综合案例,全球GDP排行榜
1、知识点补充:sort()方法
sort()方法: 列表.sort(key=选择排序依据的函数,reverse=True|False)
my_list = [['a', 33], ['b', 55], ['c', 11]]
def choose_sort_key(element):
return element[1] # 列表中每个元素传进来,按照元素下标1排序
# 逆序
my_list.sort(key=choose_sort_key, reverse=True) # 注意此处调用函数方式
print(my_list)
匿名函数写法
my_list = [['a', 33], ['b', 55], ['c', 11]]
my_list.sort(key=lambda element: element[1], reverse=True)
print(my_list)
2、实战案例 ,全球GDP数据可视化
导包
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *
数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312
data = f.readlines() # readlines()返回列表,read()返回字符串
f.close()
print(data)
print(type(data))
第一行为标头,非数据,使用pop()方法去除
data.pop(0)
print(data)
将数据转为字典格式
错误思路
{年份:[国家,GDP],年份:[国家,GDP],int:[str,float]…} ,实际上,同年应有多个国家GDP数据,故此格式错误
for element in data:
element = element.strip()
element = element.split(',')
print("element:",element)
此方法错误,年份key相同时,为更新value操作!!!!!严重丢失数据!!!
data_dict = {}
# {年份:[国家,GDP],年份:[国家,GDP],int:[str,float]......},实际上,同年应有多个国家GDP数据,故此格式错误
for element in data:
element = element.strip()
element = element.split(',')
# print("element:",element)
# 注意字典添加/更新数据方式:my_dict[key] = value
# 此方法错误,年份key相同时,为更新value操作!!!!!严重丢失数据!!!
# data_dict = {element[0]: [element[1], element[2]]}
data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))
正确思路
{年份:[[国家,GDP],[国家,GDP],…],年份:[[国家,GDP],[国家,GDP],…],int:[[str,float],[str,float],…],…}
正确数据格式,年份:value,而value是一个列表,包含不同国家的数据,其中每个元素又是一个列表;而某一国家具体数据列表为[国家,GDP]。
data_dict = {}
for line in data:
print(line)
print(type(line))
print(line.split(',')) # ['2018', '巴巴多斯', '5086500000\n']
split()方法生成列表,取0号索引元素为年份,1号索引元素为国家,2号索引元素为GDP
data_dict = {}
# {年份:[[国家,GDP],[国家,GDP],......],年份:[[国家,GDP],[国家,GDP],......],int:[[str,float],[str,float],......],......},正确数据格式,年份:value,而value是一个列表,包含不同国家的数据,其中每个元素又是一个列表;而某一国家具体数据列表为[国家,GDP]。
for line in data:
# print(line)
# print(type(line))
# print(line.split(',')) # ['2018', '巴巴多斯', '5086500000\n']
# split()方法生成列表,取0号索引元素为年份,1号索引元素为国家,2号索引元素为GDP
year = int(line.split(',')[0])
country = line.split(',')[1]
GDP = float(line.split(',')[2]) # 换行符消失 543300000000.0
print(GDP)
注意此处灵活使用try捕获异常语句,妙
"""
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
try:
无异常的情况,向列表(value)中使用append()方法追加元素(list)
data_dict[year].append([country,GDP])
except:
出现异常情况,data_dict[year]此时无对应value,构建空列表,再向列表中追加元素
data_dict[year] = []
data_dict[year].append([country,GDP])
"""
try:
data_dict[year].append([country, GDP])
except:
data_dict[year] = []
data_dict[year].append([country, GDP])
print(data_dict)
print(type(data_dict))
将数据转为字典格式完整代码
# 将数据转为字典格式
"""
data_dict = {}
# {年份:[国家,GDP],年份:[国家,GDP],int:[str,float]......},实际上,同年应有多个国家GDP数据,故此格式错误
for element in data:
element = element.strip()
element = element.split(',')
