【Python编程：从入门到实践】第十六章练习题 |
您所在的位置：网站首页 › open knowledge map怎么用 › 【Python编程：从入门到实践】第十六章练习题 |
【Python编程：从入门到实践】第十六章练习题
|
16-2 比较锡特卡和死亡谷的气温 ：在有关锡特卡和死亡谷的图表中，气温刻度反映了数据范围的不同。为准确地比较锡特卡和死亡谷的气温范围，需要在 y 轴上使用相同的刻度。为此，请修改图 16-5 和图 16-6 所示图表的 y 轴设置，对锡特卡和死亡谷的气温范围进行直接比较（你也可以对任何两个地方的气温范围进行比较）。你还可以尝试在一个图表中呈现这两个数据集。 16-3 降雨量 ：选择你感兴趣的任何地方，通过可视化将其降雨量呈现出来。为此，可先只涵盖一个月的数据，确定代码正确无误后，再使用一整年的数据来运行它。 实现例子效果如下图：
代码： import csv from datetime import datetime from matplotlib import pyplot as plt filename_sitka = 'data/sitka_weather_2014.csv' filename_death = 'data/death_valley_2014.csv' # 获取日期、最高温度、最低温度、日降水量 def get_data(filename): with open(filename) as f: reader = csv.reader(f) header_row = next(reader) # print(header_row) dates, highs, lows, precipitationIns = [], [], [], [] for row in reader: try: current_date = datetime.strptime(row[0], "%Y-%m-%d") high = int(row[1]) low = int(row[3]) precipitationIn = float(row[19]) except ValueError: print(current_date, 'missing data') else: dates.append(current_date) highs.append(high) lows.append(low) precipitationIns.append(precipitationIn) return {'dates': dates, 'highs': highs, 'lows': lows, 'precipitationIns': precipitationIns} sitka_data = get_data(filename_sitka) death_data = get_data(filename_death) # 根据数据绘制图形 fig = plt.figure(dpi=128, figsize=(10, 6)) plt.plot(sitka_data['dates'], sitka_data['highs'], c='red', alpha=1) plt.plot(sitka_data['dates'], sitka_data['lows'], c='blue', alpha=1) plt.plot(sitka_data['dates'], sitka_data['precipitationIns'], c='green', alpha=1) plt.plot(death_data['dates'], death_data['highs'], c='red', alpha=1) plt.plot(death_data['dates'], death_data['lows'], c='blue', alpha=1) plt.plot(death_data['dates'], death_data['precipitationIns'], c='green', alpha=1) # plt.fill_between(sitka_data['dates'], sitka_data['highs'], sitka_data['lows'], facecolor='red', alpha=0.1) # plt.fill_between(death_data['dates'], death_data['highs'], death_data['lows'], facecolor='blue', alpha=0.1) # 设置图形的格式 title = "Daily high and low temperatures - 2014\nDeath Valley, CA" plt.title(title, fontsize=20) plt.xlabel('', fontsize=16) # 绘制斜的日期标签 fig.autofmt_xdate() plt.ylabel("Temperature (F)", fontsize=16) plt.tick_params(axis='both', which='major', labelsize=16) # 图例 plt.legend(('high', 'low', 'precipitationIn')) plt.show()16-4 探索 ：生成一些图表，对你好奇的任何地方的其他天气数据进行研究。 实现例子效果如下图：
代码： import csv from datetime import datetime from matplotlib import pyplot as plt filename_sitka = 'data/sitka_weather_2014.csv' with open(filename_sitka) as f: reader = csv.reader(f) header_row = next(reader) dates, humiditys, cloudcovers = [], [], [] for row in reader: try: current_date = datetime.strptime(row[0], "%Y-%m-%d") humidity = int(row[7]) cloudcover = int(row[20]) except ValueError: print(current_date, 'missing data') else: dates.append(current_date) humiditys.append(humidity) cloudcovers.append(cloudcover) fig = plt.figure(dpi=128, figsize=(10, 6)) # 显示图表 plt.scatter(dates, humiditys, c='#d4237a', edgecolor='none', s=40) plt.scatter(dates, cloudcovers, c='#13227a', edgecolor='none', s=40) # 设置图表标题并给坐标轴加上标签 # 日期斜显示 plt.title('Data Analysis', fontsize=24) fig.autofmt_xdate() plt.xlabel('', fontsize=14) plt.ylabel('', fontsize=14) # 设置刻度标记的大小 plt.tick_params(axis='both', which='major', labelsize=14) # 图例（文本、文本大小、显示位置、圆点和文本距离） plt.legend(('humiditys', 'cloudcovers'), fontsize=10, loc='upper right', handletextpad=0.5) plt.show()16-5 涵盖所有国家 ：本节制作人口地图时，对于大约 12 个国家，程序不能自动确定其两个字母的国别码。请找出这些国家，在字典 COUNTRIES 中找到它们的国别码；然后，对于每个这样的国家，都在 get_country_code() 中添加一个 if-elif 代码块，以返回其国别码： if country_name == 'Yemen, Rep.' return 'ye' elif --snip-- 将这些代码放在遍历 COUNTRIES 的循环和语句 return None 之间。完成这样的修改后，你看到的地图将更完整。 16-6 国内生产总值 ： Open Knowledge Foundation 提供了一个数据集，其中包含全球各国的国内生产总值（ GDP ），可在 http://data.okfn.org/data/core/gdp/ 找到这个数据集。请下载这个数据集的 JSON 版本，并绘制一个图表，将全球各国最近一年的 GDP 呈现出来。 数据下载地址效果图：
