目录

前提：

一、折线图可视化案例

二、地图可视化案例

三、动态柱状图可视化案例

前提：

如果想要做出数据可视化效果图, 可以借助pyecharts模块来完成。

安装pyecharts模块步骤：

1.在pycharm编辑器中按照如图步骤进行操作。

2.在Options中输入-i https://pypi.tuna./simple可以提高模块下载的速度。

安装模块完成。

一、折线图可视化案例

1.在F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\折线图数据目录下有三个txt文件，是本次折线图可视化案例的数据。

2.在文本数据中下图中红框中的数据去掉即为json格式的数据，我们可是使用懒人工具-json在线解析-在线JSON格式化工具-json校验-程序员必备进行格式化方便查看。

转换好的视图如下图所示：

3.在pycharm编辑其中输入如下代码：

import jsonfrom pyecharts.charts import Linefrom pyecharts.options import TitleOpts, LabelOpts, ToolboxOpts# 处理数据f_us = open("F:\Python系统学习\Python入门到精通\资料\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() #美国数据f_jp = open("F:\Python系统学习\Python入门到精通\资料\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() #日本数据f_in = open("F:\Python系统学习\Python入门到精通\资料\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() #印度数据# 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 keyus_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（到314下标结束）us_x_data = us_trend_data['updateDate'][:314]jp_x_data = jp_trend_data['updateDate'][:314]in_x_data = in_trend_data['updateDate'][:314]# 获取确认数据，用于y轴，取（到314下标结束）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]# 生成图标line = Line() #构建折线图对象# 添加x轴数据line.add_xaxis(us_x_data) #轴是公用的，所以使用一个国家的即可# 添加y轴数据line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False)) #添加美国的y轴数据line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False)) #添加日本的y轴数据line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False)) #添加印度的y轴数据# 设置全局选项line.set_global_opts(# 标题设置title_opts=TitleOpts(title="美日印三国确证人数对比折线图",pos_left="center",pos_bottom="1%"),toolbox_opts=ToolboxOpts(is_show=True))# 调用render方法，生成图表line.render()# 关闭文件f_us.close()f_jp.close()f_in.close()

4.运行项目后，项目目录中就会生成render.html文件，使用浏览器打开就可以看到折线图的效果了。

二、地图可视化案例

本次案例的数据在F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\地图数据目录下的疫情.txt文件中。

格式化json数据

1.全国疫情地图

在pycharm编写代码

import jsonfrom pyecharts.charts import Mapfrom pyecharts.options import *# 读取数据文件f = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\地图数据\疫情.txt","r",encoding="UTF-8")data = f.read()#全部的数据# 关闭文件f.close()# 取到各省数据# 将字符串json转换为python的字典data_dict = json.loads(data) #基础数据字典# 从字典中取出省份的数据province_data_list = data_dict["areaTree"][0]["children"]# 组装每个省份和确诊人数为元祖，并各个省的数据都分装入列表中data_list = [] #绘图需要用的数据列表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":999,"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")

用浏览器打开项目中生成的全国疫情地图.html文件

2.山西省疫情地图

在pycharm编写代码

import jsonfrom pyecharts.charts import Mapfrom pyecharts.options import *# 读取文件f = open("F:\Python系统学习\Python入门到精通\资料\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()# 获取山西省数据#将json数据转化为python字典data_dict = json.loads(data)# 取到山西省数据cities_data = data_dict["areaTree"][0]["children"][21]["children"]# 准备数据为元祖并且放入listdata_list = []for city_data in cities_data:city_name = city_data["name"] + "市"city_confirm = city_data["total"]["confirm"]data_list.append((city_name,city_confirm))# 构建地图map = Map()map.add("山西省疫情分布",data_list,"山西")# 设置全局选项map.set_global_opts(title_opts = TitleOpts(title="山西省疫情地图"),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":999,"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("山西省疫情地图.html")

用浏览器打开项目中生成的山西省疫情地图.html文件

三、动态柱状图可视化案例

本次案例的数据在F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\动态柱状图数据\全球GDP数据.csv文件中。

在pycharm编写代码

from pyecharts.charts import Bar , Timelinefrom pyecharts.options import *from pyecharts.globals import ThemeType# 读取数据f = open("F:\Python系统学习\Python入门到精通\资料\资料\可视化案例数据\动态柱状图数据\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)# 将数据转为字典存储，格式为# { 年份: [ [国家, gdp], [国家,gdp], ...... ], 年份: [ [国家, gdp], [国家,gdp], ...... ], ...... }# { 1960: [ [美国, 123], [中国,321], ...... ], 1961: [ [美国, 123], [中国,321], ...... ], ...... }# 先定义字典对象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]) #GDPtry:data_dict[year].append([country,gdp])except KeyError:data_dict[year] = []data_dict[year].append([country, gdp])# 创建时间对象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)# 取出本年份前8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# 构建柱状图对象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"))# 反转x轴和y轴bar.reversal_axis()# 设置每一年图表的标题bar.set_global_opts(title_opts=TitleOpts(title=f"{year}全球前八GDP数据"))timeline.add(bar,str(year))# for循环每一年的数据，基于每一年的数据，创建每一年的bar对象# 在for中，将每一年的bar对象添加到时间线中# 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-全球GDP前八国家.html")

用浏览器打开项目中生成的1960-全球GDP前八国家.html文件

注本文中所用到的资料链接：百度网盘 请输入提取码