Python入门到精通(九)——Python数据可视化

Python数据可视化

一、JSON数据格式

1、定义

2、python数据和JSON数据转换

二、pyecharts

三、折线图

四、地图

五、动态柱状图

一、JSON数据格式

1、定义

  • 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
  • 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

2、python数据和JSON数据转换

如果有中文可以带上：ensure_ascii=False参数来确保中文正常转换

二、pyecharts

  • 安装pyecharts

     pip install pyecharts

  • 打开官方画廊：

    https://gallery.pyecharts.org/#/README

三、折线图

  • 导入模块：from pyecharts.charts import Line
  • 构建图表：line = Line( )
  • 生成图表：line.render( )
  • 全局配置：line.set_global_opts( )

折线图相关配置项

.add_yaxis相关配置选项

.set_global_opts全局配置选项

案例

需求：美日印三国确诊人数对比折线图

代码示例

# 导入包
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts# 处理数据
f_us = open("F:/学习资料/Python/黑马/资料/可视化案例数据/折线图数据/美国.txt", "r", encoding="utf-8")
us_data = f_us.read()  # 美国的全部内容f_jp = open("F:/学习资料/Python/黑马/资料/可视化案例数据/折线图数据/日本.txt", "r", encoding="utf-8")
jp_data = f_jp.read()  # 日本的全部内容f_in = open("F:/学习资料/Python/黑马/资料/可视化案例数据/折线图数据/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(公用)
us_x_data = us_trend_data['updateDate'][:314]  # 到12.31号
# jp_x_data = jp_trend_data['updateDate'][:314]  # 到12.31号
# in_x_data = in_trend_data['updateDate'][:314]  # 到12.31号
# 获取确诊数据，用于y轴，取2020年
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
# 添加y轴数据
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))# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)
# 调用render方法生成图表
line.render("美日印三国确诊人数对比折线图.html")
# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()

运行结果

生成一个 美日印三国确诊人数对比折线图.html 文件

四、地图

  • 导入模块：from pyecharts.charts import Map
  • 构建图表：map = Map( )
  • 生成图表：map.render( )
  • 全局配置：map.set_global_opts( )

案例

需求：全国疫情地图

代码示例

# 导入模块
import json
from pyecharts.charts import Map
from pyecharts.options import *# 读取数据文件
f = open("F:/学习资料/Python/黑马/资料/可视化案例数据/地图数据/疫情.txt", "r", encoding="utf-8")
data = f.read()
# 关闭文件
f.close()
# 取到各省数据
# 将字符串json，转换为字典
data_dict = json.loads(data)
# 从字典中取各省份数据
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 = []  # 绘图所需要的数据列表
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))
# 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(title="全国疫情地图"),visualmap_opts=VisualMapOpts(is_show=True,  # 是否显示is_piecewise=True,  # 是否分段pieces=[{"min": 1, "max": 99, "label": "1-99人", "color": "#CCFFFF"},{"min": 100, "max": 990, "label": "100-999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人以上", "color": "#990033"}])
)
# 绘图
map.render("全国疫情地图.html")

运行结果

生成一个 全国疫情地图.html 文件

五、动态柱状图

  • 导入模块：from pyecharts.charts import Bar，Timeline
  • 构建图表：bar= Bar( )
  • 创建时间线：timeline = Timeline( )
  • 生成图表：bar.render( )
  • 标签在右侧：label_opts=LabelOpts(position="right")
  • 反转x轴：bar.reversal_axis( )

案例

需求：动态GDP柱状图

代码示例

# 导入模块
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *# 读取数据
f = open("F:/学习资料/Python/黑马/资料/可视化案例数据/动态柱状图数据/1960-2019全球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：
# 定义一个字典对象
data_dict = {}
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})
# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:data_dict[year].sort(key=lambda element: element[1], reverse=True)# 取出本年前8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] / 10000000)  # y轴添加gdp数据# 构建柱状图bar = Bar()x_data.reverse()y_data.reverse()bar.add_xaxis(x_data)bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))bar.reversal_axis()# 设置每一年标题bar.set_global_opts(title_opts=TitleOpts(title=f"{year}年全球前8GDP数据"))timeline.add(bar, str(year))# 设置时间线自动播放
timeline.add_schema(play_interval=1000,is_timeline_show=True,is_auto_play=True,is_loop_play=False
)
# 绘图
timeline.render("1960-2019全球GDP前8国家.html")

