python学习作业仓库.zip

#coding:utf-8 """ 综合项目:世行历史数据基本分类及其可视化 作者:植产05廖建 日期：2020年5月20日 """ import csv import math import pygal import pygal_maps_world #导入需要使用的库 def read_csv_as_nested_dict(filename, keyfield, separator, quote): #读取原始csv文件的数据，格式为嵌套字典 """ 输入参数: filename:csv文件名 keyfield:键名 separator:分隔符 quote:引用符 输出: 读取csv文件数据，返回嵌套字典格式，其中外层字典的键对应参数keyfiled，内层字典对应每行在各列所对应的具体值 """ result={} with open(filename,newline="") as csvfile: csvreader=csv.DictReader(csvfile,delimiter=separator,quotechar=quote) for row in csvreader: rowid=row[keyfield] result[rowid]=row return result pygal_countries = pygal.maps.world.COUNTRIES #读取pygal.maps.world中国家代码信息（为字典格式），其中键为pygal中各国代码，值为对应的具体国名(建议将其显示在屏幕上了解具体格式和数据内容） def reconcile_countries_by_name(plot_countries,gdp_countries): #返回在世行有GDP数据的绘图库国家代码字典，以及没有世行GDP数据的国家代码集合 """ 输入参数: plot_countries: 绘图库国家代码数据，字典格式，其中键为绘图库国家代码，值为对应的具体国名 gdp_countries:世行各国数据，嵌套字典格式，其中外部字典的键为世行国家代码，值为该国在世行文件中的行数据（字典格式) 输出： 返回元组格式，包括一个字典和一个集合。其中字典内容为在世行有GDP数据的绘图库国家信息（键为绘图库各国家代码，值为对应的具体国名), 集合内容为在世行无GDP数据的绘图库国家代码 """ Dilt={} Set=set() Tup=(Dilt,Set) for Code in plot_countries: for i in gdp_countries.values(): if plot_countries[Code]==i["Country Name"]: for years in range(1960,2016): if i[str(years)]=="": #如果有一年GDP不为空，则加入字典 continue else: Dilt[Code]=i for CODe in plot_countries: #所有国家代码减去字典中的为无GDP记录的国家 if CODe not in Dilt: Set.add(CODe) return Tup def build_map_dict_by_name(gdpinfo,plot_countries, year): """ 输入参数: gdpinfo: plot_countries: 绘图库国家代码数据，字典格式，其中键为绘图库国家代码，值为对应的具体国名 year: 具体年份值 输出： 输出包含一个字典和二个集合的元组数据。其中字典数据为绘图库各国家代码及对应的在某具体年份GDP产值（键为绘图库中各国家代码，值为在具体年份（由year参数确定）所对应的世行GDP数据值。为 后续显示方便，GDP结果需转换为以10为基数的对数格式，如GDP原始值为2500，则应为log2500，ps:利用math.log()完成) 2个集合一个为在世行GDP数据中完全没有记录的绘图库国家代码，另一个集合为只是没有某特定年（由year参数确定）世行GDP数据的绘图库国家代码 """ Tup0=reconcile_countries_by_name(plot_countries,read_csv_as_nested_dict("isp_gdp.csv","Country Code",",",'"')) Dict={} Set1=set() Set2=set() Set3=set() with open(gdpinfo["gdpfile"],"rt") as csvfile: reader=csv.DictReader(csvfile,delimiter=gdpinfo["separator"],quotechar=gdpinfo["quote"]) for cow in reader: for Code in plot_countries: country=plot_countries[Code] if country==cow[gdpinfo["country_name"]] and cow[year]!="": Dict[Code]=math.log10(float(cow[year])) #该年有记录的就加入字典 elif country==cow[gdpinfo["country_name"]] and cow[year]=="": Set2.add(Code) #该年无GDP记录的国家 else: continue Set1=Tup0[1] #完全没有GDP记录的国家代码 Set3=Set2-Set1 #是没有某特定年记录的国家 Tup=(Dict,Set1,Set3) return Tup def render_world_map(gdpinfo, plot_countries, year, map_file): #将具体某年世界各国的GDP数据(包括缺少GDP数据以及只是在该年缺少GDP数据的国家)以地图形式可视化 """ Inputs: gdpinfo:gdp信息字典 plot_countires:绘图库国家代码数据