前言
前面我们已经学习了如何使用 python 的 pyecharts 模块来实现数据可视化，将数据经过处理后以折线图、地图以及柱状图的形式展现出来，那么这篇文章我将以一个例子为大家分享如何结合 面向对象 的思想来实现数据可视化。
实现数据可视化的过程
- 收集数据：收集需要进行可视化的数据，并确保数据的准确性和完整性。数据可以来源于各种渠道，如数据库、日志文件、API等。
- 清洗和整理数据：对收集到的数据进行清洗和整理，包括去除重复值、处理缺失数据、处理异常值等。确保数据的质量和一致性。
- 选择合适的可视化工具：根据数据的类型和需求，选择合适的可视化工具。常见的可视化工具包括Tableau、Power BI、matplotlib、D3.js等。
- 选择可视化类型：根据数据的特点和表达需求，选择合适的可视化类型。常见的可视化类型包括条形图、折线图、散点图、饼图、雷达图等。
- 设计可视化界面：根据数据的特点和可视化类型，设计出合适的可视化界面。界面应该简洁明了，注重重点数据的展示和对比。
- 绘制图表：使用选择的可视化工具，绘制出设计好的可视化图表。根据需求，添加合适的图例、标签、标题等，以增加图表的可读性和易理解性。
- 数据交互和分析：为可视化界面添加交互功能，如鼠标悬停显示数据详情、点击图表元素进行筛选等。通过交互功能，用户可以进行数据的进一步分析和探索。
- 调整和优化：根据用户反馈和需求变化，对可视化界面进行调整和优化。可以修改图表样式、改进交互功能、添加新的数据维度等。
- 分享和发布：将完成的可视化结果分享和发布，可以通过导出静态图片、生成报告、嵌入网页等方式进行展示和共享。
- 监控和更新：定期监控可视化结果，及时更新数据和调整可视化界面，保持可视化结果的时效性和准确性。
我们实现的是简单的数据可视化，今天主要针对收集数据、清洗和整理数、选择可视化类型、绘制图表几个方面来讲解。
实现数据可视化
我们以两个月的销售额来举例，将两个月的销售额以图像的形式展现出来。
读取数据
这里我们已经将数据打包放进了文件中，所以我们需要做的就是将数据从文件中读取出来。由于两个文件的格式是不同的，一种是 csv 格式，一个是 JSON 格式，所以读取和处理数据的方式也是不同的，这里分两个方法来分别读取和处理不同的数据。
这里提供一个接口来方便后面两个类的使用。
class FileReader(): def reader(self) -> list[Record]: pass
什么是接口？接口是指类当中的方法都没有具体的方法体，用 pass 来表示方法体，而具体的方法实现由继承他的子类来实现。
读取文件的方式基本相同，但是为了后面的处理数据操作，我们还是分两个类来实现。
读取csv格式文件数据
class TestFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close()
读取JSON格式文件数据
class JsonFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close()
创建对象
将每一条销售信息当作对象。
class Record(): def __init__(self,data,order_id,money,province): self.data = data self.order_id = order_id self.money = money self.province = province def __str__(self): return f'{self.data},{self.order_id},{self.money},{self.province}'
__ init __ 构造方法来对属性进行初始化。
__ str __ 方法来方便我们的打印。
处理数据
我们将数据数据都转换为对象，每个对象代表一条销售信息，然后将这些对象都存储在列表中。
TestFileReader 类
class TestFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close() list1 : list[Record] = [] for line in data_lines: line = line.strip() # strip方法用来处理每一行数据后面的 \n data_list = line.split(",") record = Record(data_list[0],data_list[1],int(data_list[2]),data_list[3]) list1.append(record) return list1
JsonFileReader 类
class JsonFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close() list1 : list[Record] = [] for line in data_lines: line = line.strip() data_dict = json.loads(line) # JSON类型数据转换为python数据类型 record = Record(data_dict["date"],data_dict["order_id"],int(data_dict["money"]),data_dict["province"]) list1.append(record) return list1
数据分析
将同一天的销售额累加在一起，并且使用字典这种数据类型来存储，为什么要使用字典呢？因为字典的key值不允许出现重复，这也就对应了我们的日期，而值就对应了我们的销售额。
test_file = TestFileReader("D:/桌面/2011年1月销售数据.txt") json_file = JsonFileReader("D:/桌面/2011年2月销售数据JSON.txt") list1 = test_file.reader() list2 = json_file.reader() data_list = list1 + list2 # 将两天的数据综合到一起 data_dict = {} for record in data_list: if record.data in data_dict.keys(): # 如果该日期已经存储了，那么我们将存储的值与当前值相加之后再存入 data_dict[record.data] += record.money else: # 如果没有出现，那么就直接存入数据 data_dict[record.data] = record.money
绘制柱状图
这个例子我们使用柱状图最能显示出数据的差异，随意我们选择柱状图。
bar = Bar(init_opts=InitOpts(theme=ThemeType.LIGHT)) bar.add_xaxis(list(data_dict.keys())) bar.add_yaxis("销售额",list(data_dict.values()),label_opts=LabelOpts(is_show=False)) # 设置系列配置项来取消柱状图中数据的显示 bar.set_global_opts( title_opts=TitleOpts(title="2011年1、2月销售情况") ) bar.render("2021年1、2月销售情况.html")
整体代码及效果展示
data_define.py 文件
class Record(): def __init__(self,data,order_id,money,province): self.data = data self.order_id = order_id self.money = money self.province = province def __str__(self): return f'{self.data},{self.order_id},{self.money},{self.province}'
file_define.py 文件
from data_define import Record import json class FileReader(): def reader(self) -> list[Record]: pass class TestFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close() list1 : list[Record] = [] for line in data_lines: line = line.strip() data_list = line.split(",") record = Record(data_list[0],data_list[1],int(data_list[2]),data_list[3]) list1.append(record) return list1 class JsonFileReader(FileReader): def __init__(self,path): self.path = path def reader(self) -> list[Record]: f = open(self.path,"r",encoding="UTF8") data_lines = f.readlines() f.close() list1 : list[Record] = [] for line in data_lines: line = line.strip() data_dict = json.loads(line) record = Record(data_dict["date"],data_dict["order_id"],int(data_dict["money"]),data_dict["province"]) list1.append(record) return list1
main.py 文件
from data_define import Record from file_define import * from pyecharts.charts import Bar from pyecharts.options import TitleOpts,LabelOpts,InitOpts from pyecharts.globals import ThemeType test_file = TestFileReader("D:/桌面/2011年1月销售数据.txt") json_file = JsonFileReader("D:/桌面/2011年2月销售数据JSON.txt") list1 = test_file.reader() list2 = json_file.reader() data_list = list1 + list2 data_dict = {} for record in data_list: if record.data in data_dict.keys(): data_dict[record.data] += record.money else: data_dict[record.data] = record.money bar = Bar(init_opts=InitOpts(theme=ThemeType.LIGHT)) bar.add_xaxis(list(data_dict.keys())) bar.add_yaxis("销售额",list(data_dict.values()),label_opts=LabelOpts(is_show=False)) bar.set_global_opts( title_opts=TitleOpts(title="2011年1、2月销售情况") ) bar.render("2021年1、2月销售情况.html")
