目录

1. json数据格式

2. Python与json之间的数据转换

3. pyecharts模块官网

4. pyecharts快速入门(折线图)

5. pyecharts全局配置选项

5.1 set_global_ops使用

5.1.1. title_opts

5.1.2 legend_opts

5.1.3 toolbox_opts

5.1.4 visualmap_opts

6. pyecharts基础地图使用

6.1 Map使用

7. pyecharts柱状图使用

7.1 柱状图使用

7.2 轴的反转:bar.reversal_axis() # 反转xy轴

7.3 数值至右:bar.add_yaxis("GDP", [3000, 5000, 2800], label_opts=LabelOpts(position="right")) # 添加y轴数据

7.4 小结

7.5 创建时间线:Timeline()-时间线

7.5.1 使用Timeline()-时间线

7.5.2 时间线设置主题

7.5.3 常见的时间线主题


本章内容:使用之前学习到的Python基础知识通过echarts大屏组件来进行可视化开发;

1. json数据格式

  • 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,而其它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与json之间的数据转换

数据转换成json的时候会涉及到一个编码问题,下面可以看见数据是我们看不懂的东西,通过ensure_ascii=False将下面的数据转成正常的中文,供我们观看;

data = json.dumps(data, ensure_ascii=False)

# 1.导入json模块
import json

# 2.准备符合格式json格式要求的python数据
data = [{"name": "zhangSan", "age": 28}, {"name": "lisi", "age": 18}]

# 3.通过json.dumps(data)方法把python数据转化为json数据
data = json.dumps(data)
print(f"类型:{type(data)}")
print(f"转换后的json:{data}")

# 4.通过json.loads(data)方法把json数据转化为python数据
data = json.loads(data)
print(f"类型:{type(data)}")
print(f"转换成python数据类型:{data}")

json小结:

  1. json:是一种轻量级的数据交互格式,采用完全独立于编程语言的文本格式来存储和表示数据(就是字符串);
    • 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,所以JSON可以直接和Python的字典或列表进行无缝转换;
  2. json格式数据转化;
    • 通过 json.dumps(data)方法把python数据转化为了 json数据;
    • data = json.dumps(data) ;如果有中文可以带上:ensure_ascii=False参数来确保中文正常转换;
    • data = json.loads(data) ;通过 json.loads(data)方法把json数据转化为了 python列表或字典;

3. pyecharts模块官网

参考:Document (pyecharts.org)

通过pip安装pyecharts:(加入cmd安装)

安装: pip install pycharts

查看包的位置:pip show pyecharts

4. pyecharts快速入门(折线图)

from pyecharts.charts import Line
from pyecharts import options as opts

# 创建一个折线图实例
line = Line()

# 添加 X 轴数据
line.add_xaxis(["2017", "2018", "2019", "2020", "2021"])

# 使用 opts.LineItem 传递 Y 轴数据
y_data = [
    opts.LineItem(value=30),
    opts.LineItem(value=20),
    opts.LineItem(value=10),
    opts.LineItem(value=50),
    opts.LineItem(value=60)
]

# 添加 Y 轴数据,"GDP" 为系列名称
line.add_yaxis("GDP", y_data)

# 可选:设置全局选项,例如标题
line.set_global_opts(title_opts=opts.TitleOpts(title="GDP 增长"))

# 将图表渲染到一个 HTML 文件
line.render("line_chart.html")

5. pyecharts全局配置选项

  • set_global_opts方法
  • 全局配置项的作用:
    1. 配置图表的标题;
    2. 配置图例;
    3. 配置鼠标移动效果;
    4. 配置工具栏;
    5. 和整体配置项;
5.1 set_global_ops使用
# 导入全局配置选项,需要导入的包
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts
from pyecharts import options as opts

# 创建一个折线图实例
line = Line()

# 添加 X 轴数据
line.add_xaxis(["2017", "2018", "2019", "2020", "2021"])

# 使用 opts.LineItem 传递 Y 轴数据
y_data = [
    opts.LineItem(value=30),
    opts.LineItem(value=20),
    opts.LineItem(value=10),
    opts.LineItem(value=50),
    opts.LineItem(value=60)
]

