下载数据

我们将访问并可视化以两种常见格式存储的数据：CSV和JSON。我们将使用Python模块csv来处理以CSV（逗号分隔的值）格式存储的天气数据，找出两个不同地区在一段时间内的最高温度和最低温度。然后，我们将使用matplotlib根据下载的数据创建一个图表，展示两个不同地区的气温变化。
我们将使用模块json来访问以JSON格式存储的人口数据，并使用Pygal绘制一幅按国别划分的人口地图。

一、CSV文件格式

要在文本文件中存储数据，最简单的方式是将数据作为一系列以逗号分割的值（CSV）写入文件。这样的文件称为CSV文件。
CSV文件对人来说阅读起来比较麻烦，但程序可轻松地提取并处理其中的值，这有助于加快数据分析过程。
我们将首先处理少量锡特卡的CSV格式的天气数据，将文件sitka_weather_07-2014.csv复制到存储本章程序的文件夹中。

分析CSV文件头

csv模块包含在Python标准库中，可用于分析CSV文件中的数据行，让我们能够快速提取感兴趣的值。下面先来查看这个文件的第一行，其中包含一系列有关数据的描述：

highs_lows.py

import csvfilename = 'sitka_weather_07-2014.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)print(header_row)

导入模块csv后，我们将要使用的文件的名称存储在filename中。接下来，我们打开这个文件，并将结果文件对象存储在f中，然后，我们调用csv.reader()，并将前面存储的文件对象作为实参传递给它，从而创建一个与该文件相关联的阅读器（reader）对象。我们将这个阅读器对象存储在reader中。
模块csv包含函数next()，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。在前面的代码中，我们只调用了next()一次，因此得到的是文件的第一行，其中包含文件头。我们将返回的数据存储在header_row中。正如你看到的，header_row包含与天气相关的文件头，指向了每行都包括哪些数据：

['AKDT', 'Max TemperatureF', 'Mean TemperatureF', 'Min TemperatureF',
'Max Dew PointF', 'MeanDew PointF', 'Min DewpointF', 'Max Humidity',
' Mean Humidity', ' Min Humidity', ' Max Sea Level PressureIn',
' Mean Sea Level PressureIn', ' Min Sea Level PressureIn',
' Max VisibilityMiles', ' Mean VisibilityMiles', ' Min VisibilityMiles',
' Max Wind SpeedMPH', ' Mean Wind SpeedMPH', ' Max Gust SpeedMPH',
'PrecipitationIn', ' CloudCover', ' Events', ' WindDirDegrees']

reader处理文件中以逗号分隔的第一行数据，并将每项数据都作为一个元素存储在列表中。文件头AKDT表示阿拉斯加时间（Alaska Daylight Time），其位置表明每行的第一个值都是日期或时间。文件头Max TemperatureF指出每行的第二个值都是当天的最高华氏温度。可通过阅读其他的文件头来确定文件包含的信息类型。

注意：文件头的格式并非总是一致的，空格和单位可能出现在奇怪的地方。这在原始数据文件中很常见，但不会带来任何问题。

打印文件头及其位置

为让文件头数据更容易理解，将列表中的每个文件头及其位置打印出来
对列表调用enumerate()来获取每个元素的索引及其值。

highs_lows.py

import csvfilename = 'sitka_weather_07-2014.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)for index, column_header in enumerate(header_row):print(index, column_header)

输出如下：

0 AKDT
1 Max TemperatureF
2 Mean TemperatureF
3 Min TemperatureF
--snip--
20  CloudCover
21  Events
22  WindDirDegrees

提取并读取数据

读取每日的最高气温：

highs_lows.py

import csvfilename = 'sitka_weather_07-2014.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)highs = []for row in reader:highs.append(row[1])print(highs)

输出：

['64', '71', '64', '59', '69', '62', '61', '55', '57', '61', '57', '59', '57', '61', '64', '61', '59', '63', '60', '57', '69', '63', '62', '59', '57', '57', '61', '59', '61', '61', '66']

我们提取了每天的最高气温，并将它们作为字符串整洁地存储在一个列表中。
下面使用int()将这些字符串转化为数字，让matplotlib能够读取它们。

highs_lows.py

--snip--highs = []for row in reader:high = int(row[1])highs.append(high)print(highs)

输出：

[64, 71, 64, 59, 69, 62, 61, 55, 57, 61, 57, 59, 57, 61, 64, 61, 59, 63, 60, 57, 69, 63, 62, 59, 57, 57, 61, 59, 61, 61, 66]

绘制气温图表

首先使用matplotlib创建一个显示每日最高温度的简单图表：

--snip--
plt.figure(dpi=128, figsize=(10, 6))
plt.plot(highs, c='red')plt.title("Daily high tempurature, July 2014!", fontsize=24)
plt.xlabel("", fontsize=16)
plt.ylabel("Tempurature(F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)plt.show()

一个简单的折线图，显示了阿拉斯加锡特卡2014年7月每天的最高气温：

模块datetime

我们需要在图表中添加日期。
在天气数据文件中，以第一个日期为例。获取该数据时，获得的是一个字符串：

['2014-7-1', '64', '56', '50', '53', '51', '48', '96', '83', '58', '30.19', '30.00', '29.79', '10', '10', '10', '7', '4', '', '0.00', '7', '', '337']

我们需要想办法将字符串‘2014-7-1’转换为一个表示相应日期的对象。为创建一个表示2014年7月1日的对象，可使用模块datetime中的方法strptime()。我们在终端会话中看看strptime()的工作原理：

>>> from datetime import datetime
>>> first_date = datetime.strptime('2014-7-1', '%Y-%m-%d')
>>> print(first_date)
2014-07-01 00:00:00

方法strptime()可接受各种实参，并根据它们来决定如何解读日期。

实参	含义
%A	星期的名称，如Monday
%B	月份名，如January
%m	用数字表示的月份（01~12）
%d	用数字表示月份中的一天（01~31）
%Y	四位的年份，如2015
%y	两位的年份，如15
%H	24小时制的小时数（00~23）
%I	12小时制的小时数（01~12）
%p	am或pm
%M	分钟数（00~59）
%S	秒数（00~61）

在图表中添加日期

知道如何处理CSV文件中的日期后，就可对气温图形进行改进了，即提取日期和最高气温，并将它们传递给plot()。

highs_lows.py

import csv
import matplotlib.pyplot as plt
from datetime import datetimefilename = 'sitka_weather_07-2014.csv'
with open(filename) as f:reader = csv.reader(f)high_row = next(reader)dates, highs = [], []for row in reader:current_date = datetime.strptime(row[0], "%Y-%m-%d")dates.append(current_date)high = int(row[1])highs.append(high)fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, highs, c='red')plt.title("Daily high tempurature, July 2014!", fontsize=24)
plt.xlabel("", fontsize=16)
fig.autofmt_xdate()
plt.ylabel("Tempurature(F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)plt.show()

我们调用了fig.autofmt_xdate()来绘制斜的日期标签，以免它们彼此重叠。

涵盖更长的时间

设置好图表后，我们来添加更多的数据，以构成一副更复杂的锡特卡天气图。
将文件sitka_weather_2014.csv复制到存储本章程序的文件夹中。
现在可以创建覆盖整年的天气图了：

import csv
import matplotlib.pyplot as plt
from datetime import datetimefilename = "python编程：从入门到实践/第十六章：下载数据/sitka_weather_2014.csv"
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)dates, highs = [], []for row in reader:current_date = datetime.strptime(row[0], "%Y-%m-%d")dates.append(current_date)high = int(row[1])highs.append(high)fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, highs, c='red')plt.title("Daily high Tempurature --2014", fontsize=24)
plt.xlabel("", fontsize=16)
fig.autofmt_xdate()
plt.ylabel("Tempurature(F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)
plt.show()

显示的图形为：

再绘制一个数据系列

我们可以在改进后的图表中添加最低气温数据，使其更有用。

import csv
import matplotlib.pyplot as plt
from datetime import datetimefilename = 'python编程：从入门到实践/第十六章：下载数据/sitka_weather_2014.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)dates, highs, lows = [], [], []for row in reader:current_date = datetime.strptime(row[0], "%Y-%m-%d")dates.append(current_date)high = int(row[1])highs.append(high)low = int(row[3])lows.append(low)fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, highs, c='red')
plt.plot(dates, lows, c='blue')plt.title("Daily tempurature --2014", fontsize=24)
plt.xlabel("", fontsize=16)
fig.autofmt_xdate()
plt.ylabel("Tempurature(F)", fontsize=16)
plt.tick_params(axis='both', which='majot', labelsize=16)
plt.show()

显示的图形为：

给图表区域着色

下面来给这个图表做最后的修饰，通过着色来呈现每天的气温范围。
可以使用方法fill_between()，它接受一个x值系列和两个y值系列，并填充两个y值系列之间的空间
实参alpha可以指定颜色的透明度，0表示完全透明，1表示完全不透明（默认值）。
facecolor指定了填充区域的颜色。

