网站开发指南,网上举报平台,百事可乐运用了哪种网络营销方式,广州专业的免费建站一、数据可视化 - 折线图可视化 1.1、json数据格式 演示JSON数据和Python字典的相互转换import json # 准备列表#xff0c;列表内每一个元素都是字典#xff0c;将其转换为JSON data [{name: 张大山, 演示JSON数据和Python字典的相互转换import json # 准备列表列表内每一个元素都是字典将其转换为JSON data [{name: 张大山, age: 11}, {name: 王大锤, age: 13}, {name: 赵小虎, age: 16}] json_str json.dumps(data, ensure_asciiFalse) print(type(json_str)) print(json_str) # 准备字典将字典转换为JSON d {name:周杰轮, addr:台北} json_str json.dumps(d, ensure_asciiFalse) print(type(json_str)) print(json_str) # 将JSON字符串转换为Python数据类型[{k: v, k: v}, {k: v, k: v}] s [{name: 张大山, age: 11}, {name: 王大锤, age: 13}, {name: 赵小虎, age: 16}] l json.loads(s) print(type(l)) print(l) # 将JSON字符串转换为Python数据类型{k: v, k: v} s {name: 周杰轮, addr: 台北} d json.loads(s) print(type(d)) print(d) 1.2、pyecharts模块介绍 1.3、pyecharts快速入门 演示pyecharts的基础入门# 导包 from pyecharts.charts import Line from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts# 创建一个折线图对象 line Line() # 给折线图对象添加x轴的数据 line.add_xaxis([中国, 美国, 英国]) # 给折线图对象添加y轴的数据 line.add_yaxis(GDP, [30, 20, 10])# 设置全局配置项set_global_opts来设置, line.set_global_opts(title_optsTitleOpts(titleGDP展示, pos_leftcenter, pos_bottom1%),legend_optsLegendOpts(is_showTrue),toolbox_optsToolboxOpts(is_showTrue),visualmap_optsVisualMapOpts(is_showTrue), )# 通过render方法将代码生成为图像 line.render() 1.4、数据处理 1.5、创建折线图 运行效果图 二、数据可视化 - 地图可视化 2.1 基础地图使用 演示河南省疫情地图开发import json from pyecharts.charts import Map from pyecharts.options import *# 读取文件 f open(C:/疫情.txt, r, encodingUTF-8) data f.read() # 关闭文件 f.close()# 获取河南省数据 # json数据转换为python字典 data_dict json.loads(data) # 取到河南省数据 cities_data data_dict[areaTree][0][children][3][children]# 准备数据为元组并放入list data_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))# 手动添加济源市的数据 data_list.append((济源市, 5))# 构建地图 map Map() map.add(河南省疫情分布, data_list, 河南) # 设置全局选项 map.set_global_opts(title_optsTitleOpts(title河南省疫情地图),visualmap_optsVisualMapOpts(is_showTrue, # 是否显示is_piecewiseTrue, # 是否分段pieces[{min: 1, max: 99, lable: 1~99人, color: #CCFFFF},{min: 100, max: 999, lable: 100~9999人, color: #FFFF99},{min: 1000, max: 4999, lable: 1000~4999人, color: #FF9966},{min: 5000, max: 9999, lable: 5000~99999人, color: #FF6666},{min: 10000, max: 99999, lable: 10000~99999人, color: #CC3333},{min: 100000, lable: 100000, color: #990033},]) )# 绘图 map.render(河南省疫情地图.html) 2.2 疫情地图-国内疫情地图 演示全国疫情可视化地图开发import json from pyecharts.charts import Map from pyecharts.options import *# 读取数据文件 f open(C:/地图数据疫情.txt, r, encodingUTF-8) data f.read() # 全部数据 # 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组并各个省的数据都封装入列表内 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_optsTitleOpts(title全国疫情地图),visualmap_optsVisualMapOpts(is_showTrue, # 是否显示is_piecewiseTrue, # 是否分段pieces[{min: 1, max: 99, lable: 1~99人, color: #CCFFFF},{min: 100, max: 999, lable: 100~9999人, color: #FFFF99},{min: 1000, max: 4999, lable: 1000~4999人, color: #FF9966},{min: 5000, max: 9999, lable: 5000~99999人, color: #FF6666},{min: 10000, max: 99999, lable: 10000~99999人, color: #CC3333},{min: 100000, lable: 