《Python编程:从入门到实践》---项目2

第15章生成数据

15-1 立方：

import matplotlib.pyplot as plt'''
x_values = [1, 2, 3, 4, 5]
y_values = [x**3 for x in x_values]plt.scatter(x_values,y_values,s=100)
#plt.plot(x_values,y_values, linewidth=5)# 设置图表标题，并给坐标轴加上标签
plt.title("Cubic Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Cubic of Value", fontsize=14)# 设置刻度标记的大小 plt.tick_params(axis='both', which='major',labelsize=14)plt.show()'''x_values = list(range(1,5001))
y_values = [x**3 for x in x_values]plt.scatter(x_values,y_values,s=100)
#plt.plot(x_values,y_values, linewidth=5)# 设置图表标题，并给坐标轴加上标签
plt.title("Cubic Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Cubic of Value", fontsize=14)# 设置刻度标记的大小 plt.tick_params(axis='both', which='major',labelsize=14)plt.show()

15-2 彩色立方

plt.scatter(x_values,y_values,c='red',cmap=plt.cm.Blues,edgecolor='none',s=10)

15-3 分子运动 + 15-4 改进的随机漫步

random_walk.py

from random import choice
class RandomWalk():def __init__(self, num_points=500):self.num_points = num_pointsself.x_values = [0]self.y_values = [0]def fill_walk(self):while len(self.x_values) < self.num_points:x_direction = choice([1, -1])x_distance = choice([0, 1, 2, 3, 4,5,6,7,8])x_step = x_direction * x_distancey_direction = choice([1, -1])y_distance = choice([0, 1, 2, 3, 4,5,6,7,8])y_step = y_direction * y_distanceif x_step == 0 and y_step == 0:continuenext_x = self.x_values[-1] + x_stepnext_y = self.y_values[-1] + y_stepself.x_values.append(next_x)self.y_values.append(next_y)

rw_visual.py

import matplotlib.pyplot as pltfrom random_walk import RandomWalkrw = RandomWalk()
rw.fill_walk()#plt.scatter(rw.x_values, rw.y_values, s=15)
plt.plot(rw.x_values, rw.y_values, linewidth=1)
plt.show()

（1），将x,y的方向删除（只保留1，或 -1）

（2,），原始状态

15-5 重构

random_walk.py

关于类的函数，还要复习

from random import choice
class RandomWalk():def __init__(self, num_points=500):self.num_points = num_pointsself.x_values = [0]self.y_values = [0]def get_step(self):direction = choice([1,-1])distance = choice([0, 1, 2, 3, 4,5,6,7,8])step = direction * distancereturn stepdef fill_walk(self):while len(self.x_values) < self.num_points:x_step=self.get_step()#调用类中的函数，要用self.+函数名的形式y_step=self.get_step()if x_step == 0 and y_step == 0:continuenext_x = self.x_values[-1] + x_stepnext_y = self.y_values[-1] + y_stepself.x_values.append(next_x)self.y_values.append(next_y)

die.py:

from random import randintclass Die():"""表示一个骰子的类""" def __init__(self, num_sides=6):"""骰子默认为6面"""self.num_sides = num_sidesdef roll(self):""""返回一个位于1和骰子面数之间的随机值""" return randint(1, self.num_sides)

15-6 自动生成标签:

from die import Die
import pygal
# 创建一个D6
die_1 = Die()
die_2 = Die(10)
# 掷几次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(100):result = die_1.roll()+die_2.roll()results.append(result)
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides
for value in range(2, max_result+1): frequency = results.count(value) frequencies.append(frequency)# 对结果进行可视化
hist = pygal.Bar()
hist.title = "Results of rolling one D6 1000 times." #答案
x_values=list(range(1,20))
hist.x_labels = [x for x in x_values]hist.x_title = "Result"
hist.y_title = "Frequency of Result"
hist.add('D6', frequencies)
hist.render_to_file('dice_visual.svg')

15-7 两个D8骰子:

以10的次方为量级:

掷骰子次数最大可达：100000次

15-8 同时掷三个骰子：

from die import Die
import pygal
# 创建一个D6
die_1 = Die(8)
die_2 = Die(8)
die_3 = Die(8)
# 掷几次骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):result = die_1.roll()+die_2.roll()+die_3.roll()results.append(result)
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides+die_3.num_sides
for value in range(2, max_result+1): frequency = results.count(value) frequencies.append(frequency)# 对结果进行可视化
hist = pygal.Bar()
hist.title = "Results of rolling one D6 1000 times."
x_values=list(range(3,25))
hist.x_labels = [x for x in x_values]
hist.x_title = "Result"
hist.y_title = "Frequency of Result"
hist.add('D6', frequencies)
hist.render_to_file('dice_visual.svg')

