

入门使用

python"># 从pyecharts包中的charts模块中导入Line功能
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%"), # 设置标题：标题名，标题距离左边的距离，标题距离底部的距离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()

pyecharts模块中有很多的配置选项，常用到2个类别的选项包括：

  1. 全局配置选项：针对整个图像进行设置，例如：图像的标题、图例、工具箱等
  2. 系列配置选项：针对具体的轴数据进行设置

全局配置选项

  •       title_opts :表示标题组件的配置项。
  •       legend_opts:表示图例组件的配置项。
  •       tooltip_opts : 表示提示框组件的配置项。
  •       toolbox_opts :表示工具箱组件的配置项。
  •       brush_opts:表示区域选择组件的配置项。
  •       xaxis_opts，yaxis_opts:表示x轴、y轴的配置项。
  •       visualmap_opts :表示视觉映射组件的配置项。
  •       datazoom_opts :表示数据区域缩放组件的配置项。

案例:美、日、印疫情

python">import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts# 处理数据
f_us = open("C:/Users/18757/Desktop/pythontext/美国.txt", "r", encoding = "UTF-8")
us_data = f_us.read()f_jp = open("C:/Users/18757/Desktop/pythontext/日本.txt", "r", encoding = "UTF-8")
jp_data = f_jp.read()f_in = open("C:/Users/18757/Desktop/pythontext/印度.txt", "r", encoding = "UTF-8")
in_data = f_in.read()# 去除开头不要的数据
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
in_data = in_data.replace("jsonp_1629350745930_63180(", "")# 去除结尾不要的数据
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]# json转化为python数据
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)# 获取trend字典数据
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）
x_data = us_trend_data["updateDate"][:314]# 获取疫情数据，用于y轴，取2020年（到314下标结束）
us_y_data = us_trend_data["list"][0]["data"]
jp_y_data = jp_trend_data["list"][0]["data"]
in_y_data = in_trend_data["list"][0]["data"]# 生成图表
line = Line()# 添加x轴数据
line.add_xaxis(x_data)# 添加y轴数据
line.add_yaxis("美国确诊人数",us_y_data, label_opts=False) # label_opts是控制数值是否显示的
line.add_yaxis("日本确诊人数",jp_y_data, label_opts=False)
line.add_yaxis("印度确诊人数",in_y_data, label_opts=False)# 设置全局配置项set_global_opts来设置
line.set_global_opts(title_opts=TitleOpts(is_show=True,title="2020年美日印三国确诊人数对比折线图",pos_bottom="1%",pos_left="center")
)line.render()

 第十一章  地图的绘制

基础地图使用

python">
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map = Map()data = [("北京市", 99),("上海市", 199),("湖南省", 299),("台湾省", 399),("广东省", 499)
]
map.add("测试地图", data, "china")
map.set_global_opts(visualmap_opts=VisualMapOpts(is_show=True,is_piecewise=True,  # 表示需要设置视觉映射组件的显示范围pieces=[            # 开始设置视觉映射组件的显示范围{"min":1, "max":9, "label":"1-9","color":"#275612"},{"min":10, "max":99, "label":"10-99","color":"#FFE4B5"},{"min":100, "max":500, "label":"100-500","color":"#E6E6FA"},])
)map.render()

全国疫情地图构建

python">import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts
# 读取数据文件
f = open("C:/Users/18757/Desktop/pythontext/疫情.txt", "r", encoding = "UTF-8")
data = f.read()# 关闭文件
f.close()# 将字符串json转换为python的字典
data_dict = json.loads(data)# 从字典中取到各省数据
province_data_list = data_dict["areaTree"][0]["children"]# 组装每个省份和确诊人数为元组、并各个省的数据都封装入列表内
data_list = []
for province_data in province_data_list:province_name = province_data["name"] + "省"province_confirm = province_data["total"]["confirm"]data_list.append((province_name, province_confirm))
# 创建地图对象
map = Map()# 添加数据
map.add("各省份确诊人数", data_list, "china")# 设置全局配置、定制分段的视觉映射
map.set_global_opts(title_opts = TitleOpts("全国疫情地图"),visualmap_opts = VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1, "max":99, "label":"1-99人","color":"#CCFFFF"},{"min":100, "max":999, "label":"1-999人","color":"#FFFF99"},{"min":1000, "max":4999, "label":"1000-4999人","color":"#FF9966"},{"min":5000, "max":9999, "label":"5000-9999人","color":"#FF6666"},{"min":10000, "max":99999, "label":"10000-99999人","color":"#CC3333"},{"min":100000, "label":"100000+","color":"#990033"},])
)# 绘图
map.render("全国疫情地图.html")

