《Python编程从入门到实践 第二版》第十六章练习 |
您所在的位置：网站首页 › python第二版第二章答案 › 《Python编程从入门到实践 第二版》第十六章练习 |
|
16-1 锡特卡的降雨量 锡特卡属于温带雨林，降水量非常丰富。在数据文件sitka_weather_2018_simple.csv中，文件头PRCP表示的是每日降水量。请对这列数据进行可视化。如果你想知道沙漠的降水量有多低，可针对死亡谷完成同样的练习。 import csv import matplotlib.pyplot as plt from datetime import datetime filename = 'D:/Sublime Text/python_test/16/sitka_weather_2018_simple.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) # 从文件中获取每日降水量 prcps = [] for row in reader: prcp = float(row[3]) prcps.append(prcp) # 根据每日降水量绘制图形 plt.style.use('seaborn') fig,ax = plt.subplots() ax.plot(prcps,c='red') # 设置图形格式 ax.set_title('锡特卡的降雨量',fontsize=24) ax.set_xlabel('',fontsize=16) ax.set_ylabel('PRCP',fontsize=16) # 显示表格 plt.show()16-2 比较锡特卡和死亡谷的温度 在有关锡特卡和死亡谷的图表中，温度刻度反映了数据范围的不同。为准确比较锡特卡和死亡谷的温度范围，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温度范围进行直接比较（也可对任何两个地方的温度范围进行比较）。 import csv import matplotlib.pyplot as plt from datetime import datetime def weather_data(filename,dates,highs,lows,t_date,t_high,t_low): with open(filename) as f: reader = csv.reader(f) header_row = next(reader) # 从文件中获取日期、最高温度和最低温度 for row in reader: current_date = datetime.strptime(row[t_date],'%Y-%m-%d') try: high = int(row[t_high]) low = int(row[t_low]) except ValueError: print(f'Missing data for {current_date}') else: dates.append(current_date) highs.append(high) lows.append(low) # 获得锡特卡的温度 filename = 'D:/Sublime Text/python_test/16/sitka_weather_2018_simple.csv' dates,highs,lows = [],[],[] weather_data(filename,dates,highs,lows,t_date=2,t_high=5,t_low=6) # 根据锡特卡的数据绘制图形 plt.style.use('seaborn') fig,ax = plt.subplots() ax.plot(dates,highs,c='red',alpha=0.7) ax.plot(dates,lows,c='green',alpha=0.7) plt.fill_between(dates,highs,lows,facecolor='green',alpha=0.1) # 获得死亡谷的温度 filename = 'D:/Sublime Text/python_test/16/death_valley_2018_simple.csv' dates,highs,lows = [],[],[] weather_data(filename,dates,highs,lows,t_date=2,t_high=4,t_low=5) # 根据死亡谷的数据绘制图形 ax.plot(dates,highs,c='red',alpha=0.7) ax.plot(dates,lows,c='blue',alpha=0.7) plt.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1) # 设置图形的格式 ax.set_title('Sitaka and Death Vally temperatures',fontsize=24) ax.set_xlabel('',fontsize=16) ax.set_ylabel('temperature(F)',fontsize=16) ax.tick_params(axis='both',which='major',labelsize=16) # 设置y轴上下限 plt.ylim(10,130) # 显示表格 plt.show()16-4 自动索引 本节以硬编码的方式指定了TMIN 和TMAX 列的索引。请根据文件头行确定这些列的索引，让程序同时适用于锡特卡和死亡谷。另外，请根据气象站的名称自动生成图表的标题。 import csv import matplotlib.pyplot as plt from datetime import datetime filename = 'D:/Sublime Text/python_test/16/sitka_weather_2018_simple.csv' filename = 'D:/Sublime Text/python_test/16/death_valley_2018_simple.csv' place_name = '' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) t_name = header_row.index('NAME') t_date = header_row.index('DATE') t_high = header_row.index('TMAX') t_low = header_row.index('TMIN') # 从文件中获取日期、最高温度和最低温度 dates,highs,lows = [],[],[] for row in reader: # 如果没有气象站名字，就获取它 if not place_name: place_name = row[t_name] print(place_name) current_date = datetime.strptime(row[t_date],'%Y-%m-%d') try: high = int(row[t_high]) low = int(row[t_low]) except ValueError: print(f'Missing data for {current_date}') else: dates.append(current_date) highs.append(high) lows.append(low) # 根据最高气温和最低气温绘制图形 plt.style.use('seaborn') fig,ax = plt.subplots() ax.plot(dates,highs,c='red',alpha=0.7) ax.plot(dates,lows,c='green',alpha=0.7) plt.fill_between(dates,highs,lows,facecolor='green',alpha=0.1) # 设置图形的格式 ax.set_title('Sitaka and Death Vally temperatures',fontsize=24) ax.set_xlabel('',fontsize=16) ax.set_ylabel('temperature(F)',fontsize=16) ax.tick_params(axis='both',which='major',labelsize=16) # 显示表格 plt.show()16-6 重构 在从all_eq_dicts 中提取数据的循环中，使用了变量来指向震级、经度、纬度和标题，再将这些值分别附加到相应列表的末尾。