python 计算gdp_菜鸟笔记Python3——数据可视化（三）世界GDP分析

朱雀 2022-10-31 13:51 320阅读 0赞

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')

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

![0cdebb8e3679?from=timeline][0cdebb8e3679_from_timeline]

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

[0cdebb8e3679_from_timeline]: /images/20221024/ff97d447315f444a9e72495b0f05bc6a.png

python 计算gdp_菜鸟笔记Python3——数据可视化（三）世界GDP分析

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 ECharts项目实战：全球GDP数据可视化

相关数据可视化（python）----中国近十年就业GDP对比

相关 Python数据分析可视化--Titanic

相关实战案例：世界银行全球 GDP 数据分析

相关 Python数据分析实战（3）Python实现数据可视化

相关 python 计算gdp_菜鸟笔记Python3——数据可视化（三）世界GDP分析

相关 Python精美地理可视化绘制——以中国历年GDP数据为例

相关计算机地图综合制图gdp,GDP地图可视化01: 加载地图数据

相关 Python可视化数据分析工具

相关 Python数据分析可视化工具