seo推广宣传,东莞seo网络推广,网页设计登录页面怎么做,免费网站空间申请哪个好目录
json介绍#xff1a;
Pyecharts介绍
安装pyecharts包
构建一个基础的折线图
配置全局配置项
综合案例#xff1a;
使用工具对数据进行查看 #xff1a;
数据处理 json介绍#xff1a; json是一种轻量级的数据交互格式#xff0c;采用完全独立于编程语言的文…目录
json介绍
Pyecharts介绍
安装pyecharts包
构建一个基础的折线图
配置全局配置项
综合案例
使用工具对数据进行查看
数据处理 json介绍 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文本格式来存储和表示数据。不同语言格式之间通过json进行转化json本质上为字符串。 下面演示使用json进行数据格式的转化。 python转为json使用json的dumps方法。
代码演示
import json
# python转为json
# 列表转化
data [{name:张三,age:12},{name:王五,age:13},{name:李四,age:14}]
json_str1json.dumps(data,ensure_ascii False) # ensure_ascii false让中文内容直接输出不转换为码
print(type(json_str1))
print(json_str1)# 字典转化
d{name:李四,age:12}
json_str2json.dumps(d,ensure_ascii False)
print(type(json_str2))
print(json_str2)
运行结果 反过来json转为python使用json的loads方法。
代码演示
data [{name:张三,age:12},{name:王五,age:13},{name:李四,age:14}]
list1json.loads(data)
print(type(list1))
print(list1)
运行结果 Pyecharts介绍 Pyecharts是一个基于Python的开源数据可视化库它用于创建交互式的图表和图形。Pyecharts可以生成各种类型的图表包括折线图、柱状图、散点图、饼图等。它提供了丰富的图表样式和配置选项使用户能够自定义图表的外观和行为。 打开pyecharts查看官方示例。 安装pyecharts包 构建一个基础的折线图
代码
from pyecharts.charts import Lineline Line()
# 添加x轴数据
line.add_xaxis([中国,美国,日本])
# 添加y轴数据
line.add_yaxis(GDP,[30,20,10])
# 查看图像
line.render() 运行代码会发现出现一个html结尾的网页文件。 选择一个浏览器打开 。 效果如下图。 配置全局配置项 通过导入包的更多功能添加一些更多的属性.
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts# 引入标题line Line()
# 添加x轴数据
line.add_xaxis([中国,美国,日本])
# 添加y轴数据
line.add_yaxis(GDP,[30,20,10])# 设置全局配置项
line.set_global_opts(# 设置标题并且控制位置title_optsTitleOpts(titleGDP展示,pos_leftcenter,pos_bottom1%),legend_opts LegendOpts(is_showTrue),toolbox_opts ToolboxOpts(is_showTrue),
)
# 查看图像
line.render()效果图 综合案例 生成2022年美日印新冠疫情确诊人数折线对比图。
使用工具对数据进行查看 准备好的文件中的json数据如下 在abc173网站中对该json数据格式化直观看出层次结构点击json视图工具。 数据处理 我们需要获取json数据中的2020年的日期作为x轴该年的确诊人数作为y轴。
美国数据处理的代码演示
# 读取json文件
f_us open(D:/美国.txt,r,encodingUTF-8)
us_dataf_us.read()
# 去掉开头和结尾不规范字符
us_dataus_data.replace(jsonp_1629344292311_69436(,)
us_dataus_data[:-2]# json转python字典
us_dictjson.loads(us_data)# 获取trend key
us_trendus_dict[data][0][trend]# 获取日期数据用于x轴取2020年
us_x_dataus_trend[updateDate][:314]
# 验证 print(us_x_data)# 获取确诊人数数据用于y轴,取2020年
us_y_dataus_trend[list][0][data][:314]
# 验证 print(us_y_data) 同样的对日本和印度的json数据进行相应的处理。
import jsonfrom pyecharts.charts import Line
from pyecharts.options import TitleOpts,LegendOpts,ToolboxOpts# 引入标题# 读取json文件
f_us open(D:/美国.txt,r,encodingUTF-8)
us_dataf_us.read()f_jp open(D:/日本.txt,r,encodingUTF-8)
jp_dataf_jp.read()f_in open(D:/印度.txt,r,encodingUTF-8)
in_dataf_in.read()# 去掉开头和结尾不规范字符
us_dataus_data.replace(jsonp_1629344292311_69436(,)
us_dataus_data[:-2]jp_datajp_data.replace(jsonp_1629350871167_29498(,)
jp_datajp_data[:-2]in_datain_data.replace(jsonp_1629350745930_63180(,)
in_datain_data[:-2]# json转python字典
us_dictjson.loads(us_data)
jp_dictjson.loads(jp_data)
in_dictjson.loads(in_data)# 获取trend key
us_trendus_dict[data][0][trend]
jp_trendjp_dict[data][0][trend]
in_trendin_dict[data][0][trend]# 获取日期数据用于x轴取2020年
us_x_dataus_trend[updateDate][:314]
jp_x_datajp_trend[updateDate][:314]
in_x_datain_trend[updateDate][:314]# 获取确诊人数数据用于y轴,取2020年
us_y_dataus_trend[list][0][data][:314]
jp_y_datajp_trend[list][0][data][:314]
in_y_datain_trend[list][0][data][:314]# 生成图表
lineLine()line.add_xaxis(us_x_data) # x轴数据共用
line.add_yaxis(美国确诊人数,us_y_data)
line.add_yaxis(日本确诊人数,jp_y_data)
line.add_yaxis(印度确诊人数,in_y_data)# 设置标题注意标题一定在全局属性中设置
line.set_global_opts(title_optsTitleOpts(title2022年美日印新冠疫情确诊人数对比图,pos_leftcenter,pos_bottom1%
))# 查看图像
line.render()# 关闭文件
f_us.close()
f_jp.close()
f_in.close()
运行代码得到下图 。 我们可以看到当前图线的数字太多不太美观通过设置系列属性来去掉混合数字ctrlp查看所有功能找到label_opts。
# 修改y轴数据代码
line.add_yaxis(美国确诊人数,us_y_data,label_optsLabelOpts(is_showFalse))
line.add_yaxis(日本确诊人数,jp_y_data,label_optsLabelOpts(is_showFalse))
line.add_yaxis(印度确诊人数,in_y_data,label_optsLabelOpts(is_showFalse))可以看到数字消失了图表清爽了很多。 以上内容仅是对 JSON 数据格式转化以及 Pyecharts 库使用的简单演示。希望这样的分享能给您带来帮助也期待能获得您的投币点赞支持感谢
