Python数据可视化（一）

原创

Heaven645

修改于 2024-08-01 08:05:28

2261

修改于 2024-08-01 08:05:28

文章被收录于专栏：Python学习

前言

在大数据时代，数据可视化成为了分析和展示数据的重要手段。Pyecharts 是一个基于 Python 的强大数据可视化库，能够快速生成易于分享和交互的可视化图表。本章详细讲解了 Pyecharts 的官网资源、安装流程、全局配置项以及如何创建折线图。

本篇文章参考：黑马程序员

一、Pyecharts介绍

Pyecharts 是一个基于 Echarts 实现的 Python 可视化库，可以轻松创建交互式的图表。

①pyecharts官网

pyecharts官网提供了详细的文档和使用手册，介绍了 Pyecharts 的各种功能、API 和用法。

②pyecharts画廊官网

Pyecharts 画廊官网展示了大量实际图表的示例，包括各种复杂和多样化的图表。画廊中的图表通常是交互式的，可以在网页上直接与图表进行互动，例如缩放、筛选或者查看详细数据。

二、安装Pyecharts

Win+R 打开运行对话框，在对话框中输入cmd并回车进入命令提示符。

输入pip install pyecharts即可通过网络快速安装第三方包。

检验pyecharts是否可以正常使用，输入python并回车进入python解释器环境，接着输入import pyecharts导入pyecharts包并回车，如果没有报错即可正常使用。

三、全局配置项

Pyecharts 提供了多种全局配置选项，可以帮助我们调整图表的整体外观和行为。这些全局配置项可以在创建图表时进行设置，以改变图表的样式、颜色、标题等属性。

常见的全局配置项：

类别	配置项	说明
图表标题	`title`	主标题
图表标题	`subtitle`	副标题
图表标题	`subtext`	副标题详细信息
图表标题	`link`	点击标题跳转的链接
图表标题	`target`	标题链接的目标
图表标题	`textstyle_opts`	字体样式（如颜色、大小等）
提示框	`is_show`	是否显示提示框
提示框	`trigger`	提示框触发方式（如 `'item'`）
提示框	`formatter`	自定义格式化函数
图例	`orient`	图例的朝向（`'horizontal'` 或 `'vertical'`）
图例	`pos_left`	图例的左边距
图例	`pos_top`	图例的上边距
图例	`data`	显示的图例名称列表
坐标轴	`name`	坐标轴名称
坐标轴	`type`	坐标轴类型（如 `'value'`、`'category'`）
坐标轴	`axislabel_opts`	坐标轴标签样式
坐标轴	`split_line`	是否显示坐标轴分隔线
数据缩放	`type`	数据缩放的类型（如 `'inside'` 或 `'slider'`）
数据缩放	`xaxis_index`	控制哪个 X 轴的数据缩放
数据缩放	`yaxis_index`	控制哪个 Y 轴的数据缩放
背景	`backgroundColor`	图表的背景颜色
背景	`visualMap`	视觉映射配置
网格	`left`	网格的左边距
网格	`right`	网格的右边距
网格	`top`	网格的上边距
网格	`bottom`	网格的下边距
网格	`containLabel`	是否包含坐标轴的标签
其他选项	`animation`	动画关于图表的显示（开启/关闭）
其他选项	`tooltip`	提示框的整体设置
其他选项	`series`	针对特定系列的设置

四、绘制折线图

①基本流程

1.导入必要的模块 2.创建折线图对象 3.添加 X 轴数据 4.添加 Y 轴数据 5.设置全局选项 6.渲染或生成图像

②常见方法

方法	作用	示例
`Line()`	创建折线图对象	`from pyecharts.charts import Line; line = Line()`
`add()`	添加数据系列	`line.add_xaxis(x_data).add_yaxis("系列名称", y_data)`
`set_global_opts()`	设置全局配置，如标题、工具提示等	`line.set_global_opts(title_opts=opts.TitleOpts(title="图表标题"))`
`set_series_opts()`	设置系列特定配置，如标签、样式等	`line.set_series_opts(label_opts=opts.LabelOpts(is_show=True))`
`render()`	渲染图表并保存为 HTML 文件	`line.render("line_chart.html")`
`set_colors()`	自定义折线颜色	`line.set_colors(['#d48265', '#91c7ae'])`
`set_tooltip()`	自定义 tooltip 的显示方式	`line.set_global_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"))`
`set_xaxis()`	自定义 x 轴的名称或类型	`line.set_xaxis("自定义 X 轴名称")`
`set_yaxis()`	自定义 y 轴的名称或类型	`line.set_yaxis("自定义 Y 轴名称")`
`legend()`	设置图例	`line.set_series_opts(legend_opts=opts.LegendOpts(is_show=True))`
`datazoom()`	添加数据缩放控件	`line.set_global_opts(datazoom_opts=[opts.DataZoomOpts()])`

