一、JSON 数据处理

1.1 JSONP 格式处理

问题： 从网页获取的数据往往是 JSONP 格式（带函数调用），不是标准 JSON。

javascript

// ❌ JSONP 格式（不能直接解析）
jsonp_1629344292311_69436({
  "data": [...]
});

// ✅ 标准 JSON 格式（可以解析）
{
  "data": [...]
}

解决方案：

python

import json

# 读取原始数据
f_us = open("美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()
f_us.close()

# 去掉不合JSON规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(", "")

# 去掉不合JSON规范的结尾（去掉 ");"）
us_data = us_data[:-2]

# JSON转Python字典
us_dict = json.loads(us_data)

1.2 常用方法

方法	说明	示例
json.loads()	JSON字符串 → Python字典	json.loads('{"name":"张三"}')
json.dumps()	Python字典 → JSON字符串	json.dumps({"name":"张三"})
replace()	替换字符串中的内容	"abc".replace("a", "A")
[:-2]	切片，去掉最后2个字符	"abc"[:-2] → "a"

---

二、Pyecharts 折线图

2.1 完整模板

python

from pyecharts.charts import Line
from pyecharts import options as opts

# 1. 创建折线图对象
line = Line()

# 2. 添加数据
line.add_xaxis(x_data)  # x轴数据（日期）
line.add_yaxis("系列名称", y_data)  # y轴数据（数值）

# 3. 设置全局配置
line.set_global_opts(
    title_opts=opts.TitleOpts(title="图表标题"),
    tooltip_opts=opts.TooltipOpts(trigger="axis"),
    xaxis_opts=opts.AxisOpts(name="X轴名称"),
    yaxis_opts=opts.AxisOpts(name="Y轴名称")
)

# 4. 生成HTML文件
line.render("文件名.html")

2.2 完整示例（多国对比）

python

import json
from pyecharts.charts import Line
from pyecharts import options as opts

# 读取三国数据
def load_data(file_path, callback_name):
    with open(file_path, "r", encoding="UTF-8") as f:
        data = f.read()
    data = data.replace(callback_name, "")
    data = data[:-2]
    return json.loads(data)

# 加载数据
us_dict = load_data("美国.txt", "jsonp_1629344292311_69436(")
jp_dict = load_data("日本.txt", "jsonp_1629350871167_29498(")
in_dict = load_data("印度.txt", "jsonp_1629350745930_63180(")

# 提取数据
us_trend = us_dict["data"][0]["trend"]
jp_trend = jp_dict["data"][0]["trend"]
in_trend = in_dict["data"][0]["trend"]

x_data = us_trend["date"][:314]  # 共用x轴
us_y_data = us_trend["confirm"][:314]
jp_y_data = jp_trend["confirm"][:314]
in_y_data = in_trend["confirm"][:314]

# 生成图表
line = (
    Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
    .add_xaxis(x_data)
    .add_yaxis("美国", us_y_data)
    .add_yaxis("日本", jp_y_data)
    .add_yaxis("印度", in_y_data)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="三国疫情对比"),
        tooltip_opts=opts.TooltipOpts(trigger="axis"),
        legend_opts=opts.LegendOpts(pos_top="5%")
    )
)

line.render("三国疫情对比.html")
print("✅ 图表已生成！")

补充：

# 读取三国数据 def load_data(file_path, callback_name): with open(file_path, "r", encoding="UTF-8") as f: data = f.read() data = data.replace(callback_name, "") data = data[:-2] return json.loads(data)这是啥意思啊

📖 逐句详解

这是一个自定义函数，用来重复做同一件事（读取、清洗、解析JSON数据）。

---

🔍 逐行拆解

1️⃣ 函数定义

python

def load_data(file_path, callback_name):

• def = 定义函数

• load_data = 函数名（你自己起的，意思是"加载数据"）

• (file_path, callback_name) = 两个参数，调用函数时需要传入

---

2️⃣ 打开并读取文件

python

with open(file_path, "r", encoding="UTF-8") as f:
    data = f.read()

拆解：

• with open(...) as f: = 打开文件，用完后自动关闭（安全写法）

• file_path = 文件路径（函数参数传进来的）

• "r" = 只读模式

• encoding="UTF-8" = 用UTF-8编码读取（支持中文）

• data = f.read() = 读取文件全部内容，存入变量 data

举例：

python

# 如果调用时传入 file_path = "美国.txt"
# 相当于执行：
with open("美国.txt", "r", encoding="UTF-8") as f:
    data = f.read()

---

3️⃣ 去掉不合JSON规范的开头

python

data = data.replace(callback_name, "")

