Python疫情确诊折线图实现数据可视化实例详解
目录
- 案例描述
- 实现步骤
- 一、导入模块
- 二、读取文件内容
- 三、json转换python
- 四、获取需要用到的数据
- 五、生成图表
- 六、关闭文件
案例描述
根据可参考数据,实现对疫情确诊人数数据的可视化。
利用json转换工具,将数据格式化,需要取出下面两部分的内容。
可视化效果图:
实现步骤
一、导入模块
导入可能用到的模块
import json from pyecharts.charts import Line
二、读取文件内容
打开相应的文件,使用变量us_data保存文件的内容
f_us = open("D:/美国.txt","r",encoding="UTF-8") us_data = f_us.read()
去掉不符合json规范的开头
json文件是一个单独的字典或一个内部元素都是字典的列表。
所以文件内容是字典或列表的格式。
us_data = us_data.replace("jsonp_1629344292311_69436(","")
去掉不符合json规范的结尾
使用切片截取除了最后两个字符的其他字符。
us_data = us_data[:-2]
三、json转换python
将json文件内容转换为python,即字符串转换为字典。
us_dict = json.loads(us_data)
四、获取需要用到的数据
获取字典中用于x、y轴的数据。
# 获取trend key trend_data = us_dict['data'][0]['trend'] # 获取日期数据,取2020一年的数据,到314下标结束 x_data = trend_data['updateDate'][:314] # 获取确诊数据 y_data = trend_data['list'][0]['data'][:314]
五、生成图表
构建对象
line = Line()
添加x、y轴数据
line.add_xaxis(x_data) line.add_yaxis("美国确诊人数",y_data)
如果不想折线图上显示数字数据可以这样写
line.add_yaxis("美国确诊人数",y_data,label_opts=LabelOpts(is_show=False))
设置全局选项
# 先导入需要用到的模块 from pyecharts.options import TitleOpts # 设置 line.set_global_opts( title_opts=TitleOpts(title="2020年美国确诊人数折线图",pos_left="center",pos_bottom="1%") )
调用render方法,生成图表
line.render()
六、关闭文件
在打开文件,使用完文件后,一定记得关闭文件。
f_us.close()
运行后打开render.html文件就可以了。
到此这篇关于Python疫情确诊折线图实现数据可视化实例详解的文章就介绍到这了,更多相关Python数据可视化内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!
相关推荐
-
python数据可视化绘制火山图示例
目录 导入模块 1.读取测试数据 2.查看数据 3.筛选差异基因 4.查看数据,发现多了type这一列 5.统计个数 6.绘火山图 7.保存图片 导入模块 import numpy as np import pandas as pd 1.读取测试数据 data=pd.read_csv(r'E:\ZYH\R.project\rna-seq\lianxi1\exon_level\df.csv') 2.查看数据 data.head() 3.筛选差异基因 # 3.尝试写循环筛选上下调基因分类赋值给 "u
-
python数据可视化matplotlib绘制折线图示例
目录 plt.plot()函数各参数解析 各参数具体含义为: x,y color linestyle linewidth marker 关于marker的参数 plt.plot()函数各参数解析 plt.plot()函数的作用是绘制折线图,它的参数有很多,常用的函数参数如下: plt.plot(x,y,color,linestyle,linewidth,marker,markersize,markerfacecolor,markeredgewidth,markeredgecolor) 各参数具体
-
Python实现数据可视化案例分析
目录 1. 问题描述 2. 实验环境 3. 实验步骤及结果 1. 问题描述 对右图进行修改: 请更换图形的风格 请将 x 轴的数据改为-10 到 10 请自行构造一个 y 值的函数 将直方图上的数字,位置改到柱形图的内部垂直居中的位置 对成绩数据 data1402.csv 进行分段统计:每 5 分作为一个分数段,展示出每个分数段的人数直方图. 自行创建出 10 个学生的 3 个学期排名数据,并通过直方图进行对比展示. 线图 把这个图像做一些调整,要求出现 5 个完整的波峰. 调大 cos 波形的
