Python初学者学习记录——python基础综合案例：数据可视化—

Python初学者学习记录——python基础综合案例：数据可视化——动态柱状图

一、案例效果

通过pyecharts可以实现数据的动态显示，直观的感受1960~2019年世界各国GDP的变化趋势

二、通过Bar构建基础柱状图

反转x轴和y轴

标签数值在右侧

from pyecharts.charts import Bar
from pyecharts.options import LabelOpts# 构建柱状图对象
bar = Bar()# 添加x轴数据
bar.add_xaxis(["中国", "美国", "英国"])
# 添加y轴数据
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))
#反转x轴和y轴
bar.reversal_axis()# 绘图
bar.render("基础柱状图.html")

三、基础时间线柱状图的绘制

1、Timeline()—时间线

柱状图描述的是分类数据，回答的是每一个分类中【有多少？】这个问题，这是柱状图的主要特点，同时柱状图很难动态的描述一个趋势性的数据，这里pyecharts为我们提供了一种解决方案——时间线

如果说一个Bar、Line对象是一张图表的话，时间线就是创建一个一维的x轴，轴上的每一个点就是一个图表对象

2、创建时间线

3、自动播放

4、时间线设置主题

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeTypebar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国"])
bar1.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))
bar1.reversal_axis()bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国"])
bar2.add_yaxis("GDP", [50, 40, 30], label_opts=LabelOpts(position="right"))
bar2.reversal_axis()bar3 = Bar()
bar3.add_xaxis(["中国", "美国", "英国"])
bar3.add_yaxis("GDP", [70, 60, 40], label_opts=LabelOpts(position="right"))
bar3.reversal_axis()# 构建时间线
timeline = Timeline({"theme": ThemeType.MACARONS})
# 在时间线内部添加柱状图对象
timeline.add(bar1, "点1")
timeline.add(bar2, "点2")
timeline.add(bar3, "点3")
# 自动播放设置
timeline.add_schema(play_interval=1000,         # 自动播放的时间间隔，单位毫秒is_timeline_show=True,      # 是否在自动播放的时候，显示时间线is_auto_play=True,          # 是否自动播放is_loop_play=True           # 是否循环自动播放
)# 绘图是用时间线对象绘图，而不是bar对象
timeline.render("基础时间线柱状图.html")

四、动态GDP柱状图的绘制

1、列表的sort方法

在前面我们学习过sorted函数，可以对数据容器进行排序。

在后面的数据处理中，我们需要对列表进行排序，并指定排序规则，sorted函数就无法完成了。所以我们补充学习列表的sort方法。

使用方法：

列表.sort(key=选择排序依据的函数，reverse=True|False)

· 参数key，是要求传入一个函数，表示将列表的每一个元素都传入函数中，返回排序的依据

· 参数reverse，是否反转排序结果，True表示降序，False表示升序

# 准备列表
my_list = [["a", 33], ["b", 55], ["c", 11]]# 排序，基于带名函数
# def choose_sort_key(element):
#     return element[1]
# my_list.sort(key=choose_sort_key, reverse=True)
# print(my_list)# 排序，基于lambda匿名函数
my_list.sort(key=lambda element: element[1], reverse=True)
print(my_list)

2、需求分析

3、处理数据

4、绘图

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType# 读取数据
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
data_lines = f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储，格式为：
# {年份: [[国家, GDP],[国家, GDP],……], 年份: [[国家, GDP],[国家, GDP],……],……}
# 先定义一个字典对象
data_dict = dict()
for line in data_lines:year = int(line.split(",")[0])  # 年份country = line.split(",")[1]     # 国家GDP = float(line.split(",")[2]) # GDP数据# 如何判断字典里面有没有指定的key呢？try:data_dict[year].append([country, GDP])except KeyError:data_dict[year]=[]data_dict[year].append([country, GDP])# 创建时间线对象
timeline = Timeline({"theme": ThemeType.LIGHT})
# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:data_dict[year].sort(key=lambda element: element[1], reverse=True)# 取出本年份前八名的国家year_data = data_dict[year][:8]x_data = []y_data = []for country_gdp in year_data:x_data.append(country_gdp[0])   # x轴添加国家y_data.append(country_gdp[1] / 100000000)   # y轴添加gdp数据# 构建柱状图对象bar = Bar()x_data.reverse()y_data.reverse()bar.add_xaxis(x_data)bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))# 反转x轴和y轴bar.reversal_axis()# 设置每一年的图表标题bar.set_global_opts(title_opts=TitleOpts(title=f"{year}年全球前8名GDP数据"),toolbox_opts=ToolboxOpts(is_show=True))timeline.add(bar, str(year))# 设置时间线自动播放
timeline.add_schema(play_interval=500,is_timeline_show=True,is_auto_play=True,is_loop_play=False
)
# 绘图
timeline.render("1960-2019年全球GDP前8国家.html")

生成的图表链接（PC端打开）：

http://localhost:63342/pythonProject/1960-2019%E5%B9%B4%E5%85%A8%E7%90%83GDP%E5%89%8D8%E5%9B%BD%E5%AE%B6.html?_ijt=e2vorgbc1leno4grnck9tsdg21&_ij_reload=RELOAD_ON_SAVE