# 添加 Y 轴数据,"GDP" 为系列名称
line.add_yaxis("GDP", y_data)

# 可选:设置全局选项,例如标题,
line.set_global_opts(
    title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)

# 将图表渲染到一个 HTML 文件
line.render("line_chart.html")

这段代码会生成一个包含标题、图例、工具箱和视觉映射组件的折线图,并将其保存为 line_chart.html 文件:

line.set_global_opts(
    title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%"),
    legend_opts=opts.LegendOpts(is_show=True),
    toolbox_opts=opts.ToolboxOpts(is_show=True),
    visualmap_opts=opts.VisualMapOpts(is_show=True)
)
5.1.1. title_opts

设置图表的标题选项。

  • title="GDP 增长":标题文本为 "GDP 增长"。
  • pos_left="center":标题水平居中。
  • pos_bottom="10%":标题垂直位置距离底部 10%。
title_opts=opts.TitleOpts(title="GDP 增长", pos_left="center", pos_bottom="10%")
5.1.2 legend_opts

设置图例选项。

  • is_show=True:显示图例。
legend_opts=opts.LegendOpts(is_show=True)
5.1.3 toolbox_opts

设置工具箱选项。

  • is_show=True:显示工具箱。工具箱提供了一些常用工具,比如保存图片、数据视图、还原、缩放、漫游等。
toolbox_opts=opts.ToolboxOpts(is_show=True)
5.1.4 visualmap_opts

设置视觉映射选项。

  • is_show=True:显示视觉映射组件。视觉映射用于进行数据值到视觉元素(如颜色、大小等)的映射。
visualmap_opts=opts.VisualMapOpts(is_show=True)

6. pyecharts基础地图使用

6.1 Map使用

"""
演示地图可视化
"""
from pyecharts.charts import Map
from pyecharts import options as opts

# 准备地图对象
map = Map()

# 准备数据:省份名称及对应的数据值
data = [
    ("北京", 99),
    ("天津", 80),
    ("上海", 95),
    ("重庆", 70),
    ("河北", 50),
    ("河南", 60),
    ("云南", 40),
    ("辽宁", 55),
    ("黑龙江", 65),
    ("湖南", 75),
    ("安徽", 45),
    ("山东", 85),
    ("新疆", 30),
    ("江苏", 90),
    ("浙江", 100),
    ("江西", 35),
    ("湖北", 50),
    ("广西", 25),
    ("甘肃", 20),
    ("山西", 50),
    ("内蒙古", 15),
    ("陕西", 40),
    ("吉林", 55),
    ("福建", 65),
    ("贵州", 30),
    ("广东", 95),
    ("青海", 10),
    ("西藏", 5),
    ("四川", 70),
    ("宁夏", 20),
    ("海南", 60),
    ("香港", 75),
    ("澳门", 85),
    ("台湾", 80),
]

# 将数据添加到地图
map.add("数据", data, maptype="china")

# 设置全局选项
map.set_global_opts(
    title_opts=opts.TitleOpts(title="中国地图数据展示"),
    visualmap_opts=opts.VisualMapOpts(
        min_=0,
        max_=100,
        is_piecewise=True,
        pieces=[
            {"min": 80, "max": 100, "label": "80-100", "color": "#FF0000"},
            {"min": 60, "max": 79, "label": "60-79", "color": "#FFA500"},
            {"min": 40, "max": 59, "label": "40-59", "color": "#FFFF00"},
            {"min": 20, "max": 39, "label": "20-39", "color": "#7FFF00"},
            {"min": 0, "max": 19, "label": "0-19", "color": "#00FF00"},
        ],
    ),
)

