Day7--python - 技术栈

1,JSON数据格式

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

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

json用处：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，而其他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得到互相传递数据，JSON就是一种非常良好的中转数据格式

json格式数据转化

2.pyecharts

Echarts是个由百度开源的数据可视化，凭借着良好的交互性，精巧的图标设计，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诞生了官网：pyecharts.org

安装pyecharts：pip install pyecharts

打开官方画廊：https://gallery.pyecharts.org/#/README

3.pyecharts快速入门

1.构建一个基础的折线图

代码案例：美日印三国GDP对比

python 复制代码

# 导包
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

# 处理数据/打开文件
# 美国
f_us = open("D.美国.text","r",encoding="utf-8")
us_data = f_us.read()
# 日本
f_jp = open("D.日本.text","r",encoding="utf-8")
jp_data = f_jp.read()
# 印度
f_in = open("D.印度.text","r",encoding="utf-8")
in_data = f_in.read()

# 去掉不合json的开头
us_data = us_data.replace("美国前面的数字","")
jp_data = jp_data.replace("日本前面的数字","")
in_data = in_data.replace("印度前面的数字","")
# 去掉不合json的结尾
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]
# 转为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(到下标314结束)
x_us_data = us_trend_data["updateDate"][:314]
x_jp_data = jp_trend_data["updateDate"][:314]
x_in_data = in_trend_data["updateDate"][:314]
# 获取确认数据，用于y轴，取2020年(到下标)
y_us_data = us_trend_data["list"][0]["data"][:314]
y_jp_data = jp_trend_data["list"][0]["data"][:314]
y_in_data = in_trend_data["list"][0]["data"][:314]

# 设置全局选项
line.set_global_opts(
    # 标题设置
    title_opts = TitleOpts(title="美日印疫情感染人数(至2020年)",pos_left="center",pos_top="10%"),
    legend_opts = LegendOpts(is_show=True),     # 图例
    toolbox_opts = ToolboxOpts(is_show=True),   # 工具箱
    visualmap_opts = VisualMapOpts(is_show=True)   #视觉映射
)

# 生成图表
line = Line()

# 添加x轴数据
line.add_xaxis(x_us_data)   # x轴是公用的
# 添加y轴数据(设置图例属性，False表示常态不显示，鼠标悬浮显示)
line.add_yaxis("美国确诊人数",y_us_data,label_opts=LabelOpts(is_show=False))  # 添加美国y轴数据
line.add_yaxis("日本确诊人数",y_jp_data,label_opts=LabelOpts(is_show=False))  # 添加日本y轴数据
line.add_yaxis("印度确诊人数",y_in_data,label_opts=LabelOpts(is_show=False))  # 添加印度y轴数据

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

pyecharts的配置选项

pyecharts模块中有很多的配置选项，常用2个类别的选项：

全局配置选项：全局配置可以通过set_global_opts来配置

系列配置选项

2.基础地图构建

基础地图演示：视觉映射器

例示：

python 复制代码

# 导包
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

# 准备地图对象
map = Map()
# 准备数据
data = [
    ("北京市" ,99),
    ("上海市",199),
    ("湖南省",299),
    ("江西省",199),
    ("广东省",399)
]
# 添加数据
map.add("测试用",data,"china")
# 配置全局属性
map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1,"max" : 99,"label": "1-99","color":"#AAAAAA"},
            {"min": 100,"max": 199,"label": "100-199","color":"#BBBBBB"},
            {"min": 200,"max":299,"label": "200-299","color":"#CCCCCC"},
            {"min": 300,"max":399,"label": "300-399","color":"#DDDDDD"}
        ]
    )
)
# 绘图
map.render()

全国地图案例：

python 复制代码

# 导包
import json
from pyecharts.charts import Map
from pyecharts.options import *
# 读取数据文件
f = open("D:/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字典
data_dict = json.loads(data)
# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]
# 通过for循环取到所有省份的数据
data_list = []
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    data_list.append((province_name, province_confirm))

# 设置地图对象
map = Map()
# 添加数据
map.add("各省份确诊人数",data_list,"china")
# 设置全局选项
map.set_global_opts(
        title_opts = TitleOpts(title="全国疫情地图"),  # 标题
        visualmap_opts=VisualMapOpts(
            is_show=True,       # 是否显示
            is_piecewise=True,  # 是否分段
            pieces=[
                {"min": 1,"max": 99,"lobel":"1-99人","color": "#CCFFFF"},
                {"min": 100,"max": 999,"lobel":"100-999人","color": "#FFFF99"},
                {"min": 1000,"max": 4999,"lobel":"1000-4999人","color": "#FF9966"},
                {"min": 5000,"max": 9999,"lobel":"5000-9999人","color": "#FF6666"},
                {"min": 10000,"max": 99999,"lobel":"10000-99999人","color": "#CC3333"},
                {"min": 100000,"lobel":">100000人","color": "#990033"},
            ]
        )
)