-
python采集天气数据并做数据可视化
前言 最近天气好像有了点小脾气,总是在万分晴朗得时候耍点小性子~ 阴会天,下上一会的雨~提醒我们时刻记得带伞哦,不然会被雨淋或者被太阳公公晒到 那么今天我就来分享一下采集天气数据 并做数据可视化的代码吧~ 知识点: 动态数据抓包 requests发送请求 结构化+非结构化数据解析 开发环境: python 3.8 运行代码 pycharm 2021.2 辅助敲代码 requests 如果安装python第三方模块: win + R 输入 cmd 点击确定, 输入安装命令 pip install
-
Python数据分析之Matplotlib数据可视化
目录 1.前言 2.Matplotlib概念 3.Matplotlib.pyplot基本使用 3.数据展示 3.1如何选择展示方式 3.2绘制折线图 3.3绘制柱状图 3.3.1普通柱状图 3.3.2堆叠柱状图 3.3.3分组柱状图 3.3.4饼图 4.绘制子图 1.前言 数据展示,即数据可视化,是数据分析的第五个步骤,大部分人对图形敏感度高于数字,好的数据展示方式能让人快速发现问题或规律,找到数据背后隐藏的价值. 2.Matplotlib概念 Matplotlib 是 Python 中常用的
-
python数据可视化绘制世界人口地图
目录 前言 获取两个字母的国别码 制作世界地图 绘制完整的世界人口地图 根据人口数量将国家分组 根据Pygal设置世界地图的样式 前言 数据来源:population_data.json, 先看一下数据长啥样 [ { "Country Name": "Arab World", "Country Code": "ARB", "Year": "1960", "Value"
-
Python疫情数据可视化分析
目录 前言 功能函数 读取文件 更换列名,便于查看 全球疫情趋势 筛选出中国的数据 利用groupby按照省统计确诊死亡治愈病例的总和 确诊人数排名前15的国家 这里用pyecharts库画图,绘制的玫瑰图,rosetype 中国确诊人数前十的省 区域图 热力图 全球死亡人数地理分布情况 全球疫情频率直方图 其他图 陕西确诊病例饼图 陕西省确诊病例数据分布 中国治愈病例玫瑰图 前言 本项目主要通过python的matplotlib pandas pyecharts等库对疫情数据进行可视化分析 数
-
python模拟投掷色子并数据可视化统计图
目录 前言 1.模拟掷色子 2.我们来模拟投掷两个色子 前言 这里讲解模拟掷色子,并实现数据可视化的操作.数据可视化可以帮助我们更好地分析相关的统计结果,获得更为直观的统计图,帮组我们更好的处理一些事情. 可视化的终极目标是洞悉蕴含在数据中的现象和规律,这里面有多重含义:发现.决策.解释.分析.探索和学习.通过数据可视化,可以更好的分析相关的统计结果,以提高我们的工作效率.Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件.它能让使用者很轻松地将数据图形化,并且提供多样化
-
Python疫情确诊折线图实现数据可视化实例详解
目录 案例描述 实现步骤 一.导入模块 二.读取文件内容 三.json转换python 四.获取需要用到的数据 五.生成图表 六.关闭文件 案例描述 根据可参考数据,实现对疫情确诊人数数据的可视化. 利用json转换工具,将数据格式化,需要取出下面两部分的内容. 可视化效果图: 实现步骤 一.导入模块 导入可能用到的模块 import json from pyecharts.charts import Line 二.读取文件内容 打开相应的文件,使用变量us_data保存文件的内容 f_us =
-
Python中zip()函数的解释和可视化(实例详解)
zip()的作用 先看一下语法: zip(iter1 [,iter2 [...]]) -> zip object Python的内置help()模块提供了一个简短但又有些令人困惑的解释: 返回一个元组迭代器,其中第i个元组包含每个参数序列或可迭代对象中的第i个元素.当最短的可迭代输入耗尽时,迭代器将停止.使用单个可迭代参数,它将返回1元组的迭代器.没有参数,它将返回一个空的迭代器. 与往常一样,当您精通更一般的计算机科学和Python概念时,此模块非常有用.但是,对于初学者来说,这段话只会引发更
-
Python pyecharts数据可视化实例详解
目录 一.数据可视化 1.pyecharts介绍 2.初入了解 (1).快速上手 (2).简单的配置项介绍 3.案例实战 (1).柱状图Bar (2).地图Map (3).饼图Pie (4).折线图Line (5).组合图表 二.案例数据获取 总结 一.数据可视化 1.pyecharts介绍 官方网址:https://pyecharts.org/#/zh-cn/intro 概况: Echarts 是一个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,使用JavaScript实现的.