这旨在清晰地演示如何从JSON文件中提取数据，但并非必须这样做。你也可以不使用这些临时变量，而是直接从eq_dict 中提取这些值，并将其附加到相应的列表末尾。这样做将缩短这个循环的循环体，使其只包含4行代码。 import json # 探索数据的结构 filename = 'D:/Sublime Text/python_test/16/eq_data_1_day_m1.json' with open(filename) as f: all_eq_data = json.load(f) all_eq_dicts = all_eq_data['features'] mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts] titles = [eq_dict['properties']['title'] for eq_dict in all_eq_dicts] lons = [eq_dict['geometry']['coordinates'][0] for eq_dict in all_eq_dicts] lats = [eq_dict['geometry']['coordinates'][1] for eq_dict in all_eq_dicts] print(mags[:10]) print(titles[:2]) print(lons[:5]) print(lats[:5])16-7 自动生成标题 本节定义my_layout 时以手工方式指定标题，这意味着每次变更源文件时，都需要修改标题。你可以不这样做，而是使用JSON文件中元数据（metadata）部分的数据集标题。为此，可提取这个值，将其赋给一个变量，并在定义my_layout 时使用这个变量来指定散点图的标题。 import plotly.express as px import pandas as pd import json # 探索数据的结构 filename = 'D:/Sublime Text/python_test/16/eq_data_1_day_m1.json' with open(filename) as f: all_eq_data = json.load(f) all_eq_dicts = all_eq_data['features'] # 在"geometry" 键关联的字典中，有一个"coordinates" 键，它关联到一个列表，而列表中的前两个值为经度和纬度。 mags,titles,lons,lats = [],[],[],[] for eq_dict in all_eq_dicts: mag = eq_dict['properties']['mag'] title = eq_dict['properties']['title'] lon = eq_dict['geometry']['coordinates'][0] lat = eq_dict['geometry']['coordinates'][1] mags.append(mag) titles.append(title) lons.append(lon) lats.append(lat) data = pd.DataFrame( data=zip(lons,lats,titles,mags),columns=["经度","纬度","位置","震级"] ) data.head() fig = px.scatter( data, x="经度", y="纬度", range_x=[-200,200], range_y=[-90,90], width=800, height=800, title=all_eq_data['metadata']['title'], size="震级", size_max=10, color="震级", hover_name="位置", ) fig.write_html("global_earthquakes.html") fig.show() if __name__ == '__main__': print(mags[:10]) print(titles[:2]) print(lons[:5]) print(lats[:5])16-8 最近发生的地震 请在本书配套资源中找到关于最近1小时、1天、7天和30天内地震信息的数据文件（截至本书出版时，参见文件夹chapter_16/Excercise16-8）。请使用其中一个数据集，绘制一幅散点图来展示最近发生的地震。 import plotly.express as px import pandas as pd import json # 探索数据的结构 filename = 'D:/Sublime Text/python_test/16/all_day.geojson' with open(filename) as f: all_eq_data = json.load(f) all_eq_dicts = all_eq_data['features'] mags = [eq_dict['properties']['mag'] for eq_dict in all_eq_dicts] titles = [eq_dict['properties']['title'] for eq_dict in all_eq_dicts] lons = [eq_dict['geometry']['coordinates'][0] for eq_dict in all_eq_dicts] lats = [eq_dict['geometry']['coordinates'][1] for eq_dict in all_eq_dicts] data = pd.DataFrame( data=zip(lons,lats,titles,mags),columns=["经度","纬度","位置","震级"] ) data.head() fig = px.scatter( data, x="经度", y="纬度", range_x=[-200,200], range_y=[-90,90], width=800, height=800, title=all_eq_data['metadata']['title'], size="震级", size_max=10, color="震级", hover_name="位置", ) fig.write_html("global_earthquakes.html") fig.show() if __name__ == '__main__': print(mags[:10]) print(titles[:2]) print(lons[:5]) print(lats[:5])16-9 全球火灾 在本章的配套资源中，有一个名为world_fires_1_day.csv的文件。它包含了有关全球各地发生的火灾信息，包括经度、纬度和火灾强度（brightness）。使用16.1节介绍的数据处理技术以及16.2节介绍的散点图绘制技术，绘制一幅散点图来展示全球哪些地方发生了火灾。 import csv import plotly.graph_objects as go import pandas as pd data = pd.read_csv('D:/Sublime Text/python_test/16/world_fires_1_day.csv') data.head() fig = go.Figure(go.Densitymapbox(lat=data['latitude'], lon=data['longitude'], z=data['brightness'], radius=4)) fig.update_layout(mapbox_style="open-street-map") fig.show() |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |