©2020-2024 ioDraw All rights reserved
<>综合案例，全球GDP排行榜
<>1、知识点补充：sort()方法
<>sort()方法： 列表.sort(key=选择排序依据的函数,reverse=True|False)
my_list = [['a', 33], ['b', 55], ['c', 11]] def choose_sort_key(element):
return element[1] # 列表中每个元素传进来，按照元素下标1排序 # 逆序 my_list.sort(key=choose_sort_key,
reverse=True) # 注意此处调用函数方式 print(my_list)
<>匿名函数写法
my_list = [['a', 33], ['b', 55], ['c', 11]] my_list.sort(key=lambda element:
element[1], reverse=True) print(my_list)
<>2、实战案例 ，全球GDP数据可视化
<>导包
from pyecharts.charts import Bar, Timeline from pyecharts.options import * from
pyecharts.globals import *
<>数据准备
f = open("D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312 data =
f.readlines() # readlines()返回列表，read()返回字符串 f.close() print(data) print(type(
data))
<>第一行为标头，非数据，使用pop()方法去除
data.pop(0) print(data)
<>将数据转为字典格式
<>错误思路
{年份:[国家，GDP],年份:[国家，GDP],int:[str，float]…} ，实际上，同年应有多个国家GDP数据，故此格式错误
for element in data: element = element.strip() element = element.split(',')
print("element:",element)
此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！
data_dict = {} #
{年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误 for
elementin data: element = element.strip() element = element.split(',') #
print("element:",element) # 注意字典添加/更新数据方式：my_dict[key] = value #
此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！ # data_dict = {element[0]: [element[1],
element[2]]} data_dict[int(element[0])] = [element[1], float(element[2])] print(
data_dict) print(type(data_dict))
<>正确思路
{年份:[[国家，GDP],[国家，GDP],…],年份:[[国家，GDP],[国家，GDP],…],int:[[str，float],[str，float],…],…}
正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
data_dict = {} for line in data: print(line)
print(type(line))
print(line.split(',')) # ['2018', '巴巴多斯', '5086500000\n']
<>split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
data_dict = {} #
{年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data: # print(line) # print(type(line)) # print(line.split(',')) #
['2018', '巴巴多斯', '5086500000\n'] # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
year= int(line.split(',')[0]) country = line.split(',')[1] GDP = float(line.
split(',')[2]) # 换行符消失 543300000000.0 print(GDP)
<>注意此处灵活使用try捕获异常语句，妙
""" {key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP] try:
无异常的情况，向列表(value)中使用append()方法追加元素(list) data_dict[year].append([country,GDP])
except： 出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素 data_dict[year] = []
data_dict[year].append([country,GDP]) """ try: data_dict[year].append([country,
GDP]) except: data_dict[year] = [] data_dict[year].append([country, GDP]) print(
data_dict) print(type(data_dict))
<>将数据转为字典格式完整代码
# 将数据转为字典格式 """ data_dict = {} #
{年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误 for
element in data: element = element.strip() element = element.split(',') #
print("element:",element) # 注意字典添加/更新数据方式：my_dict[key] = value #
此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！ # data_dict = {element[0]: [element[1],
element[2]]} data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict) print(type(data_dict)) """ data_dict = {} #
{年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data: # print(line) # print(type(line)) # print(line.split(',')) #
['2018', '巴巴多斯', '5086500000\n'] # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
year= int(line.split(',')[0]) country = line.split(',')[1] GDP = float(line.
split(',')[2]) # 换行符消失 543300000000.0 # print(GDP) # 注意此处灵活使用try捕获异常语句，妙 """
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP] try:
无异常的情况，向列表(value)中使用append()方法追加元素(list) data_dict[year].append([country,GDP])
except： 出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素 data_dict[year] = []
data_dict[year].append([country,GDP]) """ try: data_dict[year].append([country,
GDP]) except: data_dict[year] = [] data_dict[year].append([country, GDP]) #
print(data_dict) # print(type(data_dict))
<>可转为json，放入格式化工具查看一下
data_json = json.dumps(data_dict) print(data_json) print(type(data_json))
<>时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序）
sorted_year_list = sorted(data_dict.keys()) # keys()方法取出字典所有关键字，可用for循环遍历字典
print(sorted_year_list)
<>每年国家数量非常多，取GDP排名前十作柱状图
print(data_dict[1960]) # 每年国家数量非常多，取GDP排名前十作柱状图
<>构建时间线对象
timeline = Timeline( {"theme": ThemeType.LIGHT} # 设置主题 )
<>每年GDP降序排序
for year in sorted_year_list: data_dict[year].sort(key=lambda element: element[
1], reverse=True) # sort()方法： 列表.sort(key=选择排序依据的函数,reverse=True|False) print(
data_dict[year]) # [['美国', 543300000000.0], ['英国', 73233967692.0], ['法国',
62225478000.0], ['中国', 59716467625.0],......]
