参考教材
<Python编程——从入门到实践> 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 http://data.okfn.org/data/core/gdp 中找到这个数据集。接下来，让我们做一些有趣的小练习吧......
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 <br> # -*- 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 <br> # -*- 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
