Python学习打卡：day11

day11

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

目录

• day11
• • [83、自定义 Python 包](#83、自定义 Python 包)
  • • 创建包
    • 导入包
    • • 方式1
      • 方式2
      • 方式3
      • 方式4
  • 84、安装第三方包
  • • 安装第三方包------pip
    • • pip的网络优化
    • 安装第三方包------PyCharm
  • 85、异常---模块---包综合案例
  • • 模块1
    • • 自写
      • 视频写法
    • 模块2
    • • 自写
      • 视频写法
      • 总结
  • 86、JSON数据格式的转换
  • • 基础概念
    • [json 数据的格式：字典以及 内部元素都是字典的列表](#json 数据的格式：字典以及 内部元素都是字典的列表)
    • [Python 数据和 Json 数据的相互转化](#Python 数据和 Json 数据的相互转化)
  • [87、pyecharts 模块简介](#87、pyecharts 模块简介)
  • 88、pyecharts的入门使用
  • • 基础折线图
    • pyecharts配置选项
  • 89、数据准备
  • • 原始数据格式
    • 数据处理
  • 90、生成折线图
  • • 导入模块
    • 折线图相关配置项
    • • 折线图相关配置项
      • 创建折线图
      • 添加数据
      • .add_yaxis相关配置选项
      • 全局配置选项（.set_global_opts）
  • 91、数据可视化案例------地图------基础地图的使用
  • • 基础地图演示

83、自定义 Python 包

如果Python的模块太多了，就可能造成一定的混乱，那么就需要通过Python包的功能来管理。

从物理上看，包就是一个文件夹，在该文件夹下包含了一个 __init__.py 文件，该文件夹可用于包含多个模块文件；

从逻辑上看，包的本质依然是模块。

创建包

构建包的步骤如下：

1. 新建包my_package；

   

2. 新建包内模块：my_module1 和 my_module2；

3. 模块内代码如下：
   

tips：新建包后，包内部会自动创建 __init__.py 文件，这个文件控制着包的导入行为。

导入包

方式1

import 包名.模块名

包名.模块名.目标

示例代码：

import my_package_83.my_module1_83
import my_package_83.my_module2_83

my_package_83.my_module1_83.info_print1()
my_package_83.my_module2_83.info_print2()

方式2

from 包名 import 模块名

模块名.目标

示例代码：

from my_package_83 import my_module1_83
from my_package_83 import my_module2_83

my_module1_83.info_print1()
my_module2_83.info_print2()

方式3

from 包名.模块名 import 目标

目标

示例代码：

from my_package_83.my_module1_83 import info_print1
from my_package_83.my_module2_83 import info_print2

info_print1()
info_print2()

方式4

from 包名 import *

模块名.目标

示例代码：

# 通过 __all__ 变量，控制 import*
from my_package_83 import *
my_module1_83.info_print1()

# error，__init__.py 文件中设置了 __all__ 只导入：my_module1_83，因此 my_module2_83 不管用
# my_module2_83.info_print2()

tips：必须在__init__.py文件中添加__all__ = []，控制允许导入的模块列表

84、安装第三方包

在Python程序的生态中，有许多非常多的第三方包（非Python官方），可以极大的帮助我们提高开发效率，如：

• 科学计算中常用的：numpy包
• 数据分析中常用的：pandas包
• 大数据计算中常用的：pyspark、apache-flink包
• 图形可视化常用的：matplotlib、pyecharts
• 人工智能常用的：tensorflow
• 等

但是由于是第三方，所以Python没有内置，所以我们需要安装它们才可以导入使用。

安装第三方包------pip

第三方包的安装非常简单，我们只需要使用Python内置的pip程序即可。

打开我们许久未见的：命令提示符程序，在里面输入：

pip install 包名称

即可通过网络快速安装第三方包。

pip的网络优化

由于pip是连接的国外的网站进行包的下载，所以有的时候会速度很慢。

我们可以通过如下命令，让其连接国内的网站进行包的安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名称

安装第三方包------PyCharm

同样使用国内清华镜像源进行下载：

85、异常---模块---包综合案例

模块1

自写

# 自写
def str_reverse(s):
    str = ""
    for element in s:
        str = element + str
    return str

def substr(s, x, y):
    str1 = ""
    str2 = ""
    str3 = ""
    list = []
    i = 0
    if x > y:
        tmp = x
        x = y
        y = tmp
    while i < x:
        str1 += s[i]
        i += 1
    list.append(str1)
    while i < y:
        str2 += s[i]
        i += 1
    list.append(str2)
    while i < len(s):
        str3 += s[i]
        i += 1
    list.append(str3)
    return list

if __name__ == '__main__':
    # print(f"{str_reverse('  hello world  ')}")
    print(f"{substr('helloworld', 1, 3)}")

视频写法

# 视频写法
def str_reverse(s):
    """
    功能：反转字符串
    :param s: 将被反转的字符串
    :return: 反转后的字符串
    """
    return s[::-1]

def substr(s, x, y):
    """
    功能：按照给定的下标完成字符串的切片
    :param s: 即将被切片的字符串
    :param x: 切片的开始下标
    :param y: 切片的结束下标
    :return: 切片完成后的字符串
    """
    return s[x:y]

if __name__ == '__main__':
    print(str_reverse("黑马程序员"))
    print(substr("黑马程序员", 1, 3))

