参考教材

chapter16 数据可视化

引言

经过世界地图的练习，我们现在来进行自己的数据可视化小项目。Open Konwledge Foundation 提供了一个数据集，其中包含各国的国内生产总值(GDP)，我们可以在

section 1：中国GDP的数据可视化练习

下载完成这个 json 文件之后，用记事本打开，搜索一下 'China' , 观察一下数据格式

{"Country Name":"China","Country Code":"CHN","Year":"1960","Value":"59184116448.734"}

后面的事情就很简单了

step 1: 绘制中国历年 GDP 情况直方图

直接贴代码

#! /usr/bin/python
# -*- coding: utf8 -*-

import json

import pygal

filename = 'gdp.json'

with open(filename) as f:

gdp = json.load(f)

china_gdp = []

year_list = []

for gdp_dict in gdp:

if gdp_dict['Country Name'] == 'China':

year = gdp_dict['Year']

value = gdp_dict['Value']

year_list.append(int(year))

china_gdp.append(int(float(value)))

hist = pygal.Bar()

hist.title = 'Chinese GDP from '+str(year_list[0])+' to '+str(year_list[-1])+''

hist.x_labels = year_list

hist.x_title = 'Year'

hist.y_title = 'GDP (dollars)'

hist.add('Chinese GDP',china_gdp)

hist.render_to_file(hist.title+'.svg')

step 2: 进阶一点，GDP年增长率

数据都分类好了，直接玩数学游戏就行了

代码

#GDP增长率

num = len(china_gdp)

zero = [0 for count in range(0,num-1)]

growth_rate = [int(10000*(china_gdp[count+1] - china_gdp[count])/china_gdp[count])/100

for count in range(0,num-1)]

plt.figure(figsize=(10,6))

plt.title('Chinese GDP \'s growth rate from '+str(year_list[0])+' to '+str(year_list[-2])+'')

plt.plot(year_list[:-1],growth_rate,'r--')

plt.plot(year_list[:-1],zero,'b--')

plt.scatter(year_list[:-1],growth_rate,c='r')

plt.xlim([year_list[0], year_list[-2]])

plt.ylim([growth_rate[0]-2, max(growth_rate)+2])

plt.xlabel('Year From 1960 to 2013',fontsize = 14)

plt.ylabel('GDP growth rate ( % )',fontsize = 14)

plt.tick_params(axis='both', labelsize=14)

plt.savefig('Chinese GDP \'s growth rate from '+str(year_list[0])+' to '+str(year_list[-2])+'.png',

bbox_inches='tight')

plt.show()

结果图

Chinese GDP 's growth rate from 1960 to 2013.png

其实还可以画折点图

line_chart = pygal.Line()

line_chart.title = 'Chinese GDP \'s growth rate from ' \

''+str(year_list[0])+' to '+str(year_list[-2])+' ( % )'

line_chart.x_labels = map(str,year_list[:-1])

line_chart.add('GDP growth rate',growth_rate)

line_chart.render_to_file(''+line_chart.title+'v2.svg')

效果图

额。。。。 (￣▽￣") 数据太多横坐标显示不过来了

不过可以发现，在数据比较少的时候这样的图还是很不错的 o(*≧▽≦)ツ

section 2: 世界 GDP 数据统计

step 1 : 世界地图

原理跟之前统计世界人口一模一样，改一下代码中的关键字

import pygal

import json

from country_codes import get_country_code

from pygal.style import RotateStyle

from pygal.style import LightColorizedStyle

from countries import get_countries

#将数据加载到一个列表中

filename = 'gdp.json'

#创建一个字典

cc_GDP = {}

cc_GDP1,cc_GDP2,cc_GDP3 = {},{},{}

cc_GDP = get_countries(filename)

for cc,GDP in cc_GDP.items():

if GDP < 1E9:

cc_GDP1[cc] = GDP

elif GDP < 1E12:

cc_GDP2[cc] = GDP

else:

cc_GDP3[cc] = GDP

wm_style = RotateStyle('#EE2C2C',base_style=LightColorizedStyle)

wm = pygal.maps.world.World(style=wm_style)

wm.title = 'World GDP in 2014, by Country'

wm.add('0-billion',cc_GDP1)

wm.add('1billion-1trillion',cc_GDP2)

wm.add('>1trillion',cc_GDP3)

wm.render_to_file('world_GDP_v8.svg')