--snip--fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, highs, c='red', alpha=0.5)
plt.plot(dates, lows, c='blue', alpha=0.5)
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)--snip--

显示的图形为：

错误检查

将文件death_valley_ 2014.csv复制到本章程序所在的文件夹，当用上一个程序生成死亡谷的气温图时，出现了一个错误：

Traceback (most recent call last):
File "highs_lows.py", line 17, in <module>
high = int(row[1])
ValueError: invalid literal for int() with base 10: ''

该traceback指出，Python无法处理其中一天的最高气温，因为它无法将空字符串（‘ ’）转换为整数。
发现问题出在2014年2月16日：

2014-2-16,,,,,,,,,,,,,,,,,,,0.00,,,-1

为了解决这种问题，我们在从csv文件中读取值时执行错误检查代码，对分析数据集时可能出现的异常进行处理：

--snip--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.append(current_date)highs.append(high)lows.append(low)--snip--

只要缺失其中一项数据，Python就会引发ValueError异常，而我们可这样处理：打印一条错误信息，指出缺失数据的日期。打印错误信息后，循环将接着处理下一行；如果获取特定日期的所有数据没有发生错误，将运行else代码块，并将数据附加到相应列表的末尾。

运行后发现，缺失数据的日期只有一个：

2014-02-16 00:00:00 missing data

显示的图形为：

使用的很多数据集都可能缺失数据、数据格式不正确或数据本身不正确。对于这样的情形，可使用前半部分学过的工具来处理。在这里，我们使用了一个try-except-else代码块来处理数据缺失的问题。在有些情况下，需要使用continue来跳过一些数据，或者使用remove()或del将已提取的数据删除。可采用任何管用的方法，只要能进行精确而有意义的可视化就好。

二、制作世界人口地图：JSON格式

下载JSON格式的人口数据，并使用json模块来处理它们。
Pygal提供了一个适合初学者使用的地图创建工具，将使用它来对人口数据进行可视化，以探索全球人口的分布情况。

下载世界人口数据

将文件population_data.json复制到本章程序所在的文件夹中。

提取相关的数据

首先对population_data.json进行研究，看看如何着手处理这个文件中的数据。

[{"Country Name": "Arab World","Country Code": "ARB","Year": "1960","Value": "96388069"},{"Country Name": "Arab World","Country Code": "ARB","Year": "1961","Value": "98882541.4"},--snip--
]

可以发现这个文件实际上就是一个很长的python列表，其中每个元素都是一个包含四个键的字典：国家名、国别码、年份以及表示人口数量的值。
我们只关心每个国家2010年的人口数量，因此我们首先编写一个打印这些信息的程序：

world_population.py

import jsonfilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict["Year"] == '2010':country = pop_dict["Country Name"]population = pop_dict["Value"]print(country + ':' + population)

输出为一系列的国家的名称和人口数量：

Arab World:357868000
Caribbean small states:6880000
East Asia & Pacific (all income levels):2201536674
--snip--
Zambia:12927000
Zimbabwe:12571000

将字符串转换为数字值

由于population_data.json中的每个键和值都是字符串。
为了处理这些人口数据，我们需要将表示人口数量的字符串转换为数字值，为此我们使用int()：

import jsonfilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict["Year"] == '2010':country = pop_dict["Country Name"]population = int(pop_dict["Value"])print(country + ':' + str(population))

而运行时发现出现了错误：

Traceback (most recent call last):File "world_population.py", line 9, in <module>population = int(pop_dict["Value"])
ValueError: invalid literal for int() with base 10: '1127437398.85751'

这是因为python不能直接将包含小数点的字符串’1127437398.85751’转换为整数。
为了消除这种错误，我们先将字符串转换为浮点数，再将浮点数转换为整数：

import jsonfilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)for pop_dict in pop_data:if pop_dict["Year"] == '2010':country = pop_dict["Country Name"]population = int(float(pop_dict["Value"]))print(country + ':' + str(population))

这样就不会导致错误了。

获取两个字母的国别码

Pygal中的地图制作工具要求数据为特定的格式：用国别码表示国家，以及用数字表示人口数量。
处理地理政治数据时，经常需要用到几个标准化国别码集。population_data.json中包含的是三个字母的国别码，但Pygal使用两个字母的国别码，我们需要想办法根据国家名获取两个字母的国别码。