python">import json
from pyecharts.charts import Map
from pyecharts.options import TitleOpts, VisualMapOpts
# 读取数据文件
f = open("C:/Users/18757/Desktop/pythontext/疫情.txt", "r", encoding = "UTF-8")
data = f.read()# 关闭文件
f.close()# 将字符串json转换为python的字典
data_dict = json.loads(data)# 从字典中取到河南省数据
henan_province_data_list = data_dict["areaTree"][0]["children"][3]["children"]
# 组装河南省每个城市名字和该城市确诊人数为元组、并将该元组都封装入列表内
data_list = []
for henan_province_data in henan_province_data_list:henan_province_name = henan_province_data["name"] + "市"henan_province_confirm = henan_province_data["total"]["confirm"]data_list.append((henan_province_name, henan_province_confirm))
# 创建地图对象
map = Map()# 添加数据
map.add("河南省确诊人数", data_list, "河南")# 设置全局配置、定制分段的视觉映射
map.set_global_opts(title_opts = TitleOpts("河南省疫情地图"),visualmap_opts = VisualMapOpts(is_show=True,is_piecewise=True,pieces=[{"min":1, "max":99, "label":"1-99人","color":"#CCFFFF"},{"min":100, "max":999, "label":"1-999人","color":"#FFFF99"},{"min":1000, "max":4999, "label":"1000-4999人","color":"#FF9966"},{"min":5000, "max":9999, "label":"5000-9999人","color":"#FF6666"},{"min":10000, "max":99999, "label":"10000-99999人","color":"#CC3333"},{"min":100000, "label":"100000+","color":"#990033"},])
)# 绘图
map.render("河南省疫情地图.html")

第十二章 柱状图的构建

基础柱状图

python"># 使用Bar构建基础柱状图
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
bar = Bar()
# 添加x轴的数据
bar.add_xaxis(["中国", "美国", "英国"])
# 添加y轴的数据
bar.add_yaxis("GDP",[30, 20, 10], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
# 反转x轴和y轴
bar.reversal_axis()bar.render("基础柱状图.html")

基础时间线柱状图创建

设置自动播放

时间线设置主题

python"># 使用Bar构建基础柱状图
from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeTypebar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国"])
bar1.add_yaxis("GDP",[30, 20, 10], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar1.reversal_axis()bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国"])
bar2.add_yaxis("GDP",[50, 50, 50], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar2.reversal_axis()bar3 = Bar()
bar3.add_xaxis(["中国", "美国", "英国"])
bar3.add_yaxis("GDP",[70, 60, 60], label_opts=LabelOpts(position="right")) # 设置数值标签在右侧
bar3.reversal_axis()# 构建时间线对象，并对主题进行设置
timeline = Timeline({"theme": ThemeType.LIGHT})
# 在时间线内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")
# 自动播放设置
timeline.add_schema(play_interval=1000,     #自动播放的时间间隔，单位毫秒is_timeline_show=True,  # 是否在自动播放的时候，显示时问线is_auto_play=True,      #是否自动播放is_loop_play=True# 是否循环自动播放
)
# 绘图使用时间线绘图
timeline.render("基础时间线柱状图创建.html")

