Python数据可视化——折线图

# JSON格式示例1：字典形式
{"name": "admin", "age": 18}

# JSON格式示例2：列表形式（包含多个字典）
[
    {"name": "admin", "age": 18},
    {"name": "root", "age": 16},
    {"name": "张三", "age": 20}
]

2. JSON的作用

在不同编程语言之间传递数据时，JSON作为通用的数据格式。

3. Python与JSON相互转换

import json

# Python转JSON：json.dumps()
print("=== Python转JSON ===")
data = [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]
json_data = json.dumps(data)
print(f"Python数据：{data}")
print(f"JSON数据：{json_data}")
print(f"JSON类型：{type(json_data)}")   # <class 'str'>

# JSON转Python：json.loads()
print("\n=== JSON转Python ===")
json_str = '[{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]'
python_data = json.loads(json_str)
print(f"JSON字符串：{json_str}")
print(f"Python数据：{python_data}")
print(f"Python类型：{type(python_data)}")   # <class 'list'>

输出：

=== Python转JSON ===
Python数据：[{'name': '老王', 'age': 16}, {'name': '张三', 'age': 20}]
JSON数据：[{"name": "\u8001\u738b", "age": 16}, {"name": "\u5f20\u4e09", "age": 20}]
JSON类型：<class 'str'>

=== JSON转Python ===
JSON字符串：[{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]
Python数据：[{'name': '老王', 'age': 16}, {'name': '张三', 'age': 20}]
Python类型：<class 'list'>

4. 处理中文

import json

data = [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]

# 不处理中文：中文会被转义
json_data1 = json.dumps(data)
print(json_data1)   # [{"name": "\u8001\u738b", "age": 16}...]

# 处理中文：使用 ensure_ascii=False
json_data2 = json.dumps(data, ensure_ascii=False)
print(json_data2)   # [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]

二、pyecharts模块介绍

1. 安装pyecharts

pip install pyecharts

2. pyecharts画廊

官方示例：https://gallery.pyecharts.org/#/README

三、pyecharts快速入门

1. 基础折线图

# 导入模块
from pyecharts.charts import Line
from pyecharts import options as opts

# 创建折线图对象
line = Line()

# 添加x轴数据
line.add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])

# 添加y轴数据
line.add_yaxis("销售额", [100, 120, 150, 180, 200, 250])

# 设置全局配置
line.set_global_opts(
    title_opts=opts.TitleOpts(title="月度销售趋势", pos_left="center"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额(万元)"),
    legend_opts=opts.LegendOpts(pos_left="70%"),
)

# 生成HTML文件
line.render("sales.html")
print("折线图已生成：sales.html")

2. 多条折线图

from pyecharts.charts import Line
from pyecharts import options as opts

# 创建折线图对象
line = Line()

# 添加x轴数据
line.add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])

# 添加多条y轴数据
line.add_yaxis("产品A", [100, 120, 150, 180, 200, 250])
line.add_yaxis("产品B", [80, 90, 110, 130, 160, 190])
line.add_yaxis("产品C", [60, 70, 85, 100, 120, 140])

# 设置全局配置
line.set_global_opts(
    title_opts=opts.TitleOpts(title="产品月度销售对比", pos_left="center"),
    xaxis_opts=opts.AxisOpts(name="月份"),
    yaxis_opts=opts.AxisOpts(name="销售额(万元)"),
    tooltip_opts=opts.TooltipOpts(trigger="axis"),  # 鼠标悬停显示
)

line.render("products.html")
print("多条折线图已生成：products.html")

3. 设置线条样式

from pyecharts.charts import Line
from pyecharts import options as opts

line = Line()

line.add_xaxis(["1月", "2月", "3月", "4月", "5月", "6月"])

# 设置线条样式
line.add_yaxis(
    "销售额",
    [100, 120, 150, 180, 200, 250],
    linestyle_opts=opts.LineStyleOpts(width=3, color="red", type_="solid"),
    symbol="circle",           # 标记点形状：circle, diamond, triangle, rect
    symbol_size=10,            # 标记点大小
    label_opts=opts.LabelOpts(is_show=True),  # 显示数值标签
)

line.set_global_opts(
    title_opts=opts.TitleOpts(title="销售趋势图", pos_left="center"),
    tooltip_opts=opts.TooltipOpts(trigger="axis"),
)

line.render("line_style.html")
print("样式折线图已生成：line_style.html")

四、数据处理

1. 处理原始JSON数据

import json

# 原始数据（带有JSONP回调函数）
raw_data = 'jsonp_1629350871167_29498({"data": [{"trend": {"updateDate": ["2020-01-01", "2020-01-02"], "list": [{"data": [100, 200]}]}}]})'

print("=== 数据清理前 ===")
print(raw_data[:80] + "...")