100000, color: #990033},]) )# 绘图 map.render(全国疫情地图.html) 2.3 疫情地图-省级疫情地图 演示河南省疫情地图开发import json from pyecharts.charts import Map from pyecharts.options import *# 读取文件 f open(C:/疫情.txt, r, encodingUTF-8) data f.read() # 关闭文件 f.close()# 获取河南省数据 # json数据转换为python字典 data_dict json.loads(data) # 取到河南省数据 cities_data data_dict[areaTree][0][children][3][children]# 准备数据为元组并放入list data_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))# 手动添加济源市的数据 data_list.append((济源市, 5))# 构建地图 map Map() map.add(河南省疫情分布, data_list, 河南) # 设置全局选项 map.set_global_opts(title_optsTitleOpts(title河南省疫情地图),visualmap_optsVisualMapOpts(is_showTrue, # 是否显示is_piecewiseTrue, # 是否分段pieces[{min: 1, max: 99, lable: 1~99人, color: #CCFFFF},{min: 100, max: 999, lable: 100~9999人, color: #FFFF99},{min: 1000, max: 4999, lable: 1000~4999人, color: #FF9966},{min: 5000, max: 9999, lable: 5000~99999人, color: #FF6666},{min: 10000, max: 99999, lable: 10000~99999人, color: #CC3333},{min: 100000, lable: 100000, color: #990033},]) )# 绘图 map.render(河南省疫情地图.html) 三、数据可视化 - 动态柱状图 案例效果 3.1 基础柱状图 演示基础柱状图的开发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轴的数据 bar.add_xaxis([中国, 美国, 英国]) # 添加y轴数据 bar.add_yaxis(GDP, [30, 20, 10], label_optsLabelOpts(positionright)) # 设置数值标签在右侧 # 反转x和y轴 bar.reversal_axis() # 绘图 bar.render(基础柱状图.html) 3.2 基础时间线柱状图 演示带有时间线的柱状图开发from pyecharts.charts import Bar, Timeline from pyecharts.options import LabelOpts from pyecharts.globals import ThemeTypebar1 Bar() bar1.add_xaxis([中国, 美国, 英国]) bar1.add_yaxis(GDP, [30, 30, 20], label_optsLabelOpts(positionright)) bar1.reversal_axis()bar2 Bar() bar2.add_xaxis([中国, 美国, 英国]) bar2.add_yaxis(GDP, [50, 50, 50], label_optsLabelOpts(positionright)) bar2.reversal_axis()bar3 Bar() bar3.add_xaxis([中国, 美国, 英国]) bar3.add_yaxis(GDP, [70, 60, 60], label_optsLabelOpts(positionright)) bar3.reversal_axis()# 构建时间线对象 timeline Timeline({theme: ThemeType.LIGHT}) # 在时间线内添加柱状图对象 timeline.add(bar1, 点1) timeline.add(bar2, 点2) timeline.add(bar3, 点3)# 自动播放设置 timeline.add_schema(play_interval1000,is_timeline_showTrue,is_auto_playTrue,is_loop_playTrue )# 绘图是用时间线对象绘图而不是bar对象了 timeline.render(基础时间线柱状图.html) 3.3 GDP动态柱状图绘制 演示第三个图表GDP动态柱状图开发from pyecharts.charts import Bar, Timeline from pyecharts.options import * from pyecharts.globals import ThemeType# 读取数据 f open(C:/1960-2019全球GDP数据.csv, r, encodingGB2312) 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], ...... ], 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# 如何判断字典里面有没有指定的key呢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(keylambda element: element[1], reverseTrue)# 取出本年份前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] / 100000000) # 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_optsLabelOpts(positionright))# 反转x轴和y轴bar.reversal_axis()# 设置每一年的图表的标题bar.set_global_opts(title_optsTitleOpts(titlef{year}年全球前8GDP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_interval1000,is_timeline_showTrue,is_auto_playTrue,is_loop_playFalse )# 绘图 timeline.render(1960-2019全球GDP前8国家.html)