<>取出本年度GDP前十的国家， 数据类型为列表，可通过切片[::]，取出前十名
print(type(data_dict[year])) # 数据类型为列表，可通过切片[::]，取出前十名 prior_gdp = data_dict[
year][0:10]
<>每一年都构建一个柱状图
# 创建两个列表分别存放X轴数据与Y轴数据 x_data = [] y_data = []
前十名
print(prior_gdp)
<>取国家名存入列表作为X轴数据，取GDP值存入列表作为Y轴数据
for country_gdp in prior_gdp: print(country_gdp) # ['美国', 17527200000000.0]
x_data.append(country_gdp[0]) y_data.append(country_gdp[1] / 100000000)
print(x_data) # ['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚',
'瑞典'] print(y_data) # [5433.0, 732.33967692, 622.25478, 597.16467625,
443.0734295, 404.61721692, 403.85288344, 370.29883875, 185.77668271,
158.22585033]
<>构建柱状图对象
反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据
# 构建柱状图对象 bar = Bar() # 逆置X轴与Y轴数据，使GDP值高的排在前面 x_data.reverse() y_data.reverse()
bar.add_xaxis(x_data) # Y轴设置图例，数据，以及数据在右侧显示 bar.add_yaxis("GDP(亿元)", y_data,
label_opts=LabelOpts(position="right")) bar.reversal_axis() #
反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据
<>设置每年图的标题
bar.set_global_opts( title_opts=TitleOpts(title=f"{year}年全球前十GDP"),
toolbox_opts=ToolboxOpts(is_show=True) ) timeline.add(bar, str(year)) # 要求为字符串
<>设置自动播放
timeline.add_schema( play_interval=500, is_loop_play=False, is_auto_play=True,
is_timeline_show=True )
<>绘图
timeline.render("GDP排行榜.html")
<>PS完整代码（含思路注释版）
from pyecharts.charts import Bar, Timeline from pyecharts.options import * from
pyecharts.globals import * import json # 实战案例 ，全球GDP数据可视化 # 数据准备 f = open(
"D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312 data = f.
readlines() # readlines()返回列表，read()返回字符串 f.close() # print(data) #
print(type(data)) # 第一行为标头，非数据，使用pop()方法去除 data.pop(0) # print(data) # 将数据转为字典格式
""" data_dict = {} #
{年份:[国家，GDP],年份:[国家，GDP],int:[str，float]......}，实际上，同年应有多个国家GDP数据，故此格式错误 for
element in data: element = element.strip() element = element.split(',') #
print("element:",element) # 注意字典添加/更新数据方式：my_dict[key] = value #
此方法错误，年份key相同时，为更新value操作！！！！！严重丢失数据！！！ # data_dict = {element[0]: [element[1],
element[2]]} data_dict[int(element[0])] = [element[1], float(element[2])]
print(data_dict) print(type(data_dict)) """ data_dict = {} #
{年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data: # print(line) # print(type(line)) # print(line.split(',')) #
['2018', '巴巴多斯', '5086500000\n'] # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP
year= int(line.split(',')[0]) country = line.split(',')[1] GDP = float(line.
split(',')[2]) # 换行符消失 543300000000.0 # print(GDP) # 注意此处灵活使用try捕获异常语句，妙 """
{key:value} --> value = [元素一,元素二,......] --> 元素一 = [country,GDP] try:
无异常的情况，向列表(value)中使用append()方法追加元素(list) data_dict[year].append([country,GDP])
except： 出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素 data_dict[year] = []
data_dict[year].append([country,GDP]) """ try: data_dict[year].append([country,
GDP]) except: data_dict[year] = [] data_dict[year].append([country, GDP]) #
print(data_dict) # print(type(data_dict)) # 可转为json，放入格式化工具查看一下 # data_json =
json.dumps(data_dict) # print(data_json) # print(type(data_json)) #
时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序） sorted_year_list = sorted(
data_dict.keys()) # keys()方法取出字典所有关键字，可用for循环遍历字典 # print(sorted_year_list) #
print(data_dict[1960]) # 每年国家数量非常多，取GDP排名前十作柱状图 # 构建时间线对象 timeline = Timeline( {
"theme": ThemeType.LIGHT} # 设置主题 ) for year in sorted_year_list: data_dict[year]
.sort(key=lambda element: element[1], reverse=True) # sort()方法：
列表.sort(key=选择排序依据的函数,reverse=True|False) # print(data_dict[year]) # [['美国',
543300000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国',
59716467625.0],......] # 取出本年度GDP前十的国家 # print(type(data_dict[year])) #
数据类型为列表，可通过切片[::]，取出前十名 prior_gdp = data_dict[year][0:10] # 每一年都构建一个柱状图 #
创建两个列表分别存放X轴数据与Y轴数据 x_data = [] y_data = [] # print(prior_gdp) for country_gdp
in prior_gdp: # print(country_gdp) # ['美国', 17527200000000.0] x_data.append(
country_gdp[0]) y_data.append(country_gdp[1] / 100000000) # print(x_data) #
['美国', '英国', '法国', '中国', '日本', '加拿大', '意大利', '印度', '澳大利亚', '瑞典'] #
print(y_data) # [5433.0, 732.33967692, 622.25478, 597.16467625, 443.0734295,
404.61721692, 403.85288344, 370.29883875, 185.77668271, 158.22585033] # 构建柱状图对象
bar= Bar() # 逆置X轴与Y轴数据，使GDP值高的排在前面 x_data.reverse() y_data.reverse() bar.
