文章目录

一 json数据格式
- 1.1 json数据格式认识
- 1.2 Python数据和Json数据的相互转换
二 pyecharts模块
- 2.1 pyecharts概述
- 2.2 pyecharts模块安装
三 pyecharts快速入门
- 3.1 基础折线图
- 3.2 pyecharts配置选项
- - 3.2.1 全局配置选项
- 3.4 折线图相关配置
- - 3.4.1 `.add_yaxis`相关配置选项
  - 3.4.2 `.set_global_opts`全局配置选项
五综合案例：对比折线图
- 5.1 数据处理
- 5.2 完整代码

一 json数据格式

1.1 json数据格式认识

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. 类似于：国际通用语言-英语、中国56个民族不同地区的通用语言-普通话
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。如下图，以Python和C语言互传数据为例：

简单的JSON数据示例：

{
  "name": "John",
  "age": 30,
  "city": "New York"
}

JSON还支持嵌套结构，数组和对象的组合：

{
  "person": {
    "name": "Alice",
    "age": 25
  },
  "friends": [
    "Bob",
    "Charlie",
    "David"
  ]
}

1.2 Python数据和Json数据的相互转换

使用内置的json模块来进行Python数据和JSON数据之间的相互转换。这个模块提供了方法来将Python数据结构转换为JSON格式，以及将JSON格式转换为Python数据结构。

基本的示例：

将Python数据转换为JSON：

import json

# Python字典
python_data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

# 将Python字典转换为JSON字符串
json_data = json.dumps(python_data)
print(json_data)

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_ascii=False)
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_ascii=False)
print(type(json_str))
print(json_str)

通过设置ensure_ascii参数为False，你可以确保在生成JSON字符串时不会将非ASCII字符转义为Unicode转义序列。这对于处理包含非英文字符的数据非常有用，因为它能够保持原始的字符表示，而不是进行转义。

将JSON转换为Python数据：

# JSON字符串
json_data = '{"name": "Alice", "age": 25, "city": "London"}'

# 将JSON字符串转换为Python字典
python_data = json.loads(json_data)
print(python_data)

# 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)

注意：

使用json.dumps()函数可以将Python数据结构转换为JSON字符串。
使用json.loads()函数可以将JSON字符串转换为Python数据结构。
JSON中的键必须是字符串，因此在Python字典中，键应为字符串。

二 pyecharts模块

2.1 pyecharts概述

Pyecharts 是一个基于 Python 的用于生成交互式图表的模块。它是对 ECharts 图表库的封装，ECharts 是百度开发的一款功能强大的数据可视化库。
通过 Pyecharts，可以在 Python 中轻松地生成各种类型的图表，如折线图、柱状图、饼图、地图等，并且这些图表支持交互和动态效果。

Pyecharts 具有以下特点：

提供了多种图表类型，适用于不同的数据展示需求。
支持生成静态图像和动态网页交互图表。
可以通过链式调用的方式配置图表样式、数据和交互行为。
可以与常见的 Python 数据库和数据处理库（如 Pandas）集成。

2.2 pyecharts模块安装

方式一：打开终端，使用命令行安装

pip install pyecharts

方式二：使用PyCharm进行安装
配置镜像网站，参看探索Python异常世界：玩转异常、模块与包 6.5 PyCharm配置镜像网站

三 pyecharts快速入门

3.1 基础折线图

"""
演示pyecharts的基础入门
"""
# 导包
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("GDP", [30, 20, 10])

# 通过render方法，将代码生成为图像
line.render()

在这里插入图片描述

3.2 pyecharts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
- 系列配置选项

3.2.1 全局配置选项

Pyecharts 提供了一些全局配置选项，可以用来在整个图表中设置一些通用的属性，比如图表标题、图例、工具箱等。这些选项会应用于整个图表，而不仅仅是某个特定系列或组件。
全局配置选项可以通过set_global_opts方法来进行配置
以下是一些常用的全局配置选项及其说明：