# 绘图
map.render("map.html")

地方省市地图案例（河南省）：

python 复制代码

# 导包
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取文件
f = open("D:/疫情.txt","r",encoding="utf-8")
data = f.load(f)
# 关闭文件
f.close()

# 获取省市数据
# json字符串转python字典
data_dict = json.loads(data)
# 取数据
cities_data = data_dict["areaTree"][0]["children"][3]["children"]

# for循环得到各个城市的数据
data_dict = []
for city_data in cities_data:
    city_name = city_data["name"] + "市"
    city_comfirm = city_data["total"]["comfirm"]
    data_dict.append((city_name, city_comfirm))

# 构建地图
map = Map()
# 添加数据
map.add("河南省疫情分布",data_dict,"河南")

# 设置全局选项
map.set_global_opts(
        title_opts = TitleOpts(title="河南省疫情地图"),  # 标题
        visualmap_opts=VisualMapOpts(
            is_show=True,       # 是否显示
            is_piecewise=True,  # 是否分段
            pieces=[
                {"min": 1,"max": 99,"lobel":"1-99人","color": "#CCFFFF"},
                {"min": 100,"max": 999,"lobel":"100-999人","color": "#FFFF99"},
                {"min": 1000,"max": 4999,"lobel":"1000-4999人","color": "#FF9966"},
                {"min": 5000,"max": 9999,"lobel":"5000-9999人","color": "#FF6666"},
                {"min": 10000,"max": 99999,"lobel":"10000-99999人","color": "#CC3333"},
                {"min": 100000,"lobel":">100000人","color": "#990033"},
            ]
        )
)

# 绘图
map.render("河南省疫情地图.html")

3.动态柱状图开发

例示代码：

python 复制代码

# 导包
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts

# 使用Bar构建基础柱状图
bar = Bar()
# 添加x轴数据
bar.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(
    position="right"
))

# 反转x轴和y轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")

创建时间线

设置自动播放

时间线设置主题

实例：

python 复制代码

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts

# 使用Bar构建基础柱状图
# 第一年
bar1 = Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(
    position="right"
))
bar1.reversal_axis()
# 第二年
bar2 = Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP", [50, 30, 20], label_opts=LabelOpts(
    position="right"
))
bar2.reversal_axis()
# 第三年
bar3 = Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP", [60, 40, 30], label_opts=LabelOpts(
    position="right"
))
bar3.reversal_axis()

# 构建时间线对象
timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 主题为颜色蓝黄粉，备注高亮颜色
)
# 在时间线内添加柱状图对象
timeline.add(bar1,"第一年")
timeline.add(bar2,"第二年")
timeline.add(bar3,"第三年")
# 绘图用时间线对象绘图
timeline.render("基础时间线柱状图.html")
# 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,  # 是否在自动播放时，显示时间线
    is_auto_play=True,      # 是否自动播放
    is_loop_play=True       # 是否循环自动播放
)

# 绘图
# bar.render("基础柱状图.html")

在正式写GDP数据之前，我们还要先学习列表的sort方法

案例需求：

代码

python 复制代码

# 导包
import json
from pyecharts.charts import Bar,Timeline
from pyecharts.options import *

# 打开文件
f = open("D:/1960-2019全国GDP数据.csv","r",encoding="GB2312")
data_lines = f.readlines()
# 关闭文件
f.close()

# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储，格式为：
# {年份:[[国家,GDP],[国家,GDP],[国家,GDP],...], 年份:[[国家,GDP],[国家,GDP],[国家,GDP],...],......}
# 定义一个空字典存储
data_dict = {}
# for循环拿到每一行数据
for line in data_lines:
    year = int(line.split(",")[0])  # 年份
    country = line.split(",")[1]    # 国家
    gdp = float(line.split(",")[2]) # gdp数据
    # 如何判断字典里面有没有指定的key？
    try:
        data_dict[year].append([country,gdp])
    except keyError:
        data_dict[year] = []
        data_dict[year].append([country,gdp])

# 创建时间线对象
timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 主题为颜色蓝黄粉，备注高亮颜色
)

# 排序年份
sorted_year_list = sorted(data_dict.keys())
# for循环依次取出
for year in sorted_year_list:
    data_dict[year].sort(key = lambda x:x[1],reverse = True)    # 将数据按GDP大小排序
    # 取出本年份前八名的国家
    year_data = data_dict[year][0,8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1] / 100000000)   # y轴添加gdp数据

    # 构建柱状图
    bar = Bar()
    # 反转设置最高GDP在最上面
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)",y_data,label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图标的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球GDP前8国家")
    )

    # 在时间线内添加柱状图对象
    timeline.add(bar, str(year))

# 时间线设置自动播放
timeline.add_schema(
    play_interval=1000,     # 自动播放的时间间隔(单位毫秒)
    is_timeline_show=True,  # 是否在自动播放时，显示时间线
    is_auto_play=True,      # 是否自动播放
    is_loop_play=False       # 是否循环自动播放
)

# 绘图
timeline.render("1960-2019全球GDP前8国家.html")