-
Python echarts实现数据可视化实例详解
目录 1.概述 2.安装 3.数据可视化代码 3.1柱状图 3.2折线图 3.3饼图 总结 1.概述 pyecharts 是百度开源的,适用于数据可视化的工具,配置灵活,展示图表相对美观,顺滑. 2.安装 python3环境下的安装: pip3 install pyecharts 3.数据可视化代码 3.1 柱状图 from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker
-
Python数据可视化:泊松分布详解
一个服从泊松分布的随机变量X,表示在具有比率参数(rate parameter)λ的一段固定时间间隔内,事件发生的次数.参数λ告诉你该事件发生的比率.随机变量X的平均值和方差都是λ. 代码实现: # Poisson分布 x = np.random.poisson(lam=5, size=10000) # lam为λ size为k pillar = 15 a = plt.hist(x, bins=pillar, normed=True, range=[0, pillar], color='g',
-
python爬取天气数据的实例详解
就在前几天还是二十多度的舒适温度,今天一下子就变成了个位数,小编已经感受到冬天寒风的无情了.之前对获取天气都是数据上的搜集,做成了一个数据表后,对温度变化的感知并不直观.那么,我们能不能用python中的方法做一个天气数据分析的图形,帮助我们更直接的看出天气变化呢? 使用pygal绘图,使用该模块前需先安装pip install pygal,然后导入import pygal bar = pygal.Line() # 创建折线图 bar.add('最低气温', lows) #添加两线的数据序列 b
-
使用antv替代Echarts实现数据可视化图表详解
目录 前言 面积图 常用参数文档 图表 度量 scale 提示 tooltip 坐标系 axis chart.line(options) chart.area(options) geom.position() geom.color() geom.shape() 柱状图 数据标签 label chart.coordinate() chart.interval(options) 地图 地图容器配置项 map 地图等级 viewLevel 小结 前言 技术永无止尽,多看看不同风景 周一,还在愉快的为移
-
Python 处理数据的实例详解
Python 处理数据的实例详解 最近用python(3.2的版本)写了根据特定规则,处理数据的一个小程序,用到了一些python常用的基础知识,在此总结一下: 1,python读文件 2,python写文件 3,python的流程控制 4,python的for循环 5,python的集合,或字符串里判断是否存在某个元素 6,python的逻辑或,逻辑与 7,python的正则过滤 8,python的字符串忽略空格,和以某个字符串开头和按某个字符拆分成list python的打开文件的模式: 关
-
对python 操作solr索引数据的实例详解
测试代码1: def test(self): data = {"add": {"doc": {"id": "100001", "*字段名*": u"我是一个大好人"}}} params = {"boost": 1.0, "overwrite": "true", "commitWithin": 1000} ur
-
对python抓取需要登录网站数据的方法详解
scrapy.FormRequest login.py class LoginSpider(scrapy.Spider): name = 'login_spider' start_urls = ['http://www.login.com'] def parse(self, response): return [ scrapy.FormRequest.from_response( response, # username和password要根据实际页面的表单的name字段进行修改 formdat
随机推荐
- javascript css 三级目录(简单的)
- Lua中的文件I/O操作教程
- JQGrid的用法解析(列编辑,添加行,删除行)
- 用Java实现小球碰壁反弹的简单实例(算法十分简单)
- jQuery中bind与live的用法及区别小结
- asp.net的cms 原理篇
- IE下写xml文件的两种方式(fso/saveAs)
- js实现获取当前时间是本月第几周的方法
- JavaScript中令你抓狂的魔术变量
- js实现的点击div区域外隐藏div区域
- JQuery 学习笔记 选择器之三
- 用jquery设置按钮的disabled属性的实现代码
- 适用于手机端的jQuery图片滑块动画
- 常用jQuery选择器总结
- 深入Main函数中的参数argc,argv的使用详解
- C#实现的MD5加密功能与用法示例
- Python urlopen 使用小示例
- PHP类(Class)入门教程第1/2页
- 网友原创的PHP模板类代码
- 交换机的堆叠与级连的区别