python_day8_综合案例

Yel10w_2023-07-20 11:51

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)

python 复制代码 
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

python 复制代码 
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

python 复制代码 
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import *

数据准备

python 复制代码 
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

python 复制代码 
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

python 复制代码 
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！！！

python 复制代码 
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]。

python 复制代码 
data_dict = {}
for line in data:
    print(line)
python 复制代码 
	print(type(line))
python 复制代码 
	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
python 复制代码 
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

python 复制代码 
"""
    {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])
    """
python 复制代码 
    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

python 复制代码 
# 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

python 复制代码 
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）

python 复制代码 
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

python 复制代码 
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

python 复制代码 
timeline = Timeline(
    {"theme": ThemeType.LIGHT}  # 设置主题
)

每年GDP降序排序

python 复制代码 
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

python 复制代码 
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

python 复制代码 
# 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

python 复制代码 
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

python 复制代码 
    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)
python 复制代码 
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

python 复制代码 
# 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

python 复制代码 
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

python 复制代码 
timeline.add_schema(
    play_interval=500,
    is_loop_play=False,
    is_auto_play=True,
    is_timeline_show=True
)

绘图

python 复制代码 
timeline.render("GDP排行榜.html")




PS完整代码（含思路注释版）

python 复制代码 
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）

python 复制代码 
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")
相关推荐
2401_8582861117 分钟前
52.【C语言】 字符函数和字符串函数(strcat函数)
c语言·开发语言
铁松溜达py19 分钟前
编译器/工具链环境：GCC vs LLVM/Clang,MSVCRT vs UCRT
开发语言·网络
everyStudy19 分钟前
JavaScript如何判断输入的是空格
开发语言·javascript·ecmascript
AIAdvocate1 小时前
Pandas_数据结构详解
数据结构·python·pandas
小言从不摸鱼1 小时前
【AI大模型】ChatGPT模型原理介绍（下）
人工智能·python·深度学习·机器学习·自然语言处理·chatgpt
C-SDN花园GGbond2 小时前
【探索数据结构与算法】插入排序：原理、实现与分析（图文详解）
c语言·开发语言·数据结构·排序算法
迷迭所归处3 小时前
C++ —— 关于vector
开发语言·c++·算法
架构文摘JGWZ3 小时前
Java 23 的12 个新特性！！
java·开发语言·学习
FreakStudio3 小时前
全网最适合入门的面向对象编程教程：50 Python函数方法与接口-接口和抽象基类
python·嵌入式·面向对象·电子diy
leon6253 小时前
优化算法（一）—遗传算法（Genetic Algorithm）附MATLAB程序
开发语言·算法·matlab
热门推荐
01RAG 实践- Ollama+RagFlow 部署本地知识库02组基轨迹建模 GBTM的介绍与实现（Stata 或 R）032024年高教社杯数学建模国赛C题超详细解题思路分析04Coze扣子平台完整体验和实践（附国内和国际版对比）05苍穹外卖面试总结06【2024数模国赛赛题思路公开】国赛B题思路丨附可运行代码丨无偿自提07yolov8实战第五天——yolov8+ffmpg实时视频流检测并进行实时推流——（推流，保姆教学）08CCF-CSP认证考试 202406-3 文本分词 100分题解09【2024高教社杯全国大学生数学建模竞赛】B题 生产过程中的决策问题——解题思路 代码 论文10浏览器插件——ModHeader 的分享和学习