Pygal使用的国别码存储在模块i18n(internationalization的缩写)中。字典COUNTRIES包含的键和值分别为两个字母的国别码和国家名。要查看这些国别码，可从模块i18n中导入这个字典，并打印其键和值：

countries.py

from pygal_maps_world.i18n import COUNTRIESfor country_code in sorted(COUNTRIES.keys()):print(country_code, COUNTRIES[country_code])

输出为：

ad Andorra
ae United Arab Emirates af Afghanistan
--snip--
zw Zimbabwe

为获取国别码，我们将编写一个函数，它在COUNTRIES查找并返回国别码。
country_codes.py

from pygal_maps_world.i18n import COUNTRIESfor code, name in COUNTRIES.items():print(code, name)

world_population.py

import json
from country_codes import get_country_codefilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)
for pop_dict in pop_data:if pop_dict["Year"] == '2010':country_name = pop_dict["Country Name"]population = int(float(pop_dict["Value"]))code = get_country_code(country_name)if code:print(code + ": " + str(population))else:print("ERROR - " + country_name)

运行后的结果为：

ERROR - Arab World
ERROR - Caribbean small states
ERROR - East Asia & Pacific (all income levels) --snip--
af: 34385000
al: 3205000
dz: 35468000
--snip--
ERROR - Yemen, Rep.
zm: 12927000
zw: 12571000

导致显示错误消息的原因有两个。首先，并非所有人口数量对应的都是国家，有些人口数量对应的是地区(阿拉伯世界)和经济类群(所有收入水平)。其次，有些统计数据使用了不同的完整国家名(如Yemen, Rep.，而不是Yemen)。当前，我们将忽略导致错误的数据，看看根据成功恢复了的数据制作出的地图是什么样的。

制作世界地图

有了国别码后，制作世界地图易如反掌。Pygal提供了图表类型Worldmap，可帮助你制作呈现各国数据的世界地图。为演示如何使用Worldmap，我们来创建一个突出北美、中美和南美的简单地图:

americas.py

import pygalwm = pygal.maps.world.World()
wm.title = 'North, Central, and South America'wm.add('North America', ['ca', 'mx', 'us'])
wm.add('Central America', ['bz', 'cr', 'gt', 'hn', 'ni', 'pa', 'sv'])
wm.add('South America', ['ar', 'bo', 'br', 'cl', 'co', 'ec', 'gf', 'gy', 'pe', 'py', 'sr', 'uy', 've'])wm.render_to_file("americas.svg")

我们使用了方法add()，它接受一个标签和一个列表，其中后者包含我们要突出的国家的国别码。每次调用add()都将为指定的国家选择一种新颜色，并在图表左边显示该颜色和指定的标签。
方法render_to_file()创建一个包含该图表的.svg文件，在浏览器中打开：

在世界地图上呈现数字数据

为练习在地图上呈现数字数据，我们来创建一幅地图，显示三个北美国家的人口数量：

na_populations.py

import pygalwm = pygal.maps.world.World()
wm.title = 'Populations of Countries in North America'
wm.add('North America', {'ca': 34126000, 'us': 309349000, 'mx': 113423000})wm.render_to_file('na_populations.svg')

使用方法add()，传递一个字典。这个字典将两个字母的Pygal国别码作为键，将人口数量作为值。Pygal根据这些数字自动给不同国家着以深浅不一的颜色（人口最少的国家颜色最浅，人口最多的国家颜色最深）。

这个地图具有交互性：如果你将鼠标指向某个国家，将看到其人口数量。

绘制完整的世界人口地图

要呈现其他国家的人口数量，需要将前面处理的数据转换为Pygal要求的字典格式：键为两个字母的国别码，值为人口数量。

world_map.py

import json
import pygal
from country_codes import get_country_codefilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)cc_populations = {}
for pop_dict in pop_data:if pop_dict["Year"] == '2010':country_name = pop_dict["Country Name"]population = int(float(pop_dict["Value"]))code = get_country_code(country_name)if code:cc_populations[code] = populationwm = pygal.maps.world.World()
wm.title = 'World Population in 2010, by Country'
wm.add("2010", cc_populations)
wm.render_to_file('world_map.svg')

有几个国家没有相关的数据，就没有进行着色。但对于大多数国家，都根据其人口数量进行了着色。
在当前的地图中，很多国家都是浅色的，只有两个国家是深色的。对大多数国家而言，颜色深浅的差别不足以反应其人口数量的差别。为修复这种问题，我们将根据人口数量将国家分组，再分别给每个组着色。