实现例子效果如下图：
代码： country_codes.py（用来返回国别码，这里只处理了‘Yemen’情况，其它11个未确定的国别码可根据else的数据自行修改）。 from pygal_maps_world.i18n import COUNTRIES def get_country_code(country_name): """ 根据指定的国家，返回 Pygal 使用的两个字母的国别码 """ for code, name in COUNTRIES.items(): if country_name.find('Yemen') >= 0: return 'ye' elif name == country_name: return code else: # 输出未确定国别码的国家 print(country_name) # 如果没有找到指定的国家，就返回 None return Noneworld_gdp.py（生成svg图表）。 因为pygal.i18n已经不存在了，改成了 pygal_maps_world，所以直接使用文章的“from pygal.i18n import COUNTRIES”会报错； 命令终端执行pip install pygal_maps_world，然后改成import pygal_maps_world.maps和wm = pygal_maps_world.maps.World()后可正常绘制图表。 import json from country_codes import get_country_code import pygal_maps_world.maps from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS # 将数据加载到一个列表中 filename = 'data/gdp_json.json' with open(filename) as f: gdp_data = json.load(f) # 创建一个包含gdp数据的字典 cc_gdp = {} for gdp_dict in gdp_data: if gdp_dict['Year'] == 2016: country = gdp_dict['Country Name'] gdpValue = int(float(gdp_dict['Value'])) code = get_country_code(country) if code: cc_gdp[code] = gdpValue # 根据gdp将所有的国家分成三组 cc_gdp_1, cc_gdp_2, cc_gdp_3 = {}, {}, {} for cc, gdp in cc_gdp.items(): if gdp < 10000000000: cc_gdp_1[cc] = gdp elif gdp < 500000000000: cc_gdp_2[cc] = gdp else: cc_gdp_3[cc] = gdp # 看看每组分别包含多少个国家 print(len(cc_gdp_1), len(cc_gdp_2), len(cc_gdp_3)) wm_style = RS('#d95e07', base_style=LCS) wm = pygal_maps_world.maps.World(style=wm_style) wm.title = 'World GDP in 2016, by Country' wm.add('0-10bn', cc_gdp_1) wm.add('10bn-500bn', cc_gdp_2) wm.add('>500bn', cc_gdp_3) wm.render_to_file('data/world_gdp.svg')16-7 选择你自己的数据 ：世界银行（ The World Bank ）提供了很多数据集，其中包含有关全球各国的信息。请访问 http://data.worldbank.org/indicator/ ，并找到一个你感兴趣的数据集。单击该数据集，再单击链接 Download Data 并选择 CSV 。你将收到三个 CSV 文件，其中两个包含字样 Metadata ，你应使用第三个 CSV 文件。编写一个程序，生成一个字典，它将两个字母的 Pygal 国别码作为键，并将你从这个文件中选择的数据作为值。使用 Worldmap 制作一个地图，在其中呈现这些数据，并根据你的喜好设置这个地图的样式。 数据下载地址效果图：
实现例子效果如下图：
代码： country_codes.py（用来返回国别码，代码跟上面一样）。 children_out_school.py（生成svg图表）。 import csv from country_codes import get_country_code import pygal_maps_world.maps from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS # 将数据加载到一个列表中 filename = 'data/children_out_school.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) # 创建一个包含gdp数据的字典 children_numbers = {} for row in reader: try: country_name = row[0] children_number = int(row[60]) except ValueError: print(country_name, 'missing data') else: code = get_country_code(country_name) if code: children_numbers[code] = children_number # 根据数量将所有的国家分成三组 children_number_1, children_number_2, children_number_3 = {}, {}, {} for i, value in children_numbers.items(): if value < 1000: children_number_1[i] = value elif value < 10000: children_number_2[i] = value else: children_number_3[i] = value # 看看每组分别包含多少个国家 print(len(children_number_1), len(children_number_2), len(children_number_3)) wm_style = RS('#d95e07', base_style=LCS) wm = pygal_maps_world.maps.World(style=wm_style) wm.title = 'Children Out School in 2018, by Country' wm.add('0-1000', children_number_1) wm.add('1000-10000', children_number_2) wm.add('>10000', children_number_3) wm.render_to_file('data/children_numbers.svg')
|
【本文地址】
今日新闻 |
推荐新闻 |