Python学习打卡：day12

day12

笔记来源于：黑马程序员python教程，8天python从入门到精通，学python看这套就够了

day12
- 92、全国疫情地图构建
- - 数据整理
  - - 获取数据
    - 数据整体结构（全国）
    - 省数据结构
    - 获取每个省份的确诊数据
    - 上述代码执行后输出，每个省的确诊数据
  - 国内疫情地图
  - - 创建地图
    - 添加数据
    - 设置全局设置，定制分段的视觉映射
    - 绘图
  - 最终结果
- 93、河南省疫情地图构建
- - 获取河南省各市数据
  - 省数据结构
  - 把各市数据汇总到一个列表中
  - 参考国内疫情地图生成河南省疫情地图
  - 最终显示结果
- 94、基础柱状图构建
- - 通过Bar构建基础柱状图
  - 反转 x 和 y 轴并使数值标签在右侧
- 95、基础时间线柱状图
- - 创建时间线
  - - 1、
    - 2、设置自动播放
    - 3、设置时间线主题
    - 4、示例代码
    - 5、实现结果
- 96、动态GDP柱状图绘制
- - 补充知识点：列表的 sort 方法
  - - 带名函数形势
    - 匿名 Lambda 形式
  - 正文
  - - 处理数据
    - - 读取数据，删除第一条数据
      - 将数据转换为字典存储
    - 准备时间线
    - 自动播放和绘图
  - 效果展示

92、全国疫情地图构建

数据整理

获取数据

在这里插入图片描述

数据整体结构（全国）

省数据结构

在这里插入图片描述

获取每个省份的确诊数据

"""
演示全国疫情可视化地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open(
    "/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/地图数据/疫情.txt",
    "r",
    encoding="UTF-8"
)
data = f.read()     # 全部数据

# 关闭文件
f.close()

# 取到各省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)    # 基础数据字典
# 从字典中取出省份的数据
province_data_list = data_dict["areaTree"][0]["children"]

# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list = []      # 绘图所需要的数据列表
for province_data in province_data_list:
    province_name = province_data["name"]                   # 省份名称
    province_confirm = province_data["total"]["confirm"]    # 确诊人数
    # 给列表传参,传入一个元组,元组有两个元素
    data_list.append((province_name, province_confirm))

print(data_list)

上述代码执行后输出，每个省的确诊数据

[('台湾省', 15880), ('江苏省', 1576), ('云南省', 982), ('河南', 1518), ('上海', 2408), ('湖南', 1181), ('湖北', 68286), ('广东', 2978), ('香港', 12039), ('福建', 773), ('浙江', 1417), ('山东', 923), ('四川', 1179), ('天津', 445), ('北京', 1107), ('陕西', 668), ('广西', 289), ('辽宁', 441), ('重庆', 603), ('澳门', 63), ('甘肃', 199), ('山西', 255), ('海南', 190), ('内蒙古', 410), ('吉林', 574), ('黑龙江', 1613), ('宁夏', 77), ('青海', 18), ('江西', 937), ('贵州', 147), ('西藏', 1), ('安徽', 1008), ('河北', 1317), ('新疆', 980)]

国内疫情地图

创建地图

导入模块：

from pyecharts.charts import Map
from pyecharts.options import *

创建地图：

# 创建地图对象
map = Map()

添加数据

# 添加数据
map.add("各省份确诊人数", data_list, "china")

设置全局设置，定制分段的视觉映射

# 设置全局设置,定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="全国疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,       # 是否显示
        is_piecewise=True,  # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1-99", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100-999", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000-4999", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000-9999", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000-99999", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]

    )
)

绘图

# 绘图
map.render("全国疫情地图.html")

最终结果

在这里插入图片描述

93、河南省疫情地图构建

获取河南省各市数据

"""
演示河南省疫情可视化地图开发
"""
import json
from pyecharts.charts import Map
from pyecharts.options import *

# 读取数据文件
f = open(
    "/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/地图数据/疫情.txt",
    "r",
    encoding="UTF-8"
)
data = f.read()     # 全部数据

