目录
一、案例三图表介绍
1.2020年印美日新冠累计确诊人数
2020年是新冠疫情爆发的一年，随着疫情的爆发，国内外确诊人数成了大家关心的热点相信大家都有看过类似的疫情报告.本案例对印度美国日本三个国家确诊人数的进行了可视化处理，形成了可视化的疫情确诊人数报告.
2.全国疫情地图可视化
3.动态柱状图
4.使用的技术：pyecharts
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.
二、折线图
1.JSON数据格式
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。
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。
2.Python数据和Json数据的相互转化
Python语言使用JSON有很大优势，因为JSON无非就是一个单独的字典或一个内部元素都是字典的列表；转换中如果有中文，可以带上：ensure_ascii=False参数来确保中文正常转换。
python
"""
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
data = [{"name": "张大山", "age": 11}, {"name": "杨大状", "age": 13}, {"name": "王大锤", "age": 15}]
json_str = json.dumps(data, ensure_ascii=False)
print(json_str)
print(type(json_str))
# 准备字典，将字典转换为JSON
d = {"name": "烙大", "addr": "北京"}
json_str1 = json.dumps(d, ensure_ascii=False)
print(json_str1)
print(type(json_str1))
# 将JSON字符串转换为Python数据类型[{k：V，k：v}，{k：V，k：v}] / s为输出的JSON字符串
s = '[{"name": "张大山", "age": 11}, {"name": "杨大状", "age": 13}, {"name": "王大锤", "age": 15}]'
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}
# 注意：这里的json转换为字典里面必须使用双引号外面使用单引号，否则会报错
k = '{"name": "烙大", "addr": "北京"}'
w = json.loads(k)
print(type(w))
print(w)3.pyecharts模块入门
如果想要做出数据可视化效果图，可以借助pyecharts模块来完成。
pyecharts模块中有很多的配置选项，常用全局配置选项、系列配置选项。
python
"""
pyecharts 入门
"""
# 导包，导入Line功能构建折线图对象；基础折线图
import pyecharts as pye
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
# 创建一个折线图对象
line = pye.charts.Line()
# 给折线图对象添加x轴的数据
line.add_xaxis(["China", "America", "British"])
# 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
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()4.数据预处理
python
import json
# 折线图开发
f_us = open("D:/python study/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()
# 去掉原始数据开头中不合规的部分
us_data = us_data.replace("jsonp_1629344292311_69436(","")
# 去掉原始数据结尾中不合规的部分
us_data = us_data[:-2]
# JSON转Python字典
us_dict = json.loads(us_data)
print(type(us_dict))
print(us_dict)
# 获取trend key
trend_data = us_dict['data'][0]['trend']
print(type(trend_data))
print(trend_data)
x_axis = trend_data['updateDate'][0:314:]
print(x_axis)
# 获取确认数据，用于y轴，取2020年（到314下标结束）
y_axis = trend_data['list'][0]['data'][:314]
print(y_axis)
python
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts, LabelOpts
# 折线图开发
f_us = open("D:/python study/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()
f_jp = open("D:/python study/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()
f_ind = open("D:/python study/印度.txt", "r", encoding="UTF-8")
ind_data = f_ind.read()
# 去掉原始数据开头中不合规的部分
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
ind_data = ind_data.replace("jsonp_1629350745930_63180(", "")
# 去掉原始数据结尾中不合规的部分
us_data = us_data[:-2]
jp_data = jp_data[:-2]
ind_data = ind_data[:-2]
# JSON转Python字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
ind_dict = json.loads(ind_data)
# print(type(us_dict))
# print(us_dict)
# 获取trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
ind_trend_data = ind_dict['data'][0]['trend']
# print(type(us_trend_data))
# print(us_trend_data)
us_x_axis = us_trend_data['updateDate'][0:314:]
jp_x_axis = jp_trend_data['updateDate'][0:314:]
ind_x_axis = ind_trend_data['updateDate'][0:314:]
# print(us_x_axis)
# 获取确认数据，用于y轴，取2020年（到314下标结束）
us_y_axis = us_trend_data['list'][0]['data'][:314]
jp_y_axis = jp_trend_data['list'][0]['data'][:314]
ind_y_axis = ind_trend_data['list'][0]['data'][:314]
# print(us_y_axis)
# 生成图表
line = Line()
line.add_xaxis(us_x_axis) # 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_axis, label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数", jp_y_axis, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", ind_y_axis, label_opts=LabelOpts(is_show=False))
# 设置全局选项
line.set_global_opts(
title_opts=TitleOpts(title="日美印确诊对比图", pos_left="center", pos_bottom="1%")
)
line.render()
f_us.close()
f_jp.close()
f_ind.close()再双击render.html查看即可