根据人口数量将国家分组

印度和中国的人口比其他国家多得多，但在当前的地图中，它们的颜色与其他国家差别较小。中国和印度的人口都超过了10亿，接下来人口最多的国家是美国，但只有大约3亿。
根据人口数量分为3组——少于1000万的、介于1000万和10亿之间的以及超过10亿的：

world_map.py

import json
import pygal
from country_codes import get_country_codefilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)cc_populations = {}
for pop_dict in pop_data:if pop_dict["Year"] == '2010':country_name = pop_dict["Country Name"]population = int(float(pop_dict["Value"]))code = get_country_code(country_name)if code:cc_populations[code] = populationcc_pops1, cc_pops2, cc_pops3 = {}, {}, {}
for cc, pop in cc_populations.items():if pop < 10000000:cc_pops1[cc] = popelif pop < 1000000000:cc_pops2[cc] = popelse:cc_pops3[cc] = popprint(len(cc_pops1), len(cc_pops2), len(cc_pops3))wm = pygal.maps.world.World()
wm.title = 'World Population in 2010, by Country'
wm.add("0-10m", cc_pops1)
wm.add("10m-1bn", cc_pops2)
wm.add(">1bn", cc_pops3)
wm.render_to_file('world_map.svg')

为了将国家分组，我们创建了三个空字典。
如果运行程序，首先看到的是每个分组的规模：

85 69 2

上述输出表明，人口少于1000万的国家有85个，人口介于1000万和10亿之间的国家有69个，还有两个国家超过了10亿。

使用Pygal设置世界地图的格式

在这个地图中，根据人口将国家分组虽然很有效，但默认的颜色设置很难看。
下面使用Pygal样式设置指令来调整颜色。

import json
import pygal
from country_codes import get_country_code
from pygal.style import RotateStylefilename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)cc_populations = {}
for pop_dict in pop_data:if pop_dict["Year"] == '2010':country_name = pop_dict["Country Name"]population = int(float(pop_dict["Value"]))code = get_country_code(country_name)if code:cc_populations[code] = populationcc_pops1, cc_pops2, cc_pops3 = {}, {}, {}
for cc, pop in cc_populations.items():if pop < 10000000:cc_pops1[cc] = popelif pop < 1000000000:cc_pops2[cc] = popelse:cc_pops3[cc] = popprint(len(cc_pops1), len(cc_pops2), len(cc_pops3))wm_style = RotateStyle('#336699')
wm = pygal.maps.world.World(style=wm_style)
wm.title = 'World Population in 2010, by Country'
wm.add("0-10m", cc_pops1)
wm.add("10m-1bn", cc_pops2)
wm.add(">1bn", cc_pops3)
wm.render_to_file('world_map.svg')

Pygal样式存储在模块style中，我们从这个模块中导入了样式RotateStyle。创建这个类的实例时，需要提供一个实参——十六进制的RGB颜色；Pygal将根据指定的颜色为每组选择颜色。十六进制格式的RGB颜色是一个以井号（#）打头的字符串，后面跟着6个字符，其中前两个字符表示红色分量，接下来的两个表示绿色分量，最后两个表示蓝色分量。每个分量的取值范围为00(没有相应的颜色)~FF(包含最多的相应颜色)。如果你在线搜索hex color chooser（十六进制颜色选择器），可找到让你能够尝试选择不同的颜色并显示其RGB值的工具。这里使用的颜色值(#336699)混合了少量的红色(33)、多一些的绿色(66)和更多一些的蓝色(99)，它为RotateStyle提供了一种淡蓝色基色。

加亮颜色主题

Pygal通常默认使用较暗的颜色主题。为方便印刷，我们使用LightColorizedStyle加亮了地图的颜色。这个类修改了整个图表的主题，包括背景色、标签以及各个国家的颜色。
要使用这个样式，先导入它：

from pygal.style import LightColorizedStyle

然后就可独立地使用LightColorizedStyle了，例如：

wm_style = LightColorizedStyle

然而使用这个类时，你不能直接控制使用的颜色，Pygal将选择默认的基色。要设置颜色，可使用RotateStyle，并将LightColorizedStyle作为基本样式。为此，导入LightColorizedStyle和RotateStyle：

from pygal.style import LightColorizedStyle, RotateStyle

再使用RotateStyle创建一种样式，并传入另一个实参base_style：

wm_style = RotateStyle('#336699', base_style=LightColorizedStyle)