# 关闭文件
f.close()

省数据结构

在这里插入图片描述

把各市数据汇总到一个列表中

# 取到河南省数据
# 将字符串json转换为python的字典
data_dict = json.loads(data)    # 基础数据字典
# 从字典中取出河南省的数据
cities_data = data_dict["areaTree"][0]["children"][3]["children"]

# 组装每个省份和确诊人数为元组，并各个省的数据都封装入列表内
data_list = []      # 绘图所需要的数据列表
for city_data in cities_data:
    city_name = city_data["name"] + "市"
    city_confirm = city_data["total"]["confirm"]    # 确诊人数
    # 给列表传参,传入一个元组,元组有两个元素
    data_list.append((city_name, city_confirm))

# 未出现济源市信息，手动添加
data_list.append(("济源市", 5))

print(data_list)

参考国内疫情地图生成河南省疫情地图

# 创建地图对象
map = Map()

# 添加数据
map.add("河南省疫情分布", data_list, "河南")

# 设置全局设置,定制分段的视觉映射
map.set_global_opts(
    title_opts=TitleOpts(title="河南省疫情地图"),
    visualmap_opts=VisualMapOpts(
        is_show=True,       # 是否显示
        is_piecewise=True,  # 是否分段
        pieces=[
            {"min": 1, "max": 99, "label": "1-99", "color": "#CCFFFF"},
            {"min": 100, "max": 999, "label": "100-999", "color": "#FFFF99"},
            {"min": 1000, "max": 4999, "label": "1000-4999", "color": "#FF9966"},
            {"min": 5000, "max": 9999, "label": "5000-9999", "color": "#FF6666"},
            {"min": 10000, "max": 99999, "label": "10000-99999", "color": "#CC3333"},
            {"min": 100000, "label": "100000+", "color": "#990033"},
        ]

    )
)

# 绘图
map.render("河南省地图.html")

最终显示结果

在这里插入图片描述

94、基础柱状图构建

通过Bar构建基础柱状图

"""
演示基础柱状图的开发
"""
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
# 使用 Bar 构建基础柱状图
bar = Bar()

# 添加 x 轴的数据
bar.add_xaxis(["中国", "美国", "英国"])

# 添加 y 轴的数据
bar.add_yaxis("GDP", [30, 20, 10])

# 绘图
bar.render("基础柱状图.html")

效果如下：

在这里插入图片描述

反转 x 和 y 轴并使数值标签在右侧

"""
演示基础柱状图的开发
"""
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
# 使用 Bar 构建基础柱状图
bar = Bar()

# 添加 x 轴的数据
bar.add_xaxis(["中国", "美国", "英国"])

# 将数值标签从柱状图中间移到柱状图右侧
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))

# 反转 x 轴 和 y 轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")

效果如下：
在这里插入图片描述

95、基础时间线柱状图

创建时间线

Timeline()——时间线

柱状图描述的是分类数据，回答的是每一个分类中『有多少？』这个问题。这是柱状图的主要特点，同时柱状图很难动态的描述一个趋势性的数据。这里 pyecharts 为我们提供了一种解决方案——时间线。

如果说一个Bar、Line对象是一张图表的话，时间线就是创建一个一维的 x 轴，轴上每一个点就是一个图表对象。
在这里插入图片描述

1、

from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts

# 使用 Bar 构建基础柱状图
bar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国"])
bar1.add_yaxis("GDP", [30, 30, 20])
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国"])
bar2.add_yaxis("GDP", [50, 50, 50])
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(["中国", "美国", "英国"])
bar3.add_yaxis("GDP", [70, 60, 60])
bar3.reversal_axis()

# 构建时间线对象
timeline = Timeline()

# 在时间线内添加柱状图对象
timeline.add(bar1, "点1")
timeline.add(bar2, "点2")
timeline.add(bar3, "点3")

# 绘图是用时间线对象绘图,而不是 Bar 对象了
timeline.render("基础时间线柱状图.html")

2、设置自动播放

# 自动播放设置
timeline.add_schema(
    play_interval=1000,         # 自动播放的时间间隔
    is_timeline_show=True,      # 是否显示时间线
    is_auto_play=True,          # 是否自动播放
    is_loop_play=True           # 是否循环播放
)

3、设置时间线主题

# 构建时间线对象
timeline = Timeline(
    {"theme": ThemeType.DARK}
)

在这里插入图片描述

4、示例代码

"""
演示基础柱状图的开发
"""
from pyecharts.charts import Bar, Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType

# 使用 Bar 构建基础柱状图
bar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国"])
bar1.add_yaxis("GDP", [30, 30, 20])
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国"])
bar2.add_yaxis("GDP", [50, 50, 50])
bar2.reversal_axis()

bar3 = Bar()
bar3.add_xaxis(["中国", "美国", "英国"])
bar3.add_yaxis("GDP", [70, 60, 60])
bar3.reversal_axis()

# 构建时间线对象
timeline = Timeline(
    {"theme": ThemeType.DARK}
)

# 在时间线内添加柱状图对象
timeline.add(bar1, "点1")
timeline.add(bar2, "点2")
timeline.add(bar3, "点3")

# 自动播放设置
timeline.add_schema(
    play_interval=1000,         # 自动播放的时间间隔
    is_timeline_show=True,      # 是否显示时间线
    is_auto_play=True,          # 是否自动播放
    is_loop_play=True           # 是否循环播放
)

# 绘图是用时间线对象绘图,而不是 Bar 对象了
timeline.render("基础时间线柱状图.html")

5、实现结果

在这里插入图片描述

96、动态GDP柱状图绘制

补充知识点：列表的 sort 方法

使用方式：

列表.sort(key=选择排序依据的函数, reverse=True/False)

参数key，是要求传入一个函数，表示将列表的每一个元素都传入函数中，返回排序的依据；
参数reverse，是否反转排序结果，True表示降序，False表示升序。

带名函数形势

# 准备列表
my_list = [["a", 33], ["b", 55], ["c", 11]]

# 排序，基于带名函数
def choose_sort_key(element):
    return element[1]
my_list.sort(key=choose_sort_key, reverse=True)
print(my_list)

匿名 Lambda 形式

# 准备列表
my_list = [["a", 33], ["b", 55], ["c", 11]]

# 排序，基于 lambda 匿名函数
my_list.sort(key=lambda element:element[1], reverse=True)

print(my_list)

正文

处理数据

读取数据，删除第一条数据

# 读取数据
f = open(
    "/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/动态柱状图数据/1960-2019全球GDP数据.csv",
    "r",
    encoding="GB2312"
)
data_lines = f.readlines()

# 关闭文件
f.close()

# 删除第一行数据
data_lines.pop(0)

将数据转换为字典存储

格式为：{ 年份: [ [国家, gdp], [国家,gdp], ...... ], 年份: [ [国家, gdp], [国家,gdp], ...... ], ...... }

# 将数据变成字典存储，格式为：
# {年份：[[国家： gdp], [国家： gdp], [国家： gdp], ......], 年份：[[国家： gdp], [国家： gdp], [国家： gdp], ......]}
# 先定义一个字典对象
data_dict = {}
for line in data_lines:
    year = int(line.split(",")[0])          # 年份
    country = line.split(",")[1]       # 国家
    gdp = float(line.split(",")[2])         # gdp数据

    # 如何判断字典里面有没有指定的key？
    # try块尝试访问字典中的年份键（data_dict[year]）并向其追加数据（.append([country, gdp])）。
    try:
        data_dict[year].append([country, gdp])
        
    # 如果年份键不存在（即第一次遇到这个年份），会抛出KeyError异常。
    # 在except块中，捕获到KeyError异常后，创建一个新的空列表（data_dict[year] = []），然后再向其中追加数据（.append([country, gdp])）。
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])

准备时间线

# 创建时间线对象
timeline = Timeline({"theme":ThemeType.LIGHT})

# 排序年份
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    data_dict[year].sort(key = lambda element: element[1], reverse=True)
    # 取出本年份前八名的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x 轴添加国家
        y_data.append(country_gdp[1] / 100000000)   # y 轴添加 gdp 数据

    # 构建柱状图
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)", y_data, label_opts=LabelOpts(position="right"))

    # 反转 x 轴和 y轴
    bar.reversal_axis()
    # 设置每一年的图表的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前8的GDP数据")
    )
    timeline.add(bar, str(year))

自动播放和绘图

# 设置时间线自动播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)

# 绘图
timeline.render("1960~2019全球GDP前8国家.html")