Python学习从0到1 day18 Python可视化基础综合案例 1.折线图
我默记这段路的酸楚,等来年春暖花开之时再赏心阅读
—— 24.3.24
python基础综合案例
数据可视化 — 折线图可视化
一、折线图案例
1.json数据格式
2.pyecharts模块介绍
3.pyecharts快速入门
4.数据处理
5.创建折线图
1.json数据格式
1.什么是json
2.掌握如何使用json进行数据转化
1.什么是json
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
主要功能: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,类似:
国际通用语言——英语
中国各民族各地区的通用语言——普通话
2.掌握如何使用json进行数据转化
①json格式的数据格式要求:(字典)
{“name”:"admin","age":18}
②也可以是:(字典列表)
[{"name":"admin","age":18},{"name":"root","age":16},{"name":"张三","age":20}]
JSON可以看作是把一个字典或者一个字典列表全部转换成字符串
正常定义为字典或字典列表导入包和方法后就可以进行自动转换
3.演示
''' 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 data1 = [{"name":"张三","age":22},{"name":"李四","age":13},{"name":"王五","age":16}] json_str1 = json.dumps(data1,ensure_ascii=False) # 如果不写中文,则不需要参数ensure_ascii print(json_str1) print(type(json_str1))# 准备字典,将字典转换为JSON data2 = {"name":"JayZhou","addr":"台北"} json_str2 = json.dumps(data2,ensure_ascii=False) print(json_str2) print(type(json_str2))# 将JSON字符串转换为Python数据类型字典列表[{k:v,k:v},{k:v,k:v},{k:v,k:v}] str = '[{"name": "张三", "age": 22}, {"name": "李四", "age": 13}, {"name": "王五", "age": 16}]' json_str3 = json.loads(str) print(json_str3) print(type(json_str3))# 将JSON字符串转换为Python数据类型列表{k:v,k:v} str2 = '{"name":"JayZhou","addr":"台北"}' json_str4 = json.loads(str2) print(json_str4) print(type(json_str4))# 通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串
通过dumps和loads两个json包下的方法就可以将python中的字典或列表转换为json字符串
总结
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格式来存储和表示数据(就是字符串)
python语言有很大的优势是因为JSON可以直接和Python的字典或者字典列表进行无缝转换
2.json格式数据转化
通过json.dumps(data)可以把python中的数据转化为json字符串
data = json.dumps(data)
如果其中有中文可以带上:ensure_ascii=False参数来确保中文正常转换
通过json.loads(data)方法把json数据转化为python中的列表或字典
data = json.loads(data)
2.pyecharts模块介绍
如果想要做出数据可视化效果图,可以借助pyecharts模块来完成
概况:
Echarts是个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可,而Python是门富有表达力的语言,很适合用于数据处理,当数据分析遇上数据可视化时pyecharts诞生了
pyecharts模块安装
使用在前面学过的pip命令即可快速安装PyEcharts模块
pip install pyecharts
总结
1.开发可视化图表使用的技术栈是:
Echarts框架的Python版本:PyEcharts包
2.如何安装PyEcharts包:
pip install pyecharts
3.如何查看官方示例:
打开官方画廊:
https://gallery.pyecharts.org/#/README
3.pyecharts快速入门
1.构建一个基础的折线图
2.使用全局配置项设置属性
1.构建一个基础的折线图
基础折线图
①导包,导入Line功能构建折线图对象
from pyecharts.charts import Line
②得到折线图对象
line = Line()
③添加x轴数
line.add_xaxis(["中国","美国","英国"])
⑤添加y轴数据
line.add_yaxis("GDP",[30,20,10])
⑥生成图表
line.render() # 生成图表后会在软件包内生成一个文件,运行这个文件就是生成的图表,可以运行文件也可以在文件右上角打开它
2.使用全局配置项设置属性
pyecharts有哪些配置选项
pyecharts模块中有很多的配置选项,常用到2个类别的选项
全局配置选项(表结构)
系列配置选项(数据)
全局配置选项 set_global_opts方法
这里全局配置选型可以通过set_global_opts方法来进行配置,相应的选项和选项的功能如下
3.示例
# ①导包,导入Line功能构建折线图对象 from pyecharts.charts import Line # 导包,导入控制标题的包 from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts,VisualMapOpts# 得到折线图对象,Line对象 line = Line()# ③给折线图对象添加x轴数 line.add_xaxis(["中国","美国","英国"])# ④给折线图对象添加y轴数据 line.add_yaxis("GDP",[30,20,10])# ⑤设置全局变量配置项set_global_opts来设置 line.set_global_opts(# ctrl+p 可以查看方法中传递的参数title_opts=TitleOpts(title = "GDP展示",pos_left="center",pos_bottom="1%"), # 控制标题及位置legend_opts=LegendOpts(is_show=True), # 是否显示图例(默认显示)toolbox_opts=ToolboxOpts(is_show=True), # 工具箱是否显示visualmap_opts=VisualMapOpts(is_show=True) # 视觉映射是否显示 )# ⑥通过render方法,将代码生成为图像 line.render()
运行成功后,会自动在包里生成一个文件
总结
1.pyecharts模块中有很多的配置选项,常用到三个类别的选项:
全局配置选项
系列配置选项
2.全局配置项能做什么?
配置图表的标题
配置图例
配置鼠标移动效果
配置工具栏
等整体配置项
4.数据处理
1.能够通过json模块对数据进行处理
json可视化
根据json可视化掌握数据的层级关系
进入网站www.ab173.com
这是一个懒人软件,点击JSON相关、点击JSON视图
# 处理数据# 美国疫情数据
f_us = open("D:/2LFE/Desktop/Python/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# 小日本疫情数据
f_jp = open("D:/2LFE/Desktop/Python/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# 印度疫情数据
f_in = open("D:/2LFE/Desktop/Python/资料/可视化案例数据/折线图数据/日本.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,每个国家的数据不规范的内容不相同,需查看文档进行改变
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,结尾不规范数据相同,注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# 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(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]# 获取确诊数据,用于y轴,取2020年(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]
5.生成图表
# 生成图表
line = Line() # 构建折线图对象,Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data) # x轴是三个国家公用的,所以一个国家的就好# 添加y轴数据,y轴数据不共用,label_opts功能:当前这个图表中标签属性是否显示
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
6.设置全局选项
# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)
7.整体代码
# 演示可视化需求1:折线图开发
# 导入包
import json # josn可视化包
from pyecharts.charts import Line # 读取文件的函数,导入line功能
from pyecharts.options import TitleOpts, LabelOpts # 标题设置Title包,系列属性LabelOpts包# 处理数据# 美国疫情数据
f_us = open("E:\python.learning\折线图数据\美国.txt","r",encoding="utf-8")
us_data = f_us.read() # 美国的全部内容# 小日本疫情数据
f_jp = open("E:\python.learning\折线图数据\日本.txt","r",encoding="utf-8")
jp_data = f_jp.read() # 日本的全部内容# 印度疫情数据
f_in = open("E:\python.learning\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,每个国家的数据不规范的内容不相同,需查看文档进行改变
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,结尾不规范数据相同,注意变量名的修改
us_data = us_data[:-2] # 序列的切片
jp_data = jp_data[:-2] # 序列的切片
in_data = in_data[:-2] # 序列的切片# 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(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]# 获取确诊数据,用于y轴,取2020年(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]# 生成图表
line = Line() # 构建折线图对象,Line()的图表对象# 添加x轴数据
line.add_xaxis(us_x_data) # x轴是三个国家公用的,所以一个国家的就好# 添加y轴数据,y轴数据不共用,label_opts功能:当前这个图表中标签属性是否显示
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="2020年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() # 折线图对象.render方法# 关闭文件对象
f_us.close()
f_in.close()
f_jp.close()
运行结果:
相关文章:

