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

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...
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...
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...
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...
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...
docker （十二）-私有仓库

docker （十二）-私有仓库

docker registry 我们可以使用docker push将自己的image推送到docker hub中进行共享，但是在实际工作中，很多公司的代码不能上传到公开的仓库中，因此我们可以创建自己的镜像仓库。 docker 官网提供了一个docker registry的私有仓库项目&#…
阅读更多...
Zookeeper基础入门-2【ZooKeeper 分布式锁案例】

Zookeeper基础入门-2【ZooKeeper 分布式锁案例】

Zookeeper基础入门-2【ZooKeeper 分布式锁案例】 四、ZooKeeper-IDEA环境搭建4.1.环境搭建4.1.1.创建maven工程：zookeeper4.1.2.在pom文件添加依赖4.1.3.在项目的src/main/resources 目录下，新建文件为“log4j.properties”4.1.4.创建包名com.orange.zk …
阅读更多...
Neoverse S3 系统 IP：机密计算和多芯片基础设施 SoC 的基础

Neoverse S3 系统 IP：机密计算和多芯片基础设施 SoC 的基础

第三代Neoverse系统IP Neoverse S3 产品推出了我们的第三代基础设施特定系统 IP，这是下一代基础设施 SOC 的理想基础，适用于从 HPC 和机器学习到 Edge 和 DPU 的各种应用。S3 机箱专注于为我们的合作伙伴提供 Chiplet、机密计算等关键创新以及 UCIe、DD…
阅读更多...
(Linux学习一)：Mac安装vmWare11.5,centOS 7安装步骤教程

(Linux学习一)：Mac安装vmWare11.5,centOS 7安装步骤教程

一。下载vmware 官网地址：下载地址 由于我的电脑系统是Mac 10.15.6版本系统，我下载的是VMware Fusion 11.5版本，13是最新版本不支持安装需要系统在11以上。 百度网盘下载地址: VMware Fusion 11 VMware Fusion 12 VMware Fusion 13 下载需要…
阅读更多...
matlab实现不同窗滤波器示例

matlab实现不同窗滤波器示例

1 汉明窗低通滤波器 ： 在Matlab中使用汉明窗设计低通滤波器可以通过fir1函数实现。汉明窗通常用于设计滤波器，可以提供更突出的频率特性。 下面是一个示例代码，演示如何在Matlab中使用汉明窗设计低通滤波器： % 定义滤波器参数 fs …
阅读更多...
揭秘数字证书：保护你的数据不止于表面

揭秘数字证书：保护你的数据不止于表面

数字证书，这个看似枯燥无味的电子文件，其实背后隐藏着一套精密的运行机制。今天陕西CA就来给大家揭开它的神秘面纱。 首先，数字证书是由权威的第三方机构颁发的，这些机构通常被称为证书颁发机构（CA）&#…
阅读更多...
python web框架fastapi模板渲染--Jinja2使用技巧总结

python web框架fastapi模板渲染--Jinja2使用技巧总结

文章目录 1.jinja2模板1.1、jinja2 的变量1.1.1 列表类型数据渲染1.1.2 字典类型数据渲染 2. jinja2 的过滤器3. jinja2 的控制结构3.1、分支控制3.2、循环控制 1.jinja2模板 要了解jinja2，那么需要先理解模板的概念。模板在Python的web开发中⼴泛使⽤，…
阅读更多...
双硬盘备份的一种可行方案

双硬盘备份的一种可行方案

双硬盘备份有什么优势弊端？ 事物总有两面性，那么对于双硬盘数据备份任务来说，有什么优势与弊端呢？ ◉ 双硬盘备份的优势： 安全性更好：由于数据备份到两个不同的硬盘，所以可以保证备份数据的冗…
阅读更多...
基于springboot实现图书馆管理系统项目【项目源码+论文说明】

基于springboot实现图书馆管理系统项目【项目源码+论文说明】

基于springboot实现图书馆管理系统演示 摘要 电脑的出现是一个时代的进步，不仅仅帮助人们解决了一些数学上的难题，如今电脑的出现，更加方便了人们在工作和生活中对于一些事物的处理。应用的越来越广泛，通过互联网我们可以更方便地…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023