数据可视化——绘制带有时间线的柱状图

我会带着你远行 2023-10-13 21:42 45阅读 0赞

![在这里插入图片描述][d6a4cc5f453f4e78a300085e3a461137.gif_pic_center]

#### 文章目录 ####

*  前言
 *  如何绘制柱状图
 *  添加时间线
 *  根据提供的数据绘制动态柱状图
 *   *  读取并删除无用数据
     *  将数据转换为字典
     *  创建柱状图并添加到时间线中
     *  配置选项并生成带有数据的折线图

## 前言 ##

我们已经学习了使用 `pyecharts` 包中的模块和相应的方法绘制了折线图和地图，那么今天我将为大家分享如何绘制带有时间线的柱状图。

## 如何绘制柱状图 ##

绘制柱状图跟绘制折线图的步骤是大致相同的。

python 中绘制柱状图依赖于 `pyecharts.charts` 模块下的 `Bar` 方法。

from pyecharts.charts import Bar
    
    bar = Bar()
    
    x_data = ["英国","美国","中国"]
    y_data = [10,20,30]
    
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP",y_data)
    
    bar.render("柱状图.html")

![在这里插入图片描述][4c7edb7161454785a70ba19b148fe375.png]  
我们还可以将横坐标与纵坐标颠倒一下，来使数据的展示更加的形象。

使用 `bar.reversal_axis()` 反转x轴和y轴。  
![在这里插入图片描述][0efdd58d56fa44f299c381ce98551f36.png]  
这里数据显示在柱状图中，我们看的不是很方便，我也也可以通过设置系列配置选项来使数据显示在柱状图的右侧。

bar.add_yaxis("GDP",y_data,label_opts=LabelOpts(position="right"))

所以我们经过完善后的整体代码是：

from pyecharts.charts import Bar
    from pyecharts.options import LabelOpts
    
    bar = Bar()
    
    x_data = ["英国","美国","中国"]
    y_data = [10,20,30]
    
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP",y_data,label_opts=LabelOpts(position="right"))
    bar.reversal_axis()  # 反转x轴和y轴
    
    bar.render("柱状图.html")

![在这里插入图片描述][ca044b51b18943d7b0d570330cdb6385.png]

## 添加时间线 ##

![在这里插入图片描述][e13f685b3af64442b33565d9df2d458f.gif_pic_center]

**通过添加时间线我们可以看到多种不同的数据，每一个时间其实就是一个柱状图，时间线是由一个一个的柱状图组成的。**

from pyecharts.charts import Bar,Timeline
    from pyecharts.options import LabelOpts,TitleOpts
    
    bar1 = Bar()
    bar2 = Bar()
    bar3 = Bar()
    
    x_data = ["英国","美国","中国"]
    y_data1 = [10,20,30]
    y_data2 = [20,30,40]
    y_data3 = [40,50,70]
    
    bar1.add_xaxis(x_data)
    bar1.add_yaxis("GDP",y_data1,label_opts=LabelOpts(position="right"))
    bar1.reversal_axis()  # 反转x轴和y轴
    bar1.set_global_opts(title_opts=TitleOpts(title="2021年GDP"))
    
    bar2.add_xaxis(x_data)
    bar2.add_yaxis("GDP",y_data2,label_opts=LabelOpts(position="right"))
    bar2.reversal_axis()  # 反转x轴和y轴
    bar2.set_global_opts(title_opts=TitleOpts(title="2022年GDP"))
    
    bar3.add_xaxis(x_data)
    bar3.add_yaxis("GDP",y_data3,label_opts=LabelOpts(position="right"))
    bar3.reversal_axis()  # 反转x轴和y轴
    bar3.set_global_opts(title_opts=TitleOpts(title="2023年GDP"))
    
    timeline = Timeline()
    timeline.add(bar1,"2021")
    timeline.add(bar2,"2022")
    timeline.add(bar3,"2023")
    
    timeline.render("2021-2023中美英三国GDP.html")

![在这里插入图片描述][083583481dd547d6910647a5c3987bcc.png]  
如果我们要让动态柱状图动起来的话，我们需要设置配置选项。

timeline.add_schema(
        play_interval=1000,  # 每个柱状图播放间隔时间，单位（毫秒）
        is_timeline_show=True,  # 是否显示时间线，默认显示
        is_auto_play=True,  # 是否自动播放
        is_loop_play=True  # 是否循环播放
    )

