【Python编程：从入门到实践】第十六章练习题

爱被打了一巴掌 2023-06-25 01:58 0阅读 0赞

**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。  
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。**

**实现例子效果如下图：**

**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70][]**

代码：

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename_sitka = 'data/sitka_weather_2014.csv'
    filename_death = 'data/death_valley_2014.csv'
    
    # 获取日期、最高温度、最低温度、日降水量
    def get_data(filename):
    	with open(filename) as f:
    		reader = csv.reader(f)
    		header_row = next(reader)
    		# print(header_row)
    		dates, highs, lows, precipitationIns = [], [], [], []
    		for row in reader:
    			try:
    				current_date = datetime.strptime(row[0], "%Y-%m-%d")
    				high = int(row[1])
    				low = int(row[3])
    				precipitationIn = float(row[19])
    			except ValueError:
    				print(current_date, 'missing data')
    			else:
    				dates.append(current_date)
    				highs.append(high)
    				lows.append(low)
    				precipitationIns.append(precipitationIn)
    		return {'dates': dates, 'highs': highs, 'lows': lows, 'precipitationIns': precipitationIns}
    
    sitka_data = get_data(filename_sitka)
    death_data = get_data(filename_death)
    
    #  根据数据绘制图形
    fig = plt.figure(dpi=128, figsize=(10, 6))
    plt.plot(sitka_data['dates'], sitka_data['highs'], c='red', alpha=1)
    plt.plot(sitka_data['dates'], sitka_data['lows'], c='blue', alpha=1)
    plt.plot(sitka_data['dates'], sitka_data['precipitationIns'], c='green', alpha=1)
    
    plt.plot(death_data['dates'], death_data['highs'], c='red', alpha=1)
    plt.plot(death_data['dates'], death_data['lows'], c='blue', alpha=1)
    plt.plot(death_data['dates'], death_data['precipitationIns'], c='green', alpha=1)
    
    # plt.fill_between(sitka_data['dates'], sitka_data['highs'], sitka_data['lows'], facecolor='red', alpha=0.1)
    # plt.fill_between(death_data['dates'], death_data['highs'], death_data['lows'], facecolor='blue', alpha=0.1)
    #  设置图形的格式
    title = "Daily high and low temperatures - 2014\nDeath Valley, CA"
    plt.title(title, fontsize=20)
    plt.xlabel('', fontsize=16)
    # 绘制斜的日期标签
    fig.autofmt_xdate()
    plt.ylabel("Temperature (F)", fontsize=16)
    plt.tick_params(axis='both', which='major', labelsize=16)
    # 图例
    plt.legend(('high', 'low', 'precipitationIn'))
    
    plt.show()

**16-4  探索 ：生成一些图表，对你好奇的任何地方的其他天气数据进行研究。**

**实现例子效果如下图：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 1][]

代码：

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename_sitka = 'data/sitka_weather_2014.csv'
    
    with open(filename_sitka) as f:
    	reader = csv.reader(f)
    	header_row = next(reader)
    	dates, humiditys, cloudcovers = [], [], []
    	for row in reader:
    		try:
    			current_date = datetime.strptime(row[0], "%Y-%m-%d")
    			humidity = int(row[7])
    			cloudcover = int(row[20])
    		except ValueError:
    			print(current_date, 'missing data')
    		else:
    			dates.append(current_date)
    			humiditys.append(humidity)
    			cloudcovers.append(cloudcover)
    
    fig = plt.figure(dpi=128, figsize=(10, 6))
    # 显示图表
    plt.scatter(dates, humiditys, c='#d4237a', edgecolor='none', s=40)
    plt.scatter(dates, cloudcovers, c='#13227a', edgecolor='none', s=40)
    # 设置图表标题并给坐标轴加上标签
    # 	日期斜显示
    plt.title('Data Analysis', fontsize=24)
    fig.autofmt_xdate()
    plt.xlabel('', fontsize=14)
    plt.ylabel('', fontsize=14)
    # 设置刻度标记的大小
    plt.tick_params(axis='both', which='major', labelsize=14)
    # 图例（文本、文本大小、显示位置、圆点和文本距离）
    plt.legend(('humiditys', 'cloudcovers'), fontsize=10, loc='upper right', handletextpad=0.5)
    
    plt.show()

**16-5  涵盖所有国家 ：本节制作人口地图时，对于大约 12 个国家，程序不能自动确定其两个字母的国别码。请找出这些国家，在字典 COUNTRIES 中找到它们的国别码；然后，对于每个这样的国家，都在 get\_country\_code() 中添加一个 if-elif 代码块，以返回其国别码：  
if country\_name == 'Yemen, Rep.'  
return 'ye'  
elif --snip--  
将这些代码放在遍历 COUNTRIES 的循环和语句 return None 之间。完成这样的修改后，你看到的地图将更完整。  
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。**

