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

参数key:要求传入一个函数，表示将列表的每一个元素传入函数当中，返回排序的依据，

参数reverse,是否反转排序结果，True降序，False升序

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)

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

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

f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="GB2312")
# 读取每一行
data = f.readlines()
f.close()
# 删除第一行无用数据
data.pop(0)

data_dict = dict()
for line in data:
    year = int(line.split(",")[0])  # 年份
    country = line.split(",")[1]  # 国家
    gpd = float(line.split(",")[2])  # gdp，科学计数法转换为float
    try:
        data_dict[year].append([country, gpd])
    except KeyError:
        data_dict[year] = []  # 给字典添加一个键值对键值为year的值的[]的空集
        data_dict[year].append([country, gpd])

timeline = Timeline()

# 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)
    # 取出本年度排名前8的国家
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gap in year_data:
        x_data.append(country_gap[0])  # 在x轴添加国家
        y_data.append(country_gap[1] / 100000000)  # 在y轴添加gdp数据

    bar = Bar()
    x_data.reverse()  # 反转图标，gdp高的在上面
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP亿", y_data, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()
    bar.set_global_opts(title_opts=TitleOpts(title=f"{year}年全球数据"))
    timeline.add(bar, str(year))


timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)

timeline.render("动态GDP柱状图.html")