![在这里插入图片描述][97561c63a10348d4a251774977286c4f.gif_pic_center]

## 根据提供的数据绘制动态柱状图 ##

我们显示出1960年-2014年全国GDP数据前八的国家和数据。这里提供的数据大家可以私信我找我要。  
![在这里插入图片描述][3cd7a432949e4ae980f33be50bb95e8f.png]  
这里提供的数据比较简单，我们只需要将第一行无用的数据删除，然后再将这些数据转换为我们绘制柱状图需要的数据就好了。

### 读取并删除无用数据 ###

f = open("D:/桌面/1960-2019全球GDP数据.csv","r",encoding="GB2312")
    data_lines = f.readlines()
    
    f.close()
    
    data_lines.pop(0)

GB2312 编码是中文编码格式

### 将数据转换为字典 ###

data_dict = {
        }
    for line in data_lines:
        data_list = line.split(",")  # 每一行以逗号分割，返回一个列表
        year = data_list[0]
        country = data_list[1]
        GDP = float(data_list[2][:-1])  # 每一行最后有一个换行符
        # 这里需要做出异常判断，因为当我们第一次插入数据的时候并没有容器来装这些数据
        try:
            data_dict[year].append((country, GDP))
        except:
            data_dict[year] = []
            data_dict[year].append([country, GDP])

### 创建柱状图并添加到时间线中 ###

sorted_year_line = sorted(data_dict.keys())  # 按时间顺序排序
    timeline = Timeline({
        "scheme":ThemeType.LIGHT})  # 在创建时间线的时候传入scheme参数可以设置时间线的主题，也就是柱状图的颜色
    
    for year in sorted_year_line:
        x_data = []
        y_data = []
        data_dict[year].sort(key=lambda element : element[1],reverse=True)
        year_data = data_dict[year][0:8]  # 取GDP前八的数据
        for data in year_data:
            x_data.append(data[0])
            y_data.append(data[1] / 100000000)
    
        bar = Bar()
        x_data.reverse()
        y_data.reverse()  # 让GDP排名第一的数据在最上面，所以我们将x_data 和 y_data中的数据反转一下
        bar.add_xaxis(x_data)
        bar.add_yaxis("GDP(亿)",y_data,label_opts=LabelOpts(position="right"))
        bar.reversal_axis()  # 将x轴和y轴翻转
        bar.set_global_opts(
            title_opts=TitleOpts(title=f"{
          year}年全国GDP数据前八")
        )
        timeline.add(bar,year)

### 配置选项并生成带有数据的折线图 ###

timeline.add_schema(
        play_interval=1000,
        is_timeline_show=True,
        is_auto_play=True,
        is_loop_play=False
    )
    timeline.render("1960-2014年全国GDP数据前八.html")

![在这里插入图片描述][053539d6bcbe490f82686f2b4e4a1c67.gif_pic_center]

[d6a4cc5f453f4e78a300085e3a461137.gif_pic_center]: https://img-blog.csdnimg.cn/d6a4cc5f453f4e78a300085e3a461137.gif#pic_center
[4c7edb7161454785a70ba19b148fe375.png]: https://img-blog.csdnimg.cn/4c7edb7161454785a70ba19b148fe375.png
[0efdd58d56fa44f299c381ce98551f36.png]: https://img-blog.csdnimg.cn/0efdd58d56fa44f299c381ce98551f36.png
[ca044b51b18943d7b0d570330cdb6385.png]: https://img-blog.csdnimg.cn/ca044b51b18943d7b0d570330cdb6385.png
[e13f685b3af64442b33565d9df2d458f.gif_pic_center]: https://img-blog.csdnimg.cn/e13f685b3af64442b33565d9df2d458f.gif#pic_center
[083583481dd547d6910647a5c3987bcc.png]: https://img-blog.csdnimg.cn/083583481dd547d6910647a5c3987bcc.png
[97561c63a10348d4a251774977286c4f.gif_pic_center]: https://img-blog.csdnimg.cn/97561c63a10348d4a251774977286c4f.gif#pic_center
[3cd7a432949e4ae980f33be50bb95e8f.png]: https://img-blog.csdnimg.cn/3cd7a432949e4ae980f33be50bb95e8f.png
[053539d6bcbe490f82686f2b4e4a1c67.gif_pic_center]: https://img-blog.csdnimg.cn/053539d6bcbe490f82686f2b4e4a1c67.gif#pic_center