# print("element:",element)
# 注意字典添加/更新数据方式:my_dict[key] = value
# 此方法错误,年份key相同时,为更新value操作!!!!!严重丢失数据!!!
# data_dict = {element[0]: [element[1], element[2]]}
data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))
"""
data_dict = {}
# {年份:[[国家,GDP],[国家,GDP],......],年份:[[国家,GDP],[国家,GDP],......],int:[[str,float],[str,float],......],......},正确数据格式,年份:value,而value是一个列表,包含不同国家的数据,其中每个元素又是一个列表;而某一国家具体数据列表为[国家,GDP]。
for line in data:
# print(line)
# print(type(line))
# print(line.split(',')) # ['2018', '巴巴多斯', '5086500000\n']
# split()方法生成列表,取0号索引元素为年份,1号索引元素为国家,2号索引元素为GDP
year = int(line.split(',')[0])
country = line.split(',')[1]
GDP = float(line.split(',')[2]) # 换行符消失 543300000000.0
# print(GDP)
# 注意此处灵活使用try捕获异常语句,妙
"""
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
try:
无异常的情况,向列表(value)中使用append()方法追加元素(list)
data_dict[year].append([country,GDP])
except:
出现异常情况,data_dict[year]此时无对应value,构建空列表,再向列表中追加元素
data_dict[year] = []
data_dict[year].append([country,GDP])
"""
try:
data_dict[year].append([country, GDP])
except:
data_dict[year] = []
data_dict[year].append([country, GDP])
# print(data_dict)
# print(type(data_dict))
可转为json,放入格式化工具查看一下
data_json = json.dumps(data_dict)
print(data_json)
print(type(data_json))
时间线柱状图timeline的时间节点应有序,故先对年份进行排序(实际上字典中year(key)已是升序)
sorted_year_list = sorted(data_dict.keys()) # keys()方法取出字典所有关键字,可用for循环遍历字典
print(sorted_year_list)
每年国家数量非常多,取GDP排名前十作柱状图
print(data_dict[1960]) # 每年国家数量非常多,取GDP排名前十作柱状图
构建时间线对象
timeline = Timeline(
{"theme": ThemeType.LIGHT} # 设置主题
)
每年GDP降序排序
for year in sorted_year_list:
data_dict[year].sort(key=lambda element: element[1],
reverse=True) # sort()方法: 列表.sort(key=选择排序依据的函数,reverse=True|False)
print(data_dict[year]) # [['美国', 543300000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0],......]
取出本年度GDP前十的国家, 数据类型为列表,可通过切片[::],取出前十名
print(type(data_dict[year])) # 数据类型为列表,可通过切片[::],取出前十名
prior_gdp = data_dict[year][0:10]
每一年都构建一个柱状图
# 创建两个列表分别存放X轴数据与Y轴数据
x_data = []
y_data = []
前十名
print(prior_gdp)
取国家名存入列表作为X轴数据,取GDP值存入列表作为Y轴数据
for country_gdp in prior_gdp:
print(country_gdp) # ['美国', 17527200000000.0]
x_data.append(country_gdp[0])
y_data.append(country_gdp[1] / 100000000)
print(x_data) # ['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚', '瑞典']
print(y_data) # [5433.0, 732.33967692, 622.25478, 597.16467625, 443.0734295, 404.61721692, 403.85288344, 370.29883875, 185.77668271, 158.22585033]
构建柱状图对象
反转X轴与Y轴,此操作导致GDP高的国家在最下面,故上方使用reverse()方法逆置X轴与Y轴数据文章来源:https://www.toymoban.com/news/detail-591840.html
# 构建柱状图对象
bar = Bar()
# 逆置X轴与Y轴数据,使GDP值高的排在前面
x_data.reverse()
y_data.reverse()
bar.add_xaxis(x_data)
# Y轴设置图例,数据,以及数据在右侧显示
bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
bar.reversal_axis() # 反转X轴与Y轴,此操作导致GDP高的国家在最下面,故上方使用reverse()方法逆置X轴与Y轴数据
设置每年图的标题
bar.set_global_opts(
title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
toolbox_opts=ToolboxOpts(is_show=True)
)
timeline.add(bar, str(year)) # 要求为字符串
设置自动播放
timeline.add_schema(
play_interval=500,
is_loop_play=False,
is_auto_play=True,
is_timeline_show=True
)
绘图
timeline.render("GDP排行榜.html")
文章来源地址https://www.toymoban.com/news/detail-591840.html
PS完整代码(含思路注释版)
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *
import json
# 实战案例 ,全球GDP数据可视化
# 数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312
data = f.readlines() # readlines()返回列表,read()返回字符串
f.close()
# print(data)
# print(type(data))
# 第一行为标头,非数据,使用pop()方法去除
data.pop(0)
# print(data)
# 将数据转为字典格式
"""
data_dict = {}
# {年份:[国家,GDP],年份:[国家,GDP],int:[str,float]......},实际上,同年应有多个国家GDP数据,故此格式错误
for element in data:
element = element.strip()
element = element.split(',')