拆解：

• data.replace(旧内容, 新内容) = 把 旧内容 替换成 新内容

• callback_name = 要替换掉的JSONP函数名（函数参数传进来的）

• "" = 替换成空字符串（相当于删除）

举例：

python

# 假设 data = 'jsonp_123({"name":"美国"})'
# callback_name = "jsonp_123("
data = data.replace("jsonp_123(", "")
# 结果：data = '{"name":"美国"})'

---

4️⃣ 去掉不合JSON规范的结尾

python

data = data[:-2]

拆解：

• [:-2] = 切片操作，去掉最后2个字符

• 因为JSONP格式结尾通常是 );，要去掉

举例：

python

# data = '{"name":"美国"});'
data = data[:-2]
# 结果：data = '{"name":"美国"}'

---

5️⃣ 解析JSON并返回

python

return json.loads(data)

拆解：

• json.loads(data) = 把JSON字符串转换为Python字典

• return = 把转换后的字典返回给调用者

---

🎯 完整流程示例

调用函数

python

import json

us_dict = load_data("美国.txt", "jsonp_1629344292311_69436(")

执行过程

python

# 第1步：打开"美国.txt"，读取内容
# data = 'jsonp_1629344292311_69436({"data":[{"name":"美国"}]});'

# 第2步：去掉开头
# data = data.replace("jsonp_1629344292311_69436(", "")
# data = '{"data":[{"name":"美国"}]});'

# 第3步：去掉结尾
# data = data[:-2]
# data = '{"data":[{"name":"美国"}]}'

# 第4步：JSON转字典并返回
# return json.loads(data)
# 返回：{"data": [{"name": "美国"}]}

---

💡 为什么要用函数？

❌ 不用函数（重复代码）

python

# 读取美国数据
with open("美国.txt", "r", encoding="UTF-8") as f:
    us_data = f.read()
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
us_data = us_data[:-2]
us_dict = json.loads(us_data)

# 读取日本数据（重复同样操作）
with open("日本.txt", "r", encoding="UTF-8") as f:
    jp_data = f.read()
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
jp_data = jp_data[:-2]
jp_dict = json.loads(jp_data)

# 读取印度数据（再次重复）
with open("印度.txt", "r", encoding="UTF-8") as f:
    in_data = f.read()
in_data = in_data.replace("jsonp_1629350745930_63180(", "")
in_data = in_data[:-2]
in_dict = json.loads(in_data)

问题：代码重复3次，又长又难维护！

---

✅ 用函数（简洁优雅）

python

def load_data(file_path, callback_name):
    with open(file_path, "r", encoding="UTF-8") as f:
        data = f.read()
    data = data.replace(callback_name, "")
    data = data[:-2]
    return json.loads(data)

# 一行代码读取一个国家数据
us_dict = load_data("美国.txt", "jsonp_1629344292311_69436(")
jp_dict = load_data("日本.txt", "jsonp_1629350871167_29498(")
in_dict = load_data("印度.txt", "jsonp_1629350745930_63180(")

优点：

• ✅ 代码更短

• ✅ 逻辑清晰

• ✅ 修改一处，全部生效

• ✅ 可以重复使用

2.3 常用配置项

配置	作用	示例
TitleOpts	标题	title_opts=opts.TitleOpts(title="标题")
TooltipOpts	鼠标悬停提示	tooltip_opts=opts.TooltipOpts(trigger="axis")
LegendOpts	图例	legend_opts=opts.LegendOpts(pos_top="5%")
AxisOpts	坐标轴	xaxis_opts=opts.AxisOpts(name="日期")
DataZoomOpts	缩放滑块	datazoom_opts=[opts.DataZoomOpts()]
MarkPointOpts	标记点（最大/最小）	markpoint_opts=opts.MarkPointOpts(data=[...])
MarkLineOpts	标记线（平均线）	markline_opts=opts.MarkLineOpts(data=[...])

三、Pyecharts 地图

3.1 基础地图

python

from pyecharts.charts import Map
from pyecharts import options as opts

# 1. 准备数据
data = [
    ("北京", 99),
    ("上海", 199),
    ("广东", 499),
    ("湖南", 299),
    ("台湾", 399)
]

# 2. 创建地图对象
map_chart = Map()

# 3. 添加数据
map_chart.add("系列名称", data, "china")

# 4. 设置全局配置
map_chart.set_global_opts(
    title_opts=opts.TitleOpts(title="标题"),
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 99, "label": "1-99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100-999人", "color": "#FFFF99"},
            {"min": 1000, "label": "1000以上", "color": "#CC3333"}
        ]
    )
)

# 5. 生成文件
map_chart.render("地图.html")

3.2 全国疫情地图完整示例

python

import json
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.options import TitleOpts, VisualMapOpts