# 去掉JSONP回调函数前缀
cleaned_data = raw_data.replace('jsonp_1629350871167_29498(', '')
# 去掉末尾的 ");"
cleaned_data = cleaned_data[:-2]

print("\n=== 数据清理后 ===")
print(cleaned_data[:80] + "...")

# 转换为Python字典
data_dict = json.loads(cleaned_data)

print("\n=== 转换后的Python数据 ===")
print(f"数据类型：{type(data_dict)}")  # <class 'dict'>
print(f"数据键：{data_dict.keys()}")

2. 提取疫情数据

import json

# 模拟疫情数据（简化版）
data = {
    "data": [
        {
            "trend": {
                "updateDate": [
                    "2020-01-01", "2020-01-02", "2020-01-03",
                    "2020-01-04", "2020-01-05", "2020-01-06"
                ],
                "list": [
                    {"name": "美国", "data": [100, 120, 150, 180, 200, 250]},
                    {"name": "印度", "data": [50, 60, 80, 100, 130, 160]},
                    {"name": "日本", "data": [20, 25, 30, 35, 40, 45]}
                ]
            }
        }
    ]
}

# 获取趋势数据
trend_data = data["data"][0]["trend"]

# 获取日期（x轴）
x_data = trend_data["updateDate"]
print(f"日期数据：{x_data}")

# 获取各国确诊数据（y轴）
for country in trend_data["list"]:
    print(f"{country['name']}：{country['data']}")

# 只获取2020年的数据（前314天）
x_2020 = trend_data["updateDate"][:314]
us_data = trend_data["list"][0]["data"][:314]
india_data = trend_data["list"][1]["data"][:314]
japan_data = trend_data["list"][2]["data"][:314]

print(f"\n2020年数据条数：{len(x_2020)}")

五、创建折线图（完整案例）

案例：2020年印美日新冠累计确诊人数对比图

import json
from pyecharts.charts import Line
from pyecharts import options as opts

# 模拟数据（实际项目中从JSON文件读取）
# 生成2020年日期（1月1日到12月31日）
dates = [f"2020-{m:02d}-{d:02d}" for m in range(1, 13) for d in range(1, 29)]
dates = dates[:314]  # 取314天

# 模拟各国确诊数据
us_data = [i * 1000 + (i ** 2) for i in range(314)]
india_data = [i * 800 + (i ** 1.8) for i in range(314)]
japan_data = [i * 200 + (i ** 1.5) for i in range(314)]

print("=== 数据统计 ===")
print(f"日期范围：{dates[0]} 至 {dates[-1]}")
print(f"美国最终确诊数：{us_data[-1]:,}")
print(f"印度最终确诊数：{india_data[-1]:,}")
print(f"日本最终确诊数：{japan_data[-1]:,}")

# 创建折线图
line = Line()

# 添加x轴数据
line.add_xaxis(dates)

# 添加y轴数据（三条折线）
line.add_yaxis(
    "美国🇺🇸",
    us_data,
    linestyle_opts=opts.LineStyleOpts(width=2, color="#EF553B"),
    symbol="circle",
    symbol_size=5,
    label_opts=opts.LabelOpts(is_show=False),  # 数据点太多，不显示标签
)

line.add_yaxis(
    "印度🇮🇳",
    india_data,
    linestyle_opts=opts.LineStyleOpts(width=2, color="#636EFA"),
    symbol="diamond",
    symbol_size=5,
    label_opts=opts.LabelOpts(is_show=False),
)

line.add_yaxis(
    "日本🇯🇵",
    japan_data,
    linestyle_opts=opts.LineStyleOpts(width=2, color="#00CC96"),
    symbol="triangle",
    symbol_size=5,
    label_opts=opts.LabelOpts(is_show=False),
)

# 设置全局配置
line.set_global_opts(
    title_opts=opts.TitleOpts(
        title="2020年 印🇮🇳美🇺🇸日🇯🇵 累计确诊人数对比图",
        pos_left="center",
        title_textstyle_opts=opts.TextStyleOpts(font_size=18)
    ),
    xaxis_opts=opts.AxisOpts(
        name="时间",
        name_location="middle",
        name_gap=35,
        axislabel_opts=opts.LabelOpts(rotate=45, interval=30)  # 标签旋转45度，每30个显示一个
    ),
    yaxis_opts=opts.AxisOpts(
        name="累计确诊人数",
        name_location="middle",
        name_gap=50,
        axislabel_opts=opts.LabelOpts(formatter="{value}")  # 格式化
    ),
    tooltip_opts=opts.TooltipOpts(
        trigger="axis",          # 鼠标悬停触发
        axis_pointer_type="shadow"  # 阴影指示器
    ),
    legend_opts=opts.LegendOpts(
        pos_left="70%",          # 图例位置
        pos_top="5%",
        item_width=30,
        item_height=15
    ),
    datazoom_opts=opts.DataZoomOpts(  # 添加缩放控件
        range_start=0,
        range_end=100,
        is_show=True
    ),
)