# print("element:",element)
# 注意字典添加/更新数据方式:my_dict[key] = value
# 此方法错误,年份key相同时,为更新value操作!!!!!严重丢失数据!!!
# data_dict = {element[0]: [element[1], element[2]]}
data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict)
print(type(data_dict))
"""
data_dict = {}
# {年份:[[国家,GDP],[国家,GDP],......],年份:[[国家,GDP],[国家,GDP],......],int:[[str,float],[str,float],......],......},正确数据格式,年份:value,而value是一个列表,包含不同国家的数据,其中每个元素又是一个列表;而某一国家具体数据列表为[国家,GDP]。
for line in data:
# print(line)
# print(type(line))
# print(line.split(',')) # ['2018', '巴巴多斯', '5086500000\n']
# split()方法生成列表,取0号索引元素为年份,1号索引元素为国家,2号索引元素为GDP
year = int(line.split(',')[0])
country = line.split(',')[1]
GDP = float(line.split(',')[2]) # 换行符消失 543300000000.0
# print(GDP)
# 注意此处灵活使用try捕获异常语句,妙
"""
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
try:
无异常的情况,向列表(value)中使用append()方法追加元素(list)
data_dict[year].append([country,GDP])
except:
出现异常情况,data_dict[year]此时无对应value,构建空列表,再向列表中追加元素
data_dict[year] = []
data_dict[year].append([country,GDP])
"""
try:
data_dict[year].append([country, GDP])
except:
data_dict[year] = []
data_dict[year].append([country, GDP])
# print(data_dict)
# print(type(data_dict))
# 可转为json,放入格式化工具查看一下
# data_json = json.dumps(data_dict)
# print(data_json)
# print(type(data_json))
# 时间线柱状图timeline的时间节点应有序,故先对年份进行排序(实际上字典中year(key)已是升序)
sorted_year_list = sorted(data_dict.keys()) # keys()方法取出字典所有关键字,可用for循环遍历字典
# print(sorted_year_list)
# print(data_dict[1960]) # 每年国家数量非常多,取GDP排名前十作柱状图
# 构建时间线对象
timeline = Timeline(
{"theme": ThemeType.LIGHT} # 设置主题
)
for year in sorted_year_list:
data_dict[year].sort(key=lambda element: element[1],
reverse=True) # sort()方法: 列表.sort(key=选择排序依据的函数,reverse=True|False)