# 1. 读取数据
with open("全国疫情.txt", "r", encoding="UTF-8") as f:
    raw_data = f.read()

# 2. 去掉JSONP包装
raw_data = raw_data.replace("jsonp_1629344292311_69436(", "")
raw_data = raw_data[:-2]

# 3. 解析JSON
data_dict = json.loads(raw_data)

# 4. 提取各省数据
children = data_dict["areaTree"][0]["children"]
data_list = []
for province in children:
    name = province["name"]
    confirm = province["total"]["confirm"]
    data_list.append((name, confirm))

# 打印查看数据
print("数据提取成功！")
print(f"省份数量：{len(data_list)}")
print("\n前5个省份数据：")
for i in range(5):
    print(f"  {data_list[i][0]}: {data_list[i][1]}人")

# 5. 创建地图
map_chart = Map()

# 6. 添加数据
map_chart.add("各省确诊人数", data_list, "china")

# 7. 设置全局配置
map_chart.set_global_opts(
    title_opts=TitleOpts(
        title="2020年全国疫情地图",
        subtitle="数据来源：各省卫健委",
        pos_left="center"
    ),
    visualmap_opts=VisualMapOpts(
        is_show=True,
        is_piecewise=True,
        pieces=[
            {"min": 1, "max": 99, "label": "1~99人", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100~999人", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000~4999人", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000~9999人", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000~99999人", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"}
        ]
    ),
    tooltip_opts=opts.TooltipOpts(
        trigger="item",
        formatter="{b}<br/>确诊人数：{c}人"  # 直接用字符串，不需要 f-string
    )
)

# 8. 设置系列配置
map_chart.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=True,
        font_size=10
    )
)

# 9. 生成HTML文件
map_chart.render("全国疫情地图.html")
print("\n地图已生成：全国疫情地图.html")

四、数据提取模式

4.1 标准数据结构

你的数据通常长这样：

json

{
  "data": [
    {
      "name": "国家名",
      "trend": {
        "date": ["2020.01.22", "2020.01.23", ...],
        "confirm": [1, 2, 3, ...]
      }
    }
  ]
}

4.2 提取数据模板

python

# 提取趋势数据
trend = data_dict["data"][0]["trend"]

# 提取日期（x轴）
x_data = trend["date"][:315]  # 取前315天

# 提取确诊数（y轴）
y_data = trend["confirm"][:315]  # 取前315天

4.3 数据验证

python

# 查看数据长度
print(f"日期数量：{len(x_data)}")
print(f"确诊数量：{len(y_data)}")

# 查看前几条数据
print(f"前3个日期：{x_data[:3]}")
print(f"前3个确诊数：{y_data[:3]}")

# 查看数据统计
print(f"最大值：{max(y_data)}")
print(f"最小值：{min(y_data)}")
print(f"平均值：{sum(y_data) / len(y_data):.0f}")

---

五、常用技巧

5.1 文件操作

python

# 方法1：使用 with 语句（推荐，自动关闭）
with open("文件.txt", "r", encoding="UTF-8") as f:
    data = f.read()

# 方法2：手动打开和关闭
f = open("文件.txt", "r", encoding="UTF-8")
data = f.read()
f.close()

5.2 多个文件处理

python

# 批量读取多个文件
files = {
    "美国": "jsonp_1629344292311_69436(",
    "日本": "jsonp_1629350871167_29498(",
    "印度": "jsonp_1629350745930_63180("
}

data_dicts = {}
for country, callback in files.items():
    with open(f"D:/{country}.txt", "r", encoding="UTF-8") as f:
        data = f.read()
    data = data.replace(callback, "")
    data = data[:-2]
    data_dicts[country] = json.loads(data)

5.3 链式调用（pyecharts特色）

python

line = (
    Line()
    .add_xaxis(x_data)
    .add_yaxis("系列名", y_data)
    .set_global_opts(...)
    .set_series_opts(...)
)

---

六、常见错误及解决

错误	原因	解决
FileNotFoundError	文件不存在	检查文件路径和文件名
JSONDecodeError	JSON格式错误	检查是否去除了JSONP包装
KeyError	字典键不存在	检查数据结构，确认键名正确
IndexError	列表索引超出范围	检查数据长度，确认有足够数据
控制台无输出	没有使用print	添加print语句查看数据
图表不显示	没有调用render()	确保调用了 .render()

总结：

🎯 折线图开发三步曲

python

# 第1步：提取数据（数据准备）
# 第2步：添加数据（配置图表）
# 第3步：绘制图表（生成HTML）

📊 三步详细说明

步骤	做什么	关键代码	说明
第1步：提取数据	从文件读取并解析数据	json.loads()	把数据从文件变成Python能用的格式
第2步：添加数据	把数据放入图表对象	.add_xaxis() .add_yaxis()	告诉图表要画什么
第3步：绘制图表	生成HTML文件	.render()	把图表保存为网页文件