add_xaxis(x_data) # Y轴设置图例，数据，以及数据在右侧显示 bar.add_yaxis("GDP(亿元)", y_data,
label_opts=LabelOpts(position="right")) bar.reversal_axis() #
反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据 # bar.render() # 设置每年图的标题 bar
.set_global_opts( title_opts=TitleOpts(title=f"{year}年全球前十GDP"), toolbox_opts=
ToolboxOpts(is_show=True) ) timeline.add(bar, str(year)) # 要求为字符串 # 设置自动播放
timeline.add_schema( play_interval=500, is_loop_play=False, is_auto_play=True,
is_timeline_show=True ) # 绘图 timeline.render("GDP排行榜.html")
<>PS完整代码（清爽版）
from pyecharts.charts import Bar, Timeline from pyecharts.options import * from
pyecharts.globals import * # 实战案例 ，全球GDP数据可视化 # 数据准备 f = open(
"D:/1960-2019全球GDP数据.csv", "r", encoding="ansi") # 本机编码为GB2312 data = f.
readlines() # readlines()返回列表，read()返回字符串 f.close() # 第一行为标头，非数据，使用pop()方法去除
data.pop(0) # 将数据转为字典格式 data_dict = {} #
{年份:[[国家，GDP],[国家，GDP],......],年份:[[国家，GDP],[国家，GDP],......],int:[[str，float],[str，float],......],......}，正确数据格式，年份：value，而value是一个列表，包含不同国家的数据，其中每个元素又是一个列表；而某一国家具体数据列表为[国家，GDP]。
for line in data: # split()方法生成列表，取0号索引元素为年份，1号索引元素为国家，2号索引元素为GDP year = int(
line.split(',')[0]) country = line.split(',')[1] GDP = float(line.split(',')[2])
# 换行符消失 543300000000.0 # 注意此处灵活使用try捕获异常语句，妙 """ {key:value} --> value =
[元素一,元素二,......] --> 元素一 = [country,GDP] try:
无异常的情况，向列表(value)中使用append()方法追加元素(list) data_dict[year].append([country,GDP])
except： 出现异常情况，data_dict[year]此时无对应value，构建空列表，再向列表中追加元素 data_dict[year] = []
data_dict[year].append([country,GDP]) """ try: data_dict[year].append([country,
GDP]) except: data_dict[year] = [] data_dict[year].append([country, GDP]) #
时间线柱状图timeline的时间节点应有序，故先对年份进行排序（实际上字典中year（key）已是升序） sorted_year_list = sorted(
data_dict.keys()) # keys()方法取出字典所有关键字，可用for循环遍历字典 # 构建时间线对象 timeline = Timeline(
{"theme": ThemeType.LIGHT} # 设置主题 ) for year in sorted_year_list: data_dict[year
].sort(key=lambda element: element[1], reverse=True) # sort()方法：
列表.sort(key=选择排序依据的函数,reverse=True|False) # 取出本年度GDP前十的国家 prior_gdp = data_dict[
year][0:10] # 每一年都构建一个柱状图 # 创建两个列表分别存放X轴数据与Y轴数据 x_data = [] y_data = [] for
country_gdpin prior_gdp: x_data.append(country_gdp[0]) y_data.append(country_gdp
[1] / 100000000) # 构建柱状图对象 bar = Bar() # 逆置X轴与Y轴数据，使GDP值高的排在前面 x_data.reverse()
y_data.reverse() bar.add_xaxis(x_data) # Y轴设置图例，数据，以及数据在右侧显示 bar.add_yaxis(
"GDP(亿元)", y_data, label_opts=LabelOpts(position="right")) bar.reversal_axis()
# 反转X轴与Y轴，此操作导致GDP高的国家在最下面，故上方使用reverse()方法逆置X轴与Y轴数据 # 设置每年图的标题 bar.
set_global_opts( title_opts=TitleOpts(title=f"{year}年全球前十GDP"), toolbox_opts=
ToolboxOpts(is_show=True) ) timeline.add(bar, str(year)) # 要求为字符串 # 设置自动播放
timeline.add_schema( play_interval=500, is_loop_play=False, is_auto_play=True,
is_timeline_show=True ) # 绘图 timeline.render("GDP排行榜.html")