模块2

自写

def print_file_info(file_name):
    try:
        f = open(file_name, "r", encoding="UTF-8")
        print(f"文件存在，读取的内容为：\n{f.read()}")
    except:
        print("文件不存在")
    finally:
        f.close()


def append_to_file(filename, data):
    f = open(filename, "a", encoding="UTF-8")
    f.write(data)
    f.close()

if __name__ == '__main__':
    # print_file_info("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/74_test.txt")
    append_to_file("84_test.txt", "helloworld")

视频写法

def print_file_info(file_name):
    """
    功能： 将指定路径的文件内容输出到控制台
    :param file_name: 即将读取文件的路径
    :return: None
    """
    f = None
    try:
        f = open(file_name, "r", encoding="UTF-8")
        content = f.read()
        print("文件内容如下：")
        print(content)
    except Exception as e:
        print(f"程序出现异常，原因是：{e}")
    finally:
        if f:
            f.close()

def append_to_file(filename, data):
    """
    功能：将指定的数据追加到指定的文件中
    :param filename: 指定文件的路径
    :param data: 指定的数据
    :return: None
    """
    f = open(filename, "a", encoding="UTF-8")
    f.write(data)
    f.write("\n")
    f.close()

if __name__ == '__main__':
    # print_file_info("84_test.txt")
    append_to_file("84_test.txt", "good")

总结

1. 函数写法的规范要记得，包括函数功能的描述、参数的解释

2. 字符串的切片操作除了 split，还有：

   my_str = "01234567"
   result4 = my_str[::-1]  

86、JSON数据格式的转换

基础概念

JSON是一种轻量级的数据交互格式。可以按照JSON指定的格式去组织和封装数据。

JSON本质上是一个带有特定格式的字符串

主要功能：json就是一种在各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互。

各种编程语言存储数据的容器不尽相同，在Python中有字典dict这样的数据类型，而其它语言可能没有对应的字典。

为了让不同的语言都能够相互通用的互相传递数据，JSON就是一种非常良好的中转数据格式。如下图，以Python和C语言互传数据为例：

json 数据的格式：字典以及 内部元素都是字典的列表

# json数据的格式可以是： 
{"name":"admin","age":18} 

# 也可以是：  
[{"name":"admin","age":18},{"name":"root","age":16},{"name":"张三","age":20}] 

Python 数据和 Json 数据的相互转化

# 导入json模块 
import json 

# 准备符合格式json格式要求的python数据 
data = [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]
 
# 通过 json.dumps(data) 方法把python数据转化为了 json数据 
data = json.dumps(data) 

# 通过 json.loads(data) 方法把json数据转化为了 python数据 
data = json.loads(data)

示例代码：

"""
演示 JSON 数据和 Python 字典的相互转换
"""
import json

# 准备列表，列表内的每一个元素都是字典，将其转化为 JSON
data = [{"name":"张大山", "age":11}, {"name":"王大锤", "age":13}, {"name":"赵小虎", "age":16}]
json_str = json.dumps(data, ensure_ascii=False)
print(type(json_str))
print(json_str)
print("--------------------------------------------------------------")

# 准备字典，将字典转换为 JSON
d = {"name":"zhoujielun", "addr":"taibei"}
json_str = json.dumps(d)
print(type(json_str))
print(json_str)
print("--------------------------------------------------------------")

# 将 JSON 字符串转换为 Python 数据类型 [{k:v, k:v}, {k:v, k:v}]
s = '[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]'
l = json.loads(s)
print(type(l))
print(l)
print("--------------------------------------------------------------")

# 将 JSON 字符串转换为 Python 数据类型 {k:v, k:v}
s = '{"name": "zhoujielun", "addr": "taibei"}'
d = json.loads(s)
print(type(d))
print(d)

# 结果
<class 'str'>
[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]
-----------------------------------------------------------------------
<class 'str'>
{"name": "zhoujielun", "addr": "taibei"}
-----------------------------------------------------------------------
<class 'list'>
[{'name': '张大山', 'age': 11}, {'name': '王大锤', 'age': 13}, {'name': '赵小虎', 'age': 16}]
-----------------------------------------------------------------------
<class 'dict'>
{'name': 'zhoujielun', 'addr': 'taibei'}

87、pyecharts 模块简介

如果想要做出数据可视化效果图, 可以借助pyecharts模块来完成

概况 :

Echarts 是个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时pyecharts 诞生了。

快速安装

pip install pyecharts

官方画廊

https://gallery.pyecharts.org

88、pyecharts的入门使用

基础折线图

# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts,VisualMapOpts

# 创建一个折线图对象
line = Line()

# 给折线图对象添加 x 轴的数据
line.add_xaxis(["中国", "美国", "英国"])

# 给折线图对象添加 y 轴的数据
line.add_yaxis("GDP", [30, 20, 10])

# 通过 render 方法，将代码生成图像
line.render()

结果如下：

pyecharts配置选项

pyecharts模块中有很多的配置选项, 常用到2个类别的选项:

