json数据格式，pyecharts，数据处理，创建折线图_geojason 怎么转成pyecharts.charts-优快云博客

本文展示了如何使用Python的pyecharts库处理json数据，并创建折线图进行数据展示。首先，通过json.dumps将数据转换为字符串，然后通过pyecharts创建折线图对象，设置x轴和y轴数据，最后通过render方法生成图表。同时，文中还涉及到数据预处理，包括读取文件、去除多余字符并将其转化为字典，以便于进一步提取x轴和y轴的日期和数值数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import json
data=[{"name": "张大山", "age": 12},{"name": "张小山", "age": 15},{"name": "李大山", "age": 21}]
json_str = json.dumps(data,ensure_ascii=False)
print(type(json_str))
print(json_str)

输出：

<class 'str'>
[{"name": "张大山", "age": 12}, {"name": "张小山", "age": 15}, {"name": "李大山", "age": 21}]

pyecharts:

全局配置选项：

from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts,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(["Android", "iOS", "HarmonyOs", "其它"])
# 给折线图对象添加y轴的数据
line.add_yaxis("手机系统占比图", [45, 25, 15, 15])
# 设置全局配置项srt_global_opts来设置
line.set_global_opts(
title_opts=TitleOpts(title="GDP展示",pos_left="center", pos_bottom="1%"),
legend_opts=LegendOpts(is_show=True), # 图例
toolbox_opts=ToolboxOpts(is_show=True), # 工具
visualmap_opts=VisualMapOpts(is_show=True) # 视觉映像配置

)
# 通过render将代码生成为图像
line.render()

数据处理：

实例：

import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, VisualMapOpts, LabelOpts
# 处理数据
f_us = open("E:/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read() # 美国的全部内容

f_jp = open("E:/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read() # 日本的全部内容

f_in = open("E:/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read() # 印度的全部内容

# 整理数据,去掉前后多余数据
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
us_data = us_data[:-2]

jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
jp_data = jp_data[:-2]

in_data = in_data.replace("jsonp_1629350745930_63180(", "")
in_data = in_data[:-2]
# json转化为python字典
us_dict = json.loads(us_data)

jp_dict = json.loads(jp_data)

in_dict = json.loads(in_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,只取到314个数据
us_x_data = us_trend_data['updateDate'][:314]

jp_x_data = jp_trend_data['updateDate'][:314]

in_x_data = in_trend_data['updateDate'][:314]
# 获取y轴数据
us_y_data = us_trend_data['list'][0]['data'][:314]

jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]
# 生成图标
line = Line() # 构建对象
# 添加x轴数据
line.add_xaxis(us_x_data) # x轴公用
# 添加y轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))

# 设置全局选项
line.set_global_opts(
title_opts=TitleOpts(title="2022年三国确诊人数比较", pos_left="center", pos_bottom="1%")
)

# 调用render来生成图表
line.render()
# 关闭文件
f_us.close()
f_in.close()
f_jp.close()