**数据下载地址效果图：**

**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 2][]**

**实现例子效果如下图：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 3][]

代码：

country\_codes.py（用来返回国别码，这里只处理了‘Yemen’情况，其它11个未确定的国别码可根据else的数据自行修改）。

from pygal_maps_world.i18n import COUNTRIES
    def get_country_code(country_name):
    	""" 根据指定的国家，返回 Pygal 使用的两个字母的国别码 """
    	for code, name in COUNTRIES.items():
    		if country_name.find('Yemen') >= 0:
    			return 'ye'
    		elif name == country_name:
    			return code
    		else:
    			# 输出未确定国别码的国家
    			print(country_name)
    	#  如果没有找到指定的国家，就返回 None
    	return None

world\_gdp.py（生成svg图表）。

因为pygal.i18n已经不存在了，改成了 `pygal_maps_world，所以`直接使用文章的“from pygal.i18n import COUNTRIES”会报错；

命令终端执行pip install pygal\_maps\_world，然后改成import pygal\_maps\_world.maps和wm = pygal\_maps\_world.maps.World()后可正常绘制图表。

import json
    from country_codes import get_country_code
    import pygal_maps_world.maps
    from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS
    
    #  将数据加载到一个列表中
    filename = 'data/gdp_json.json'
    with open(filename) as f:
    	gdp_data = json.load(f)
    #  创建一个包含gdp数据的字典
    cc_gdp = {}
    for gdp_dict in gdp_data:
    	if gdp_dict['Year'] == 2016:
    		country = gdp_dict['Country Name']
    		gdpValue = int(float(gdp_dict['Value']))
    		code = get_country_code(country)
    		if code:
    			cc_gdp[code] = gdpValue
    
    #  根据gdp将所有的国家分成三组
    cc_gdp_1, cc_gdp_2, cc_gdp_3 = {}, {}, {}
    for cc, gdp in cc_gdp.items():
    	if gdp < 10000000000:
    		cc_gdp_1[cc] = gdp
    	elif gdp < 500000000000:
    		cc_gdp_2[cc] = gdp
    	else:
    		cc_gdp_3[cc] = gdp
    #  看看每组分别包含多少个国家
    print(len(cc_gdp_1), len(cc_gdp_2), len(cc_gdp_3))
    wm_style = RS('#d95e07', base_style=LCS)
    wm = pygal_maps_world.maps.World(style=wm_style)
    wm.title = 'World GDP in 2016, by Country'
    wm.add('0-10bn', cc_gdp_1)
    wm.add('10bn-500bn', cc_gdp_2)
    wm.add('>500bn', cc_gdp_3)
    wm.render_to_file('data/world_gdp.svg')

**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。**

**数据下载地址效果图：**

**![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 4][]**

**实现例子效果如下图：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 5][]

代码：

country\_codes.py（用来返回国别码，代码跟上面一样）。

children\_out\_school.py（生成svg图表）。

import csv
    from country_codes import get_country_code
    import pygal_maps_world.maps
    from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS
    
    #  将数据加载到一个列表中
    filename = 'data/children_out_school.csv'
    with open(filename) as f:
    	reader = csv.reader(f)
    	header_row = next(reader)
    	#  创建一个包含gdp数据的字典
    	children_numbers = {}
    	for row in reader:
    		try:
    			country_name = row[0]
    			children_number = int(row[60])
    		except ValueError:
    			print(country_name, 'missing data')
    		else:
    			code = get_country_code(country_name)
    			if code:
    				children_numbers[code] = children_number
    
    #  根据数量将所有的国家分成三组
    children_number_1, children_number_2, children_number_3 = {}, {}, {}
    for i, value in children_numbers.items():
    	if value < 1000:
    		children_number_1[i] = value
    	elif value < 10000:
    		children_number_2[i] = value
    	else:
    		children_number_3[i] = value
    #  看看每组分别包含多少个国家
    print(len(children_number_1), len(children_number_2), len(children_number_3))
    wm_style = RS('#d95e07', base_style=LCS)
    wm = pygal_maps_world.maps.World(style=wm_style)
    wm.title = 'Children Out School in 2018, by Country'
    wm.add('0-1000', children_number_1)
    wm.add('1000-10000', children_number_2)
    wm.add('>10000', children_number_3)
    wm.render_to_file('data/children_numbers.svg')

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2019122410540160.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191224110931703.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20191224165034870.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/2019122416490357.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20191224171319652.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20191224171408128.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpbmcwOTY0,size_16,color_FFFFFF,t_70