Python学习从0到1 day18 Python可视化基础综合案例 1.折线图
我默记这段路的酸楚,等来年春暖花开之时再赏心阅读 —— 24.3.24 python基础综合案例 数据可视化 — 折线图可视化 一、折线图案例 1.json数据格式 2.pyecharts模块介绍 3.pyecharts快速入门 4.数据处理 5.创建折线图 1.json数据格式 1.什么是json 2.掌握如何使用js…...

HTML网站的概念
目录 前言: 1.什么是网页: 2.什么是网站: 示例: 3.服务器: 总结: 前言: HTML也称Hyper Text Markup Language,意思是超文本标记语言,同时HTML也是前端的基础&…...

【微服务】Nacos(配置中心)
文章目录 1.AP和CP1.基本介绍2.说明 2.Nacos配置中心实例1.架构图2.在Nacos Server加入配置1.配置列表,加号2.加入配置3.点击发布,然后返回4.还可以编辑 3. 创建 Nacos 配置客户端模块获取配置中心信息1.创建子模块 e-commerce-nacos-config-client50002…...

比较AI编程工具Copilot、Tabnine、Codeium和CodeWhisperer
主流的几个AI智能编程代码助手包括Github Copilot、Codeium、Tabnine、Replit Ghostwriter和Amazon CodeWhisperer。 你可能已经尝试过其中的一些,也可能还在不断寻找最适合自己或公司使用的编程助手。但是,这些产品都会使用精选代码示例来实现自我宣传…...