成果图

step 2: GDP 前10 排行

存储数据的字典完成之后，如果我们想根据 GDP 排序， 那么需要考虑 对字典中的键值对排序

经过网络，我们发现了这样一种办法 ：

dic = sorted(cc_GDP1.items(), key=lambda d:d[1], reverse = True)

分析一下:

第一个参数 cc_GDP.items() 给 sorted 传递了字典中的键值对信息

第二个参数 key=lambda d:d[1] 告诉 sorted 要按照 字典中第2个键的值来排序 (d:d[1])

第三个参数 reverse = Ture 告诉 sorted 按照从小到大的顺序排列

第二个注意的点， 为了绘制美观的图标，我们需要在图表中显示完整的地区名称

为了显示完整的地区名称，我们需要重新写一个函数，这个函数返回一个包含完整地区名称的字典，代码如下

def get_cm_countries(filename):

cm_countries = {}

with open(filename) as f:

pop_data = json.load(f)

key = True

for pop_dict in pop_data:

if pop_dict['Year'] == '2014':

country_name = pop_dict['Country Name']

value = int(float(pop_dict['Value']))

code = get_country_code(country_name)

if country_name == 'World':

key = False

cm_countries[country_name] = value # 'World' 不在 COUNTRIES 字典里面

if code and (key == False):

cm_countries[country_name] = value

return cm_countries

相应的主程序也要修改

#! /usr/bin/python
# -*- coding: utf8 -*-

import pygal

import json

from country_codes import get_country_code

from pygal.style import RotateStyle

from pygal.style import LightColorizedStyle

from countries import get_cm_countries

#将数据加载到一个列表中

filename = 'gdp.json'

#创建一个包含字典

cc_GDP = {}

cc_GDP1={}

cc_GDP = get_cm_countries(filename)

#把GDP达到万亿以上的国家存进字典 cc_GDP1

for cc,GDP in cc_GDP.items():

if GDP > 1E12:

cc_GDP1[cc] = GDP

dic = sorted(cc_GDP1.items(), key=lambda d:d[1], reverse = True)

dic = dic[0:10]

line_chart = pygal.HorizontalBar()

line_chart.title='The top 10 countries in 2014-GDP-Rank'

for element in dic:

line_chart.add(element[0],int(element[1]))

line_chart.render_to_file('top 10 in 2014.svg')

看一下成果

最后进行一下代码重构，将生成svg文件的画图程序重构成一个接受年份的函数，方便多次画图

重构一下 得到包含完整国家名称的字典的函数

def get_cm_countries(filename,year):

cm_countries = {}

with open(filename) as f:

pop_data = json.load(f)

key = True

for pop_dict in pop_data:

if pop_dict['Year'] == str(year):

country_name = pop_dict['Country Name']

value = int(float(pop_dict['Value']))

code = get_country_code(country_name)

if country_name == 'World':

key = False

cm_countries[country_name] = value # 'World' 不在 COUNTRIES 字典里面

if code and (key == False):

cm_countries[country_name] = value

return cm_countries

重构一下主函数

def one_plot(filename,year):

cc_GDP = {}

cc_GDP1={}

cc_GDP = get_cm_countries(filename,year)

#把GDP达到万亿以上的国家存进字典 cc_GDP1

for cc,GDP in cc_GDP.items():

if GDP > 1E12:

cc_GDP1[cc] = GDP

dic = sorted(cc_GDP1.items(), key=lambda d:d[1], reverse = True)

dic = dic[0:10]

line_chart = pygal.HorizontalBar()

line_chart.title='The top 10 countries in '+str(year)+'-GDP-Rank'

for element in dic:

line_chart.add(element[0],int(element[1]))

line_chart.render_to_file('top 10 in '+str(year)+'.svg')

for year in range(2008,2015):

one_plot(filename,year)

这样我们一下就生成了从2008年到2015年全部的数据图

贴一下几张图

其实，我们也可以直接把文件写入到csv文件中，然后用excel来画图

最后贴一下 GitHub 链接