网站建设自学多长时间,wordpress list,工商注册核名查询官网,医疗网站建设新闻欢迎大家订阅【Python从入门到精通】专栏#xff0c;一起探索Python的无限可能#xff01; 文章目录 前言一、Pyecharts介绍二、安装Pyecharts三、全局配置项四、绘制折线图 前言
在大数据时代#xff0c;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 … 欢迎大家订阅【Python从入门到精通】专栏一起探索Python的无限可能 文章目录 前言一、Pyecharts介绍二、安装Pyecharts三、全局配置项四、绘制折线图 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
WinR 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 导入必要的模块创建折线图对象添加 X 轴数据添加 Y 轴数据设置全局选项渲染或生成图像 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_optsopts.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_optsopts.LabelOpts(is_showTrue))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_optsopts.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_optsopts.LegendOpts(is_showTrue))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
lineLine()
# 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
lineLine()
# 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(# 用于配置图表的标题 title_optsTitleOpts(titleGDP展示,# 将标题位置设置为居中显示距底部设置为占图表可用高度的1%pos_leftcenter,pos_bottom1%),# 设置图例的可见性 legend_optsLegendOpts(is_showTrue),# 用于配置工具箱的选项 toolbox_optsToolboxOpts(),# 设置视觉映射的可见性 visualmap_optsVisualMapOpts(is_showTrue),
) # 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]}]}}]});
要求折线图实现下图效果
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, encodingUTF-8)
a_data f_a.read() # A国的全部内容f_b open(D:/B国.txt, r, encodingUTF-8)
b_data f_b.read() # B国的全部内容f_c open(D:/C国.txt, r, encodingUTF-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_optsLabelOpts(is_showFalse)) # 添加A国的y轴数据
line.add_yaxis(B国确诊人数, jp_y_data, label_optsLabelOpts(is_showFalse)) # 添加B国本的y轴数据
line.add_yaxis(C国确诊人数, in_y_data, label_optsLabelOpts(is_showFalse)) # 添加C国的y轴数据# 设置全局选项
line.set_global_opts(# 标题设置title_optsTitleOpts(title2020年ABC三国某疾病确诊人数对比折线图, pos_leftcenter, pos_bottom1%)
)# 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
