Chapter 22 数据可视化——折线图

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！

---

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

Win+R 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

1. 导入必要的模块
2. 创建折线图对象
3. 添加 X 轴数据
4. 添加 Y 轴数据
5. 设置全局选项
6. 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_opts=opts.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_opts=opts.LabelOpts(is_show=True))
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_opts=opts.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_opts=opts.LegendOpts(is_show=True))
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
line=Line()
# 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                                                                  
line=Line()                                                                  
# 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_opts=TitleOpts(title="GDP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_left="center",pos_bottom="1%"),# 设置图例的可见性    legend_opts=LegendOpts(is_show=True),# 用于配置工具箱的选项                                    toolbox_opts=ToolboxOpts(),# 设置视觉映射的可见性                                              visualmap_opts=VisualMapOpts(is_show=True),                              
)                                                                            # 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", encoding="UTF-8")
a_data = f_a.read()   # A国的全部内容f_b = open("D:/B国.txt", "r", encoding="UTF-8")
b_data = f_b.read()   # B国的全部内容f_c = open("D:/C国.txt", "r", encoding="UTF-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_opts=LabelOpts(is_show=False))     # 添加A国的y轴数据
line.add_yaxis("B国确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))     # 添加B国本的y轴数据
line.add_yaxis("C国确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))     # 添加C国的y轴数据# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020年ABC三国某疾病确诊人数对比折线图", pos_left="center", pos_bottom="1%")
)# 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：