Python数据可视化案例——折线图

json介绍：

Pyecharts介绍

安装pyecharts包

构建一个基础的折线图

配置全局配置项

综合案例：

[使用工具对数据进行查看：](#使用工具对数据进行查看：)

数据处理

json介绍：

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文本格式来存储和表示数据。不同语言格式之间通过json进行转化，json本质上为字符串。

下面演示使用json进行数据格式的转化。

python转为json使用json的dumps方法。

代码演示：

复制代码

import json
# python转为json
# 列表转化
data =[{"name":"张三","age":12},{"name":"王五","age":13},{"name":"李四","age":14}]
json_str1=json.dumps(data,ensure_ascii= False) # ensure_ascii= false，让中文内容直接输出不转换为码
print(type(json_str1))
print(json_str1)

# 字典转化
d={'name':'李四','age':12}
json_str2=json.dumps(d,ensure_ascii= False)
print(type(json_str2))
print(json_str2)

运行结果：

反过来，json转为python使用json的loads方法。

代码演示：

复制代码

data ='[{"name":"张三","age":12},{"name":"王五","age":13},{"name":"李四","age":14}]'
list1=json.loads(data)
print(type(list1))
print(list1)

运行结果：

Pyecharts介绍

Pyecharts是一个基于Python的开源数据可视化库，它用于创建交互式的图表和图形。Pyecharts可以生成各种类型的图表，包括折线图、柱状图、散点图、饼图等。它提供了丰富的图表样式和配置选项，使用户能够自定义图表的外观和行为。

打开pyecharts查看官方示例。

安装pyecharts包

构建一个基础的折线图

代码：

复制代码

from pyecharts.charts import Line

line = Line()
# 添加x轴数据
line.add_xaxis(['中国','美国','日本'])
# 添加y轴数据
line.add_yaxis('GDP',[30,20,10])
# 查看图像
line.render()

运行代码会发现出现一个html结尾的网页文件。

选择一个浏览器打开。

效果如下图。

配置全局配置项

通过导入包的更多功能添加一些更多的属性.

复制代码

from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts# 引入标题

line = Line()
# 添加x轴数据
line.add_xaxis(['中国','美国','日本'])
# 添加y轴数据
line.add_yaxis('GDP',[30,20,10])

# 设置全局配置项
line.set_global_opts(
    # 设置标题，并且控制位置
    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),
)
# 查看图像
line.render()

效果图：

综合案例：

生成2022年美日印新冠疫情确诊人数折线对比图。

使用工具对数据进行查看：

准备好的文件中的json数据如下：

在abc173网站中对该json数据格式化，直观看出层次结构（点击json视图工具）。

数据处理：

我们需要获取json数据中的2020年的日期作为x轴，该年的确诊人数作为y轴。

美国数据处理的代码演示：

复制代码

# 读取json文件
f_us =open('D:/美国.txt','r',encoding='UTF-8')
us_data=f_us.read()
# 去掉开头和结尾不规范字符
us_data=us_data.replace('jsonp_1629344292311_69436(','')
us_data=us_data[:-2]

# json转python字典
us_dict=json.loads(us_data)

# 获取trend key
us_trend=us_dict['data'][0]['trend']

# 获取日期数据，用于x轴，取2020年
us_x_data=us_trend['updateDate'][:314]
# 验证 print(us_x_data)

# 获取确诊人数数据，用于y轴,取2020年
us_y_data=us_trend['list'][0]['data'][:314]
# 验证 print(us_y_data)

同样的对日本和印度的json数据进行相应的处理。

复制代码

import json

from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts# 引入标题

# 读取json文件
f_us =open('D:/美国.txt','r',encoding='UTF-8')
us_data=f_us.read()

f_jp =open('D:/日本.txt','r',encoding='UTF-8')
jp_data=f_jp.read()

f_in =open('D:/印度.txt','r',encoding='UTF-8')
in_data=f_in.read()

# 去掉开头和结尾不规范字符
us_data=us_data.replace('jsonp_1629344292311_69436(','')
us_data=us_data[:-2]

jp_data=jp_data.replace('jsonp_1629350871167_29498(','')
jp_data=jp_data[:-2]

in_data=in_data.replace('jsonp_1629350745930_63180(','')
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=us_dict['data'][0]['trend']
jp_trend=jp_dict['data'][0]['trend']
in_trend=in_dict['data'][0]['trend']

# 获取日期数据，用于x轴，取2020年
us_x_data=us_trend['updateDate'][:314]
jp_x_data=jp_trend['updateDate'][:314]
in_x_data=in_trend['updateDate'][:314]

# 获取确诊人数数据，用于y轴,取2020年
us_y_data=us_trend['list'][0]['data'][:314]
jp_y_data=jp_trend['list'][0]['data'][:314]
in_y_data=in_trend['list'][0]['data'][:314]

# 生成图表
line=Line()

line.add_xaxis(us_x_data) # x轴数据共用
line.add_yaxis("美国确诊人数",us_y_data)
line.add_yaxis("日本确诊人数",jp_y_data)
line.add_yaxis("印度确诊人数",in_y_data)

# 设置标题，注意标题一定在全局属性中设置
line.set_global_opts(
    title_opts=TitleOpts(title='2022年美日印新冠疫情确诊人数对比图',pos_left='center',pos_bottom='1%' 
))


# 查看图像
line.render()

# 关闭文件
f_us.close()
f_jp.close()
f_in.close()

运行代码得到下图。

我们可以看到当前图线的数字太多不太美观，通过设置系列属性来去掉混合数字，ctrl+p查看所有功能找到label_opts。

复制代码

# 修改y轴数据代码
line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))

可以看到数字消失了，图表清爽了很多。

以上内容仅是对 JSON 数据格式转化以及 Pyecharts 库使用的简单演示。希望这样的分享能给您带来帮助，也期待能获得您的投币点赞支持，感谢！

Python数据可视化案例——折线图

json介绍：

Pyecharts介绍

安装pyecharts包

构建一个基础的折线图

配置全局配置项

综合案例：

使用工具对数据进行查看 ：

数据处理：

使用工具对数据进行查看：