# 导包，导入Line功能构建折线图对象
from pyecharts.charts import Line
# 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("CDP",[30,20,10])
# 通过render方法将代码生成图像
line.render()

运行后line.render()方法会创建并保存一个包含该折线图的HTML文件。通常情况下，这个文件会被保存在当前工作目录下，文件名默认是 render.html。

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的折线图。

进行全局配置后：

# 导包                                                                         
from pyecharts.charts import Line                                            
from pyecharts.options import TitleOpts                                      
from pyecharts.options import LegendOpts                                     
from pyecharts.options import ToolboxOpts                                    
from pyecharts.options import 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("CDP",[30,20,10])                                             
# 通过set_global_pots设置全局配置项                                                   
line.set_global_opts(                                                  
    title_opts=TitleOpts(title="GDP展示",pos_left="center",pos_bottom="1%"),   
    legend_opts=LegendOpts(is_show=True),                                    
    toolbox_opts=ToolboxOpts(),                                              
    visualmap_opts=VisualMapOpts(is_show=True),                              
)                                                                            
                                                                             
# 通过render方法将代码生成图像
line.render()

【例题】

根据如下三个文本文件画出2020年ABC三国某疾病确诊人数对比折线图。

A国.txt文本文件内容：

jsonp_1629344292311_69436({"status":0,"msg":"success","data":{"name":"A国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":34,34,34,53,57},{"name":"治愈","data":0,0,3,0,0},{"name":"死亡","data":0,0,0,0,0},{"name":"新增确诊","data":23,0,0,19,4}}}});

B国.txt文本文件内容：

jsonp_1629350871167_29498({"status":0,"msg":"success","data":{"name":"B国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":93,105,132,144,156},{"name":"治愈","data":23,24,24,26,27},{"name":"死亡","data":1,1,1,1,1},{"name":"新增确诊","data":9,12,27,12,12}}}});

C国.txt文本文件内容：

jsonp_1629350745930_63180({"status":0,"msg":"success","data":{"name":"C国","trend":{"updateDate":"2.22","2.23","2.24","2.25","2.26","list":{"name":"确诊","data":54,59,67,76,84},{"name":"治愈","data":468,506,620,774,969},{"name":"死亡","data":164,178,226,249,288},{"name":"新增确诊","data":533,565,809,875,846}}}});

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts

# 处理数据
f_a = open("D:/A国.txt", "r", encoding="UTF-8")
a_data = f_a.read()   # A国的全部内容

f_b = open("D:/B国.txt", "r", encoding="UTF-8")
b_data = f_b.read()   # B国的全部内容

f_c = open("D:/C国.txt", "r", encoding="UTF-8")
c_data = f_c.read()   # C国的全部内容

# 去掉不合JSON规范的开头
a_data = a_data.replace("jsonp_1629344292311_69436(", "")
b_data = b_data.replace("jsonp_1629350871167_29498(", "")
c_data = c_data.replace("jsonp_1629350745930_63180(", "")

# 去掉不合JSON规范的结尾
a_data = a_data[:-2]
b_data = b_data[:-2]
c_data = c_data[:-2]

# JSON转Python字典
us_dict = json.loads(a_data)
jp_dict = json.loads(b_data)
in_dict = json.loads(c_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
us_x_data = us_trend_data['updateDate']
jp_x_data = jp_trend_data['updateDate']
in_x_data = in_trend_data['updateDate']

# 获取确认数据，用于y轴
us_y_data = us_trend_data['list'][0]['data']
jp_y_data = jp_trend_data['list'][0]['data']
in_y_data = in_trend_data['list'][0]['data']

# 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，所以使用一个国家的数据即可
# 添加y轴数据
line.add_yaxis("A国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))     # 添加A国的y轴数据
line.add_yaxis("B国确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))     # 添加B国本的y轴数据
line.add_yaxis("C国确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))     # 添加C国的y轴数据

# 设置全局选项
line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年ABC三国某疾病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("render2.html")
# 关闭文件对象
f_a.close()
f_b.close()
f_c.close()

运行后打开render2.html文件并在浏览器中查看创建的折线图：