这设置了较亮的主题，同时根据通过实参传递的颜色给各个国家着色。

尝试为不同的可视化选择合适的样式设置指令时，在import语句中指定别名会有所帮助：

from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS

这样，样式定义将更短：

wm_style = RS('#336699', base_style=LCS)

通过使用几个样式设置指令，就能很好地控制图表和地图的外观。

《Python编程：从入门到实践》第十六章：下载数据相关推荐

《Python编程从入门到实践》第六章
第六章开始把一些需要注意的点写进注释里了. #在2020.10.23至2020.10.25结束之前完成第六章的学习 alien_0 = {'color':'green','points':5} pri ...
Python 编程从入门到实践第十二章飞船开始游戏时靠着边界的问题解决办法
注:图中标识的1,2,3,4 就是所指向的那一行代码,上面是本人的正确代码解决办法:书上的代码内容顺序是1代码在2代码的前面,其实只要把1代码放到2代码后面就可以解决靠边的问题飞船初始靠边原因:1 ...
《Python网络爬虫——从入门到实践》第六章将数据存储至MySQL数据库的学习心得与总结（出错与纠正方法）
<Python网络爬虫--从入门到实践>第六章将数据存储至MySQL数据库的学习心得与总结(出错与纠正方法) 作为刚开始入门python的小白,对大数据,网络爬虫比较感兴趣.完全是自我修炼 ...
python基础学习[python编程从入门到实践读书笔记(连载五)]：数据可视化项目第16章
文章目录下载数据制作全球地震散点图:JSON格式 end 几个实验结果: 每日最高气温: 地震图绘制: 下载数据 CSV文件格式在文本文件中存储数据,一个简单方式是将数据作为一系列以逗号分隔的值 ...
python教程txt免费下载-python编程从入门到实践PDF电子书教程免费下载
本书是一本针对所有层次的 Python 读者而作的 Python 入门书.全书分两部分 :第一部分介绍用 Python 编程所必须了解的基本概念,包括 matplotlib.NumPy 和 Pygal ...
python编程入门到实践pdf下载-Python编程从入门到实践的PDF教程免费下载
本书旨在让你成为优秀的程序员,具体地说,是优秀的Python程序员.通过阅读本书,你将迅速掌握编程概念,打下坚实的基础,并养成良好的习惯.阅读本书后,你就可以开始学习Python高级技术,并能够更 ...
python编程入门教学下载-Python编程从入门到实践的PDF教程免费下载
本书旨在让你成为优秀的程序员,具体地说,是优秀的Python程序员.通过阅读本书,你将迅速掌握编程概念,打下坚实的基础,并养成良好的习惯.阅读本书后,你就可以开始学习Python高级技术,并能够更 ...
python编程入门教程下载-Python编程从入门到实践的PDF教程免费下载
本书旨在让你成为优秀的程序员,具体地说,是优秀的Python程序员.通过阅读本书,你将迅速掌握编程概念,打下坚实的基础,并养成良好的习惯.阅读本书后,你就可以开始学习Python高级技术,并能够更 ...
python基础学习[python编程从入门到实践读书笔记(连载四)]：数据可视化项目第15章
文章目录 matplotlib初学基础绘图用法随机漫步使用Plotly模拟掷骰子 matplotlib初学基础绘图用法 import matplotlib.pyplot as pltsquar ...
python课本第三章答案idle_第三天任务（【基于Python编程从入门到实践】第三章列表书本及动手试一试）...
3.1列表什么是列表列表是由一系列特定顺序排列的元素组成的用方括号[]来表示列表并用逗号来分隔其中的元素访问列表元素索引指定访问的列表元素使用列表中的各个值 3--1 动手试一试 3.1 ...

《Python编程：从入门到实践》第十六章：下载数据

下载数据

一、CSV文件格式

分析CSV文件头

打印文件头及其位置

提取并读取数据

绘制气温图表

模块datetime

在图表中添加日期

涵盖更长的时间

再绘制一个数据系列

给图表区域着色

错误检查

二、制作世界人口地图：JSON格式

下载世界人口数据

提取相关的数据

将字符串转换为数字值

获取两个字母的国别码

制作世界地图

在世界地图上呈现数字数据

绘制完整的世界人口地图

根据人口数量将国家分组

使用Pygal设置世界地图的格式

加亮颜色主题

《Python编程：从入门到实践》第十六章：下载数据相关推荐

最新文章

热门文章