标题设置：

title_opts=opts.TitleOpts(title="图表标题", subtitle="副标题")

图例设置：

legend_opts=opts.LegendOpts(type_="scroll", pos_left="center", orient="horizontal")

工具箱设置：

toolbox_opts=opts.ToolboxOpts(is_show=True, feature=opts.ToolBoxFeatureOpts(save_as_image=True))

数据标签设置：

label_opts=opts.LabelOpts(is_show=True, position="top")

全局系列样式设置：

itemstyle_opts=opts.ItemStyleOpts(color="blue", border_color="red")

动画效果设置：

animation_opts=opts.AnimationOpts(animation_delay=1000, animation_easing="elasticOut")

提示框设置

tooltip_opts=opts.TooltipOpts(
    formatter="{a}: {c}",
)
# formatter 参数可以设置提示框内容的显示格式。{a} 表示数据系列的名称，{c} 表示数据值。

这些全局配置选项通常可以通过 set_global_opts() 方法来应用于整个图表。

以下是一个示例，展示如何在折线图中使用全局配置选项：

# 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_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True),
)

# 通过render方法，将代码生成为图像
line.render()

在这里插入图片描述

3.4 折线图相关配置

配置项	作用	代码实例
init_opts	对折线图初始化设置宽高	init_opts=opts.InitOpts(width=“1600px”, height=“800px”)
.add_xaxis	添加x轴数据	.add_xaxis(列表)
.add_yaxis	添加y轴数据

当使用 add_yaxis 方法来向图表中添加数据系列时，你可以使用一些相关的配置选项来自定义该数据系列的样式、标记点、标签等。以下是一些常用的 add_yaxis 相关配置选项：

3.4.1 `.add_yaxis`相关配置选项

配置选项	说明
`is_smooth`	是否使用平滑曲线插值，默认为 `False`。
`is_symbol_show`	是否显示标记点，默认为 `True`。
`symbol`	标记点的图形，如 “circle”、“rect”、“triangle” 等。
`symbol_size`	标记点的大小。
`label_opts`	数据标签的配置选项，可以设置是否显示、位置、颜色等。
`areastyle_opts`	面积图样式的配置选项，用于区域图，设置填充色、透明度等。
`linestyle_opts`	线条样式的配置选项，设置线的颜色、宽度、透明度等。
`itemstyle_opts`	数据项的样式配置选项，包括颜色、边框颜色、透明度等。
`markpoint_opts`	标记点的配置选项，可以添加最大值、最小值等标记点。
`markline_opts`	标记线的配置选项，可以添加平均值、趋势线等标记线。
`tooltip_opts`	提示框的配置选项，用于显示数据信息，包括格式、触发方式等。
`step`	设置折线图的样式，可选值为 “start”、“middle”、“end”。
`area_opacity`	面积图的透明度，适用于区域图。值范围为 [0, 1]。
`label`	用于设置数据项的名称，会在图例和提示框中显示。
`data`	数据列表，表示 y 轴数据。
`series_name`	设置图例名称，series_name=“美国确诊人数”

3.4.2 `.set_global_opts`全局配置选项

在这里插入图片描述

五综合案例：对比折线图

5.1 数据处理

原始数据格式:(使用json工具查看)
对数据进行整理, 让数据符合json格式

import json
from pyecharts.charts import Line

# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = open("C:/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
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 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]

# 获取确认数据，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]

5.2 完整代码

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

# 处理数据
f_us = open("C:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = open("C:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = open("C:/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
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 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]

# 获取确认数据，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
# 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("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%"),
    # x轴配置项
	xaxis_opts=AxisOpts(name="时间"),  # 轴标题
	# y轴配置项
	yaxis_opts=AxisOpts(name="累计确诊人数"),    # 轴标题
	# 图例配置项
	legend_opts=LegendOpts(pos_left='70%'),    # 图例的位置
)

# 调用render方法，生成图表
line.render()
# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()