# print(data_dict[year]) # [['美国', 543300000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0],......]
# 取出本年度GDP前十的国家
# print(type(data_dict[year])) # 数据类型为列表,可通过切片[::],取出前十名
prior_gdp = data_dict[year][0:10]
# 每一年都构建一个柱状图
# 创建两个列表分别存放X轴数据与Y轴数据
x_data = []
y_data = []
# print(prior_gdp)
for country_gdp in prior_gdp:
# print(country_gdp) # ['美国', 17527200000000.0]
x_data.append(country_gdp[0])
y_data.append(country_gdp[1] / 100000000)
# print(x_data) # ['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚', '瑞典']
# print(y_data) # [5433.0, 732.33967692, 622.25478, 597.16467625, 443.0734295, 404.61721692, 403.85288344, 370.29883875, 185.77668271, 158.22585033]
# 构建柱状图对象
bar = Bar()
# 逆置X轴与Y轴数据,使GDP值高的排在前面
x_data.reverse()
y_data.reverse()
bar.add_xaxis(x_data)
# Y轴设置图例,数据,以及数据在右侧显示
bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
bar.reversal_axis() # 反转X轴与Y轴,此操作导致GDP高的国家在最下面,故上方使用reverse()方法逆置X轴与Y轴数据
# bar.render()
# 设置每年图的标题
bar.set_global_opts(
title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
toolbox_opts=ToolboxOpts(is_show=True)
)
timeline.add(bar, str(year)) # 要求为字符串
# 设置自动播放
timeline.add_schema(
play_interval=500,
is_loop_play=False,
is_auto_play=True,
is_timeline_show=True
)
# 绘图
timeline.render("GDP排行榜.html")
PS完整代码(清爽版)
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *
# 实战案例 ,全球GDP数据可视化
# 数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312
data = f.readlines() # readlines()返回列表,read()返回字符串
f.close()
# 第一行为标头,非数据,使用pop()方法去除
data.pop(0)
# 将数据转为字典格式
data_dict = {}
# {年份:[[国家,GDP],[国家,GDP],......],年份:[[国家,GDP],[国家,GDP],......],int:[[str,float],[str,float],......],......},正确数据格式,年份:value,而value是一个列表,包含不同国家的数据,其中每个元素又是一个列表;而某一国家具体数据列表为[国家,GDP]。
for line in data:
# split()方法生成列表,取0号索引元素为年份,1号索引元素为国家,2号索引元素为GDP
year = int(line.split(',')[0])
country = line.split(',')[1]
GDP = float(line.split(',')[2]) # 换行符消失 543300000000.0
# 注意此处灵活使用try捕获异常语句,妙
"""
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP]
try:
无异常的情况,向列表(value)中使用append()方法追加元素(list)
data_dict[year].append([country,GDP])
except:
出现异常情况,data_dict[year]此时无对应value,构建空列表,再向列表中追加元素
data_dict[year] = []
data_dict[year].append([country,GDP])
"""
try:
data_dict[year].append([country, GDP])
except:
data_dict[year] = []
data_dict[year].append([country, GDP])
# 时间线柱状图timeline的时间节点应有序,故先对年份进行排序(实际上字典中year(key)已是升序)
sorted_year_list = sorted(data_dict.keys()) # keys()方法取出字典所有关键字,可用for循环遍历字典
# 构建时间线对象
timeline = Timeline(
{"theme": ThemeType.LIGHT} # 设置主题
)
for year in sorted_year_list:
data_dict[year].sort(key=lambda element: element[1],
reverse=True) # sort()方法: 列表.sort(key=选择排序依据的函数,reverse=True|False)
# 取出本年度GDP前十的国家
prior_gdp = data_dict[year][0:10]
# 每一年都构建一个柱状图
# 创建两个列表分别存放X轴数据与Y轴数据
x_data = []
y_data = []
for country_gdp in prior_gdp:
x_data.append(country_gdp[0])
y_data.append(country_gdp[1] / 100000000)
# 构建柱状图对象
bar = Bar()
# 逆置X轴与Y轴数据,使GDP值高的排在前面
x_data.reverse()
y_data.reverse()
bar.add_xaxis(x_data)
# Y轴设置图例,数据,以及数据在右侧显示
bar.add_yaxis("GDP(亿元)", y_data, label_opts=LabelOpts(position="right"))
bar.reversal_axis() # 反转X轴与Y轴,此操作导致GDP高的国家在最下面,故上方使用reverse()方法逆置X轴与Y轴数据
# 设置每年图的标题
bar.set_global_opts(
title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
toolbox_opts=ToolboxOpts(is_show=True)
)
timeline.add(bar, str(year)) # 要求为字符串
# 设置自动播放
timeline.add_schema(
play_interval=500,
is_loop_play=False,
is_auto_play=True,
is_timeline_show=True
)
# 绘图
timeline.render("GDP排行榜.html")
到了这里,关于python_day8_综合案例的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!