# 生成HTML文件
line.render("covid_comparison.html")
print("\n✅ 折线图已生成：covid_comparison.html")
print("请在浏览器中打开该文件查看可视化效果")

六、全局配置项详解

配置项	类	说明	常用参数
标题配置	`TitleOpts`	设置图表标题	`title`, `pos_left`, `pos_top`
x轴配置	`AxisOpts`	设置x轴	`name`, `type_`, `axislabel_opts`
y轴配置	`AxisOpts`	设置y轴	`name`, `type_`, `min_`, `max_`
图例配置	`LegendOpts`	设置图例	`pos_left`, `pos_top`, `orient`
提示框配置	`TooltipOpts`	鼠标悬停提示	`trigger`, `axis_pointer_type`
缩放配置	`DataZoomOpts`	数据缩放控件	`range_start`, `range_end`
工具栏配置	`ToolboxOpts`	保存图片等工具	`is_show`, `feature`

配置示例

from pyecharts.charts import Line
from pyecharts import options as opts

line = Line()
line.add_xaxis(["A", "B", "C", "D"])
line.add_yaxis("数据", [10, 20, 30, 40])

line.set_global_opts(
    # 标题配置
    title_opts=opts.TitleOpts(
        title="主标题",
        subtitle="副标题",
        pos_left="center",
        title_textstyle_opts=opts.TextStyleOpts(font_size=20)
    ),
    # x轴配置
    xaxis_opts=opts.AxisOpts(
        name="X轴名称",
        axislabel_opts=opts.LabelOpts(rotate=45)  # 标签旋转
    ),
    # y轴配置
    yaxis_opts=opts.AxisOpts(
        name="Y轴名称",
        min_=0,  # 最小值
        max_=50, # 最大值
        is_show=True
    ),
    # 图例配置
    legend_opts=opts.LegendOpts(
        pos_left="70%",
        pos_top="5%",
        orient="vertical"  # 垂直排列
    ),
    # 提示框配置
    tooltip_opts=opts.TooltipOpts(
        trigger="axis",
        formatter="{b}: {c}"  # 自定义格式
    ),
    # 缩放控件
    datazoom_opts=opts.DataZoomOpts(is_show=True),
)

line.render("config_demo.html")

七、系列配置项详解

配置项	类	说明	示例
线条样式	`LineStyleOpts`	设置线条颜色、宽度	`width=2, color="red"`
标记点	`symbol`	点的形状	`"circle"`, `"diamond"`
标记点大小	`symbol_size`	点的大小	`symbol_size=8`
标签	`LabelOpts`	是否显示数值	`is_show=True`
面积样式	`AreaStyleOpts`	填充面积	`opacity=0.3`
平滑曲线	`is_smooth`	是否平滑	`is_smooth=True`

# 完整系列配置示例
line.add_yaxis(
    "数据",
    [10, 20, 30, 40],
    # 线条样式
    linestyle_opts=opts.LineStyleOpts(
        width=3,           # 线宽
        color="red",       # 颜色
        type_="dashed"     # 线条类型：solid, dashed, dotted
    ),
    # 标记点
    symbol="circle",
    symbol_size=8,
    # 标签
    label_opts=opts.LabelOpts(
        is_show=True,      # 显示数值
        position="top"     # 位置：top, bottom, left, right
    ),
    # 平滑曲线
    is_smooth=True,
    # 面积填充
    areastyle_opts=opts.AreaStyleOpts(
        opacity=0.3
    ),
)

八、常用工具速查

1. JSON转换

操作	方法	示例
Python → JSON	`json.dumps()`	`json.dumps(data, ensure_ascii=False)`
JSON → Python	`json.loads()`	`json.loads(json_str)`

2. pyecharts导入

from pyecharts.charts import Line      # 折线图
from pyecharts import options as opts  # 配置项

3. 基础模板

from pyecharts.charts import Line
from pyecharts import options as opts

# 1. 创建图表对象
line = Line()

# 2. 添加数据
line.add_xaxis(x_data)
line.add_yaxis("系列名", y_data)

# 3. 设置配置
line.set_global_opts(
    title_opts=opts.TitleOpts(title="标题"),
)

# 4. 生成文件
line.render("output.html")

4. 文件输出

# 生成HTML文件
line.render("文件名.html")

# 在Jupyter Notebook中直接显示
# line.render_notebook()

九、注意事项

数据清理：从网络获取的JSON数据可能带有JSONP回调函数，需要先清理
中文处理：json.dumps() 时需要添加 ensure_ascii=False
x轴标签过多：使用 axislabel_opts=opts.LabelOpts(rotate=45, interval=30)
数据点过多：使用 DataZoomOpts 添加缩放控件
HTML预览：生成的HTML文件需要用浏览器打开查看