顺应互联网发展大潮流,红河农资招商火爆开启
顺应互联网发展大潮流,红河农资招商火爆开启 进入新世纪,生态农业建设成为了影响和改变农村、农业工作的重要领域。尤其是在互联网的快速发展之下,实现农业结构调整,推动互联网模式的发展,成为了当前生态农业发展的主流…...

网络七层模型之传输层:理解网络通信的架构(四)
🤍 前端开发工程师、技术日更博主、已过CET6 🍨 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 🕠 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 🍚 蓝桥云课签约作者、上架课程《Vue.js 和 E…...
微信小程序实现图片懒加载的4种方案
实现图片懒加载的意义 实现图片懒加载可以提高小程序的性能和用户体验,是微信小程序开发中非常重要的一项优化手段。微信小程序实现图片懒加载的目的主要有以下几点: 提高页面加载速度:图片通常是页面中最耗时的资源,如果一次性…...

各大pdf转word软件都用的哪家的ocr引擎?
国内一般的PDF软件一般都调用某国际PDF原厂的OCR接口,但这家公司是主要做PDF,在OCR方面并不专注,一些不是很复杂的场景还能应付得过来,复杂一点的效果就强差人意了,推荐用金鸣表格文字识别系统,它主要有以下…...
学习没有速成可言
那些声称几天就能让你精通软件的书籍,往往是夸大其词的宣传。学习软件需要时间和实践,没有什么快速的捷径可以让你在短时间内成为专家。 对于速成软件书,我个人持保留态度。它们可能提供一些基础知识和技巧,可以给初学者一个入门…...

快速上手Pytrch爬虫之爬取某应图片壁纸
一、前置知识 1 爬虫简介 网络爬虫(又被称作网络蜘蛛、网络机器人,在某些社区中也经常被称为网页追逐者)可以按照指定的规则(网络爬虫的算法)自动浏览或抓取网络中的信息。 1.1 Web网页存在方式 表层网页指的是不需要提交表单&…...

如何在Apache Arrow中定位与解决问题
如何在apache Arrow定位与解决问题 最近在执行sql时做了一些batch变更,出现了一个 crash问题,底层使用了apache arrow来实现。本节将会从0开始讲解如何调试STL源码crash问题,在这篇文章中以实际工作中resize导致crash为例,引出如何…...

[ Linux ] git工具的基本使用(仓库的构建,提交)
1.安装git yum install -y git 2.打开Gitee,创建你的远程仓库,根据提示初始化本地仓库(这里以我的仓库为例) 新建好仓库之后跟着网页的提示初始化便可以了 3.add、commit、push三板斧 git add . //add仓库新增(变…...

怎样去保证 Redis 缓存与数据库双写一致性?
解决方案 那么我们这里列出来所有策略,并且讨论他们优劣性。 先更新数据库,后更新缓存先更新数据库,后删除缓存先更新缓存,后更新数据库先删除缓存,后更新数据库 先更新数据库,后更新缓存 这种方法是不推…...

RuoYi-Vue若依框架-新增子模块启动后,前端页面报接口404
如何新建子模块可以参考RuoYi-Vue若依框架-如何新增子模块 我在新增依赖的时候提过版本号的问题,如果不是按照我的博客走的,然后接口报了404,可以选择添加父版本号,官方的参考文档是没写的,但添加了确实能解决这个问题…...
node.js 常见命令
1. npm init: 初始化一个新的Node.js项目,创建一个package.json文件。 2. npm install: 安装项目所需的所有依赖项。 3. npm run: 运行在package.json文件中定义的脚本。 4. node index.js: 运行一个Node.js文件。 5. node -v: 查看当前安装的Node.js版本号。 6. np…...

教育信创,重磅发布!Coremail联合飞腾发布全场景教育信创白皮书
3月28日,Coremail参与编制的《教育行业数字化自主创新 飞腾生态解决方案白皮书》正式发布。白皮书历时一年,由25所代表院校、66位专家,119家生态伙伴共同编写。 本次白皮书围绕教育数字化转型和信创人才培养两大领域,聚焦办公、教…...

滑动窗口_水果成篮_C++
题目: 题目解析: fruits[i]表示第i棵树,这个fruits[i]所表示的数字是果树的种类例如示例1中的[1,2,1],表示第一棵树 的种类是 1,第二个树的种类是2 第三个树的种类是1随后每一个篮子只能装一种类型的水果,我…...