• 全局配置选项
• 系列配置选项

全局配置选项 可以通过set_global_opts 方法来进行配置, 相应的选项和选项的功能如下：

示例：

"""
演示 pyecharts 的基础入门
"""

# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts,VisualMapOpts

# 创建一个折线图对象
line = Line()

# 给折线图对象添加 x 轴的数据
line.add_xaxis(["中国", "美国", "英国"])

# 给折线图对象添加 y 轴的数据
line.add_yaxis("GDP", [30, 20, 10])

# 设置全局配置项
line.set_global_opts(
    title_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)

)

# 通过 render 方法，将代码生成图像
line.render()

结果：

89、数据准备

原始数据格式

数据处理

导入模块：

import json

对数据进行整理，让数据符合 json 格式：

# 处理数据
f_us = 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/折线图数据/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

# 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
# us_data = us_data.replace(");", "")
us_data = us_data[:-2]

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

# 获取 trend key
trend_data = us_dict['data'][0]['trend']
# print(type(trend_data))
# print(trend_data)

# 获取日期数据，用于 x 轴，取2020年（到314下标结束）
x_data = trend_data['updateDate'][:314]
# print(x_data)

# 获取确认数据，用于 y 轴，取2020年（到315下标结束）
y_data = trend_data['list'][0]['data'][:314]
# print(y_data)

90、生成折线图

导入模块

from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts

折线图相关配置项

折线图相关配置项

配置项	作用	代码实例
init_opts	对折线图初始化设置宽高	init_opts=opts.InitOpts(width="1600px", height="800px")
.add_xaxis	添加x轴数据	.add_xaxis(列表)
.add_yaxis	添加y轴数据	.add_yaxis(纵坐标标题, 列表)

创建折线图

这里的**Line()**是构建类对象，我们先不必理解是什么意思，后续在Python高阶中进行详细讲解。

添加数据

.add_yaxis相关配置选项

配置项	作用	代码实例
series_name	设置图例名称	series_name="美国确诊人数"
y_axis	输入y轴数据	y_axis=["列表"]
symbol_size	设置点的大小	symbol_size=10
label_opts	标签设置项：不显示标签	label_opts=opts.LabelOpts(is_show=False)
linestyle_opts	线条宽度和样式	linestyle_opts=opts.LineStyleOpts(width=2)

示例：

效果如下：

全局配置选项（.set_global_opts）

配置项	作用	代码实例
title_opts	设置图标题和位置	title_opts=opts.TitleOpts(title="标题", pos_left="center")
yaxis_opts	y轴配置项	yaxis_opts=opts.AxisOpts(name="累计确诊人数")
xaxis_opts	x轴配置项	xaxis_opts=opts.AxisOpts(name="时间")
legend_opts	图例配置项	legend_opts=opts.LegendOpts(pos_left='70%')

示例代码：

.set_global_opts(
	# 设置图标题和位置 
	title_opts=opts.TitleOpts(title="2020年 印🇮🇳美🇺🇸日🇯🇵 累计确诊人数对比图",pos_left="center"), 
	# x轴配置项 
	xaxis_opts=opts.AxisOpts(name="时间"),    # 轴标题 
	# y轴配置项 
	yaxis_opts=opts.AxisOpts(name="累计确诊人数"),    # 轴标题 
	# 图例配置项 
	legend_opts=opts.LegendOpts(pos_left='70%'),    # 图例的位置 
)

效果如下：

示例代码：

"""
演示 可视化需求1：折线图开发
"""
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts

# 处理数据
f_us = 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/折线图数据/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read()   # 美国的全部内容

f_jp = 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/折线图数据/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read()   # 日本的全部内容

f_in = 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/折线图数据/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read()   # 日本的全部内容

# 去掉不合 JSON 规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
in_data = in_data.replace("jsonp_1629350745930_63180(", "")

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

# JSON 转 Python 字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)

# print(type(us_dict))
# print(us_dict)

# 获取 trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# print(type(trend_data))
# print(trend_data)

# 获取日期数据，用于 x 轴，取2020年（到314下标结束）
us_x_data = us_trend_data['updateDate'][:314]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]
# print(x_data)

# 获取确认数据，用于 y 轴，取2020年（到315下标结束）
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]
# print(y_data)

# 生成图表
line = Line()   # 构建折线图对象

# 添加 x 轴数据
line.add_xaxis(us_x_data)   # x 轴是公用的，所以使用一个国家的数据即可

# 添加 y 轴数据
line.add_yaxis("美国确诊人数", us_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数", jp_y_data, label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数", in_y_data, label_opts=LabelOpts(is_show=False))

# 设置全局选项
line.set_global_opts(
    # 标题设置
    title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%")

)

# 调用 render 方法生成图表
line.render()

# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()

91、数据可视化案例------地图------基础地图的使用

基础地图演示

设置颜色级别：

tips：RGB颜色查询对照表