15-9 略

15-10 练习使用本章介绍的两个库

第 16 章下载数据

16.1 CSV文件格式

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。

import csv
from datetime import datetimefrom matplotlib import pyplot as plt# Get dates, high, and low temperatures from file.
filename1 = 'death_valley_2014.csv'
filename2 = 'sitka_weather_2014.csv'#死亡谷的数据记录
with open(filename1) as f:reader = csv.reader(f)header_row = next(reader)dates_d, highs_d, lows_d = [], [], []for row in reader:try:current_date = datetime.strptime(row[0], "%Y-%m-%d")high = int(row[1])low = int(row[3])except ValueError:print(current_date, 'missing data')else:dates_d.append(current_date)highs_d.append(high)lows_d.append(low)with open(filename2) as f:reader = csv.reader(f)header_row = next(reader)dates_s, highs_s, lows_s = [], [], []for row in reader:try:current_date = datetime.strptime(row[0], "%Y-%m-%d")high = int(row[1])low = int(row[3])except ValueError:print(current_date, 'missing data')else:dates_s.append(current_date)highs_s.append(high)lows_s.append(low)# Plot data.
fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates_d, highs_d, c='red', alpha=0.5)
plt.plot(dates_d, lows_d, c='red', alpha=0.5)
plt.fill_between(dates_d, highs_d, lows_d, facecolor='orange', alpha=0.1)#fig = plt.figure(dpi=128, figsize=(10, 6))
#加上上面这句，就会绘制两张图，去掉的话，只会绘制一张图
#
plt.plot(dates_s, highs_s, c='blue', alpha=0.5)
plt.plot(dates_s, lows_s, c='blue', alpha=0.5)
plt.fill_between(dates_s, highs_s, lows_s, facecolor='black', alpha=0.1)# Format plot.
title = "Daily high and low temperatures - 2014\nDeath Valley, CA"
plt.title(title, fontsize=20)
plt.xlabel('', fontsize=16)
fig.autofmt_xdate()
plt.ylabel("Temperature (F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)plt.show()

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。

注意：文件名，行数代表的数据意义，

16.2 制作世界人口地图：JSON格式

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。

下载位置:

貌似下载不了.json文件，只能打开网址：

只能写个爬虫把上面的内容保存为json格式，

import  requests
import jsonurl = 'https://pkgstore.datahub.io/core/gdp/gdp_csv/data/0048bc8f6228d0393d41cac4b663b90f/gdp_csv.csv'reponse = requests.get(url)
print(type(reponse.text))
print(type(reponse.content))with open('gdp_166.json','w') as f:f.write(reponse.text)f.close()

gdp.py:

import json
import pygal.maps.world
from country_codes import get_country_code#要把这个.py文件包含到该.py文件夹下
from pygal.style import RotateStyle
from pygal.style import LightColorizedStyle as LCS, RotateStyle as RSfilename = 'gdp_166.json'
cc_gdp={}
i=0
with open(filename,'r') as f:for line in f:if i==0:i+=1continue
#f为类型io...要遍历，不能直接输出
#其元素类型为str
#       print(line)proed=line.split(',')len1=len(proed)if len1==4 :#存在内容为'\n'的列表要排除country=proed[0]code = get_country_code(country)if proed[2]=='2016':#不能直接与数字2016相比啊if code:cc_gdp[code]=int(float(proed[3]))#print(proed[0]+' '+proed[3])i+=1
#US  18624475000000
#UK  2647898654635.24
#    cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
for cc, pop in cc_gdp.items():if pop < 20000000000:#发展中国家cc_pops_1[cc] = popelif pop < 2000000000000:#中等国家cc_pops_2[cc] = popelse:#发达国家cc_pops_3[cc] = pop
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))# 看看每组分别包含多少个国家
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))wm_style = RS('#336699', base_style=LCS)
wm = pygal.maps.world.World(style=wm_style)
wm.title = 'World GDP in 2010, by Country'
wm.add('0-10m', cc_pops_1)
wm.add('10m-1bn', cc_pops_2)
wm.add('>1bn', cc_pops_3)
wm.render_to_file('world_gdp.svg')

注意:要把country_codes.py文件写好并保存在该.py文件夹下。

效果图:

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。

我选取的是:forest Area，世界银行网站上有效果图

Forest_area_statics.csv是统计数据(我自己改了个名字),

读取csv文件，每一行是一个列表

allData=csv.reader(open('Forest_area_statics.csv','r',encoding='UTF-8'))

.csv文件内没有可视化的数据，所以不提取了（方法与上一题类似）

16-5，16-8不做了，没什么意思。