线程的状态:操作系统层面和JVM层面
在操作系统层面,线程有五种状态 初始状态:线程被创建,操作系统为其分配资源。 可运行状态(就绪状态):线程被创建完成,进入就绪队列,参与CPU执行权的争夺。或因为一些原因,从阻塞状态唤醒的线程…...
在Isaac-sim中弧度转四元数以及四元数转弧度的问题
问题: 在Isaac-sim中如果采用set_world_pose()和get_world_pose()得到的都是四元数,如何将弧度转四元数,或者将四元数转为弧度是需要解决的一个问题, 这里的弧度是以x轴为0度,y轴为90度,逆时针方向逐渐增大…...

【计算机网络】高级IO模型
高级IO模型 一、 理解 IO二、认识五种高级 IO 模型1. 阻塞 IO2. 非阻塞IO3. 信号驱动 IO4. IO 多路转接5. 异步 IO 三、高级 IO 重要概念1. 阻塞和非阻塞2. 同步通信和异步通信 四、非阻塞 IOfcntl 一、 理解 IO 当我们调用系统接口 write、read 的时候,本质是把数…...

css实现圆环展示百分比,根据值动态展示所占比例
代码如下 <view class""><view class"circle-chart"><view v-if"!!num" class"pie-item" :style"{background: conic-gradient(var(--one-color) 0%,#E9E6F1 ${num}%),}"></view><view v-else …...
k8s从入门到放弃之Ingress七层负载
k8s从入门到放弃之Ingress七层负载 在Kubernetes(简称K8s)中,Ingress是一个API对象,它允许你定义如何从集群外部访问集群内部的服务。Ingress可以提供负载均衡、SSL终结和基于名称的虚拟主机等功能。通过Ingress,你可…...

中南大学无人机智能体的全面评估!BEDI:用于评估无人机上具身智能体的综合性基准测试
作者:Mingning Guo, Mengwei Wu, Jiarun He, Shaoxian Li, Haifeng Li, Chao Tao单位:中南大学地球科学与信息物理学院论文标题:BEDI: A Comprehensive Benchmark for Evaluating Embodied Agents on UAVs论文链接:https://arxiv.…...
Java如何权衡是使用无序的数组还是有序的数组
在 Java 中,选择有序数组还是无序数组取决于具体场景的性能需求与操作特点。以下是关键权衡因素及决策指南: ⚖️ 核心权衡维度 维度有序数组无序数组查询性能二分查找 O(log n) ✅线性扫描 O(n) ❌插入/删除需移位维护顺序 O(n) ❌直接操作尾部 O(1) ✅内存开销与无序数组相…...
STM32+rt-thread判断是否联网
一、根据NETDEV_FLAG_INTERNET_UP位判断 static bool is_conncected(void) {struct netdev *dev RT_NULL;dev netdev_get_first_by_flags(NETDEV_FLAG_INTERNET_UP);if (dev RT_NULL){printf("wait netdev internet up...");return false;}else{printf("loc…...
蓝桥杯 2024 15届国赛 A组 儿童节快乐
P10576 [蓝桥杯 2024 国 A] 儿童节快乐 题目描述 五彩斑斓的气球在蓝天下悠然飘荡,轻快的音乐在耳边持续回荡,小朋友们手牵着手一同畅快欢笑。在这样一片安乐祥和的氛围下,六一来了。 今天是六一儿童节,小蓝老师为了让大家在节…...
鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个生活电费的缴纳和查询小程序
一、项目初始化与配置 1. 创建项目 ohpm init harmony/utility-payment-app 2. 配置权限 // module.json5 {"requestPermissions": [{"name": "ohos.permission.INTERNET"},{"name": "ohos.permission.GET_NETWORK_INFO"…...

智能仓储的未来:自动化、AI与数据分析如何重塑物流中心
当仓库学会“思考”,物流的终极形态正在诞生 想象这样的场景: 凌晨3点,某物流中心灯火通明却空无一人。AGV机器人集群根据实时订单动态规划路径;AI视觉系统在0.1秒内扫描包裹信息;数字孪生平台正模拟次日峰值流量压力…...
Mobile ALOHA全身模仿学习
一、题目 Mobile ALOHA:通过低成本全身远程操作学习双手移动操作 传统模仿学习(Imitation Learning)缺点:聚焦与桌面操作,缺乏通用任务所需的移动性和灵活性 本论文优点:(1)在ALOHA…...
Java 二维码
Java 二维码 **技术:**谷歌 ZXing 实现 首先添加依赖 <!-- 二维码依赖 --><dependency><groupId>com.google.zxing</groupId><artifactId>core</artifactId><version>3.5.1</version></dependency><de…...