运行结果

生成一个 1960-2019全球GDP前8国家.html 文件

                                                       想要案例资料可以私信我~

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/708762.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

小程序 API 能力汇总——TYML NodesRef API

小程序 API 能力汇总——TYML NodesRef API

NodesRef 用于获取 TYML 节点信息的对象 方法 SelectorQuery NodesRef.fields(Object fields, NodesRef.FieldsCallback callback) 获取节点的相关信息。需要获取的字段在 fields 中指定。返回值是 nodesRef 对应的 selectorQuery SelectorQuery NodesRef.boundingClientR…
阅读更多...
嘴尚绝卤味传统与创新的完美结合

嘴尚绝卤味传统与创新的完美结合

在当下这个美食文化丰富多彩的时代，卤味作为一种深受大众喜爱的食品，不仅承载着传统的烹饪智慧，更在不断创新中展现出新的魅力。嘴尚绝卤味，作为卤味市场中的佼佼者，凭借其独特的优势，正逐渐成为消费者心中…
阅读更多...
java高级——动态代理

java高级——动态代理

目录 动态代理介绍明星代理案例实现案例分析动态代理应用场景 动态代理介绍 用一个明星的案例来解释动态代理的流程。 假设现在有一个明星坤坤，它有唱歌和跳舞的本领，作为明星是要用唱歌和跳舞来赚钱的。但是每次做节目，唱歌的时候要准备话…
阅读更多...
阿里云2024年服务器2核4G配置评测_CPU内存带宽_优惠价格

阿里云2024年服务器2核4G配置评测_CPU内存带宽_优惠价格

阿里云2核4G服务器多少钱一年？2核4G服务器1个月费用多少？2核4G服务器30元3个月、85元一年，轻量应用服务器2核4G4M带宽165元一年，企业用户2核4G5M带宽199元一年。本文阿里云服务器网整理的2核4G参加活动的主机是ECS经济型e实例和u1…
阅读更多...
卢森堡比利时土耳其媒体宣发稿助力跨境出海推广新闻营销

卢森堡比利时土耳其媒体宣发稿助力跨境出海推广新闻营销

【本篇由言同数字科技有限公司原创】随着全球化进程的加速，越来越多的品牌开始考虑在海外市场扩展业务。对于品牌来说，跨境海外推广是必要的，因为它可以帮助品牌打开更大的市场、吸引更多的消费者、提高品牌知名度和形象，并在全球…
阅读更多...
Linux磁盘性能方法以及磁盘io性能分析

Linux磁盘性能方法以及磁盘io性能分析

Linux磁盘性能方法以及磁盘io性能分析 1. fio压测1.1. 安装fio1.2. bs 4k iodepth 1：随机读/写测试，能反映硬盘的时延性能1.3. bs 128k iodepth 32：顺序读/写测试，能反映硬盘的吞吐性能 2. dd压测2.1. 测试纯写入性能2.2. 测试…
阅读更多...
MurmurHash算法

MurmurHash算法

MurmurHash：(multiply and rotate) and (multiply and rotate) Hash，乘法和旋转的hash 算法。 一、哈希函数 散列函数（英语：Hash function）又称散列算法、哈希函数，是一种从任何一种数据中创建小的数字“…
阅读更多...
抖音小店新店没有体验分怎么办？怎么从零做体验分？新手商家速看

抖音小店新店没有体验分怎么办？怎么从零做体验分？新手商家速看

大家好，我是电商花花。 新手开店的体验分都不是很高，我们想要做店铺体验分都要从零开始做。 如果新手开店不需要怎么出体验分，不知道怎么提高店铺体验分的，都可以看一下今天的文章，教大家怎么做店铺的体验分。 首先&…
阅读更多...
基于springboot + vue实现的前后端分离-汽车票网上预定系统（项目 + 论文）

基于springboot + vue实现的前后端分离-汽车票网上预定系统（项目 + 论文）

项目介绍 系统是一个B/S模式系统，采用Spring Boot框架，MySQL 数据库设计开发，充分保证系统的稳定性。系统具有界面清晰、操作简单，功能齐全的特点，使得汽车票网上预订系统管理工作系统化、规范化。本系统的使用使管理人…
阅读更多...
JVM——JVM与Java体系结构

JVM——JVM与Java体系结构

文章目录 1、Java及JVM简介1.1、Java是跨平台的语言1.2、JVM是跨语言的平台 2、Java发展里程碑3、Open JDK和Oracle JDK4、虚拟机与JVM4.1、虚拟机4.2、JVM 5、JVM整体结构6、Java代码执行流程7、JVM的架构模型7.1、基于栈式架构的特点7.2、基于寄存器架构的特点 8、JVM的生命周…
阅读更多...
React.FC详细说明以及案例

React.FC详细说明以及案例

React.FC是React中用于定义函数式组件的一种类型。它是React.FunctionComponent的缩写，表示一个接收props作为输入并返回JSX元素的函数组件。React.FC提供了一种在TypeScript中使用的方式，允许我们为组件提供props的类型定义，并且可以利用Typ…
阅读更多...
Unity3D 兰伯特漫反射光照模型详解

Unity3D 兰伯特漫反射光照模型详解

前言 Unity3D 提供了丰富的功能和工具，让开发者可以轻松创建出高质量的游戏。其中，光照模型是游戏中非常重要的一部分，它可以让游戏场景看起来更加真实和生动。在 Unity3D 中，我们可以使用不同的光照模型来实现不同的效果&#x…
阅读更多...
网络基本类型

网络基本类型

机器之间的通信是一个复杂的过程，它体现了大问题的复杂性。本章主要从“模型和结构”的计算思维概念，介绍网络通信的方法；并且用“安全”的概念，介绍网络攻击的防护方法，以及信息的加密和解密。 ▶1.互联网的发展 19…
阅读更多...
嵌入式驱动学习第一周——定时器与延时函数

嵌入式驱动学习第一周——定时器与延时函数

前言 这篇博客一起学习定时器，定时器是最常用到的功能之一，其最大的作用之一就是提供了延时函数。 嵌入式驱动学习专栏将详细记录博主学习驱动的详细过程，未来预计四个月将高强度更新本专栏，喜欢的可以关注本博主并订阅本专栏&…
阅读更多...
刷题第3天（基础理论）：链表基础理论

刷题第3天（基础理论）：链表基础理论

1.链表定义：链表是一种通过指针串联在一起的线性结构。每个节点由两部分组成，一个是数据域，一个是指针域（存放指向下一个节点的指针），最后一个节点的指针域指向null（空指针的意思） …
阅读更多...
cRIO9040中NI9871模块的测试

cRIO9040中NI9871模块的测试

硬件准备 CompactRIO9040NI9871直流电源（可调）网线RJ50转DB9线鸣志STF03-R驱动器和步进电机 软件安装 参考：cRIO9040中NI9381模块的测试 此外，需安装NI-Serial 9870和9871扫描引擎支持 打开NI Measurement＆Automa…
阅读更多...
Docke相关命令总结

Docke相关命令总结

docker systemctl 相关 commanddetailsudo systemctl start docker启动dockersudo systemctl stop docker停止dockersudo systemctl restart docker重启dockersudo systemctl status docker查看docker状态 镜像相关 commanddetaildocker search 镜像名称搜索镜像docker pull …
阅读更多...
多线程爬虫基础代码

多线程爬虫基础代码

#导入线程模块 import threading def coding(): #定义 coding 函数，用于打印字符串 "aaa" 十次for i in range(10):print("aaa")def ac(): #定义 ac 函数，用于打印字符串 "bbbb" 十次&a…
阅读更多...
jetson nano——编译安装opencv-python==4.3.0.38

jetson nano——编译安装opencv-python==4.3.0.38

目录 1.下载源码，我提供的链接如下：2.解压文件3.安装依赖scikit4.安装opencv-python5.查看opencv-python版本 系统：jetson-nano-jp451-sd-card-image ubuntu 18.04 1.下载源码，我提供的链接如下： 链接：http…
阅读更多...
网络：IPv6

网络：IPv6

1、由于IPv4地址资源枯竭，所以产生了IPV6。 版本长度地址数量IPv432 bit4 294 967 296IPv6128 bit340 282 366 920 938 463 374 607 431 768 211 456 2、IPv6的基本报头在IPv4报头基础上，增加了流标签域，去除了一些冗余字段，使报…
阅读更多...
最新文章

Copyright @ 2022~2023