动态GDP柱状图绘制

  


http://www.ppmy.cn/embedded/10532.html

相关文章

数据可视化（五）：Pandas高级统计——函数映射、数据结构、分组聚合等问题解决，能否成为你的工作备用锦囊？

数据可视化（五）：Pandas高级统计——函数映射、数据结构、分组聚合等问题解决，能否成为你的工作备用锦囊？

Tips&#xff1a;"分享是快乐的源泉&#x1f4a7;&#xff0c;在我的博客里&#xff0c;不仅有知识的海洋&#x1f30a;&#xff0c;还有满满的正能量加持&#x1f4aa;&#xff0c;快来和我一起分享这份快乐吧&#x1f60a;&#xff01; 喜欢我的博客的话&#xff0c;记得…
阅读更多...
Linux i2c-tool工具基础使用

Linux i2c-tool工具基础使用

一.i2cdetect i2cdetect 是一个用户空间程序&#xff0c;用于扫描 I2C 总线上的设备。它输出一个表格&#xff0c;其中包含指定总线上检测到的设备列表。以下是 i2cdetect 的使用方法&#xff1a; 运行扫描&#xff1a; 要执行 I2C 扫描&#xff0c;请使用以下命令&#xff1…
阅读更多...
【GD32】_时钟架构及系统时钟频率配置

【GD32】_时钟架构及系统时钟频率配置

文章目录 一、有关时钟源二、系统时钟架构三、时钟树分析四、修改参数步骤1、设置外部晶振2、选择外部时钟源。3、 设置系统主频率大小4、修改PLL分频倍频系数 学习系统时钟架构和时钟树&#xff0c;验证及学习笔记如下&#xff0c;如有错误&#xff0c;欢迎指正。主要记录了总…
阅读更多...
分布式与微服务的区别

分布式与微服务的区别

首先分布式是一种系统部署模式&#xff0c;将一个系统分成多个不分进行运行。而微服务架构是一种更加精细化的设计方法&#xff0c;它是分布式的一个分支&#xff0c;主要强调将一个单体应用拆分成一组小型松耦合的服务&#xff0c;每个服务专注于单一业务功能并能够独立部署和…
阅读更多...
仓储管理解决方案：混合低代码与定制开发，实现高灵活性与高效率

仓储管理解决方案：混合低代码与定制开发，实现高灵活性与高效率

引言 在当今竞争激烈的商业环境中&#xff0c;仓储管理成为了企业供应链中不可或缺的一环。有效的仓储管理不仅可以帮助企业降低库存成本、提高库存周转率&#xff0c;还能够提升客户满意度和整体运营效率。然而&#xff0c;随着市场需求的不断变化和业务规模的不断扩大&#…
阅读更多...
面试官竟然是个小黑子，问我用过状态机吗

面试官竟然是个小黑子，问我用过状态机吗

状态机的组成 状态机是一种抽象的数学模型&#xff0c;描述了对象或系统在特定时间点可能处于的各种状态以及状态之间的转换规则。它由一组状态、事件、转移和动作组成&#xff0c;用于模拟对象在不同条件下的行为和状态变化。 状态机包括以下基本组成部分&#xff1a; 状态&…
阅读更多...
SpringBoot常用20个注解及其作用

SpringBoot常用20个注解及其作用

1、SpringBootApplication: 这是一个组合注解&#xff0c;包括了Configuration、EnableAutoConfiguration 和 ComponentScan。它标识了一个主程序类&#xff0c;用于启动 Spring Boot 应用。 2、RestController: 这个注解用于标识一个类&#xff0c;表示这个类中的所有方…
阅读更多...
Office疑难杂症-Word页码重复无法修改

Office疑难杂症-Word页码重复无法修改

在现代办公环境中&#xff0c;Microsoft Office 套件扮演着不可或缺的角色&#xff0c;尤其是 Word 文档处理软件&#xff0c;在日常生活和工作中的应用广泛。然而&#xff0c;即使是这样成熟的软件&#xff0c;也不免有一些令人头疼的技术问题。本文将详细介绍如何解决Word中页…
阅读更多...
最新文章

Copyright @ 2022~2023