# 渲染图表
map.render("china_map.html")

7. pyecharts柱状图使用

7.1 柱状图使用

# 通过Bar构建基础柱状图
from pyecharts.charts import Bar

bar = Bar()

bar.add_xaxis(["中国", "美国", "法国"])  # 添加x轴数据

bar.add_yaxis("GDP", [3000, 5000, 2800])  # 添加y轴数据

bar.render("柱状图.html")  # 绘图

7.2 轴的反转:bar.reversal_axis() # 反转xy轴
# 通过Bar构建基础柱状图
from pyecharts.charts import Bar
from pyecharts import options as opts

bar = Bar()

bar.add_xaxis(["中国", "美国", "法国"])  # 添加x轴数据

bar.add_yaxis("GDP", [3000, 5000, 2800])  # 添加y轴数据

bar.reversal_axis()  # 反转xy轴

bar.render("柱状图.html")  # 绘图

7.3 数值至右:bar.add_yaxis("GDP", [3000, 5000, 2800], label_opts=LabelOpts(position="right")) # 添加y轴数据

7.4 小结
  1. 通过Bar()构建一个柱状图对象;
  2. 和折线图一样,通过add_xaxis()和add _yaxis()添加 x和y轴数据;
  3. 通过柱状图对象的:reversal_axis(),反转x和y轴;
  4. 通过label opts=LabelOpts(position="right")设置 数值标签在右侧显示;
7.5 创建时间线:Timeline()-时间线
  • 柱状图描述的是分类数据,回答的是每一个分类中「有多少?」这个问题,这是柱状图的主要特点,同时柱状图很难动态的描述一个趋势性的数据;
  • 这里pyecharts为我们提供了一种解决方案-时间线如果说一个Bar、Line对象是一张图表的话,时间线就是创建一个一维的x轴,轴上每一个点就是一个图表对象;
7.5.1 使用Timeline()-时间线

# 导入包
from pyecharts.charts import Timeline, Bar
from pyecharts import options as opts
from pyecharts.globals import ThemeType

# 创建时间线对象
timeline = Timeline(
    {"theme": ThemeType.ROMA}
)

# 准备数据
cities = ["北京", "上海", "广州", "深圳", "杭州", "宁波"]
gdp_data = [[3000, 5000, 2800, 3000, 2500, 2400], [3500, 5200, 2900, 3000, 2500, 2400],
            [3200, 4800, 2700, 3000, 2500, 2400],
            [3000, 5000, 2800, 3000, 2500, 2400], [3500, 5200, 2900, 3000, 2500, 2400],
            [3200, 4800, 2700, 3000, 2500, 2400]]  # 假设为三个时间点的 GDP 数据

# 循环添加数据到时间线中
for i in range(len(gdp_data)):
    # 创建柱状图对象
    bar = Bar()
    # 添加X轴和Y轴数据
    bar.add_xaxis(cities)
    bar.add_yaxis("GDP", gdp_data[i], label_opts=LabelOpts(position="right"))  # 数值至右
    # 设置柱状图的全局选项
    bar.set_global_opts(title_opts=opts.TitleOpts(title=f"{i + 2020}年城市GDP"))
    bar.reversal_axis()  # 反转xy轴
    # 将柱状图添加到时间线中
    timeline.add(bar, f"{i + 2020}年")


# 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,  # 是否在自动播放的时候,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
)

# 渲染时间线
timeline.render("timeline_bar.html")
7.5.2 时间线设置主题

from pyecharts.globals import ThemeType

# 创建时间线对象
timeline = Timeline(
    {"theme": ThemeType.LIGHT}
)
7.5.3 常见的时间线主题
编号主题颜色备注
1ThemeType.WHITE红蓝默认颜色等同于 bar=Bar()
2ThemeType.LIGHT蓝黄粉高亮颜色
3ThemeType.DARK红蓝黑色背景
4ThemeType.CHALK红蓝 绿黑色背景
5ThemeType.ESSOS红黄暖色系
6ThemeType.INFOGRAPHIC红蓝黄偏亮
7ThemeType.MACARONS紫绿灰色背景
8ThemeType.PURPLE_PASSION粉紫偏暗
9ThemeType.ROMA红黑灰淡黄色背景
10ThemeType.ROMANTIC红粉蓝整理成列表

点赞(0) 打赏

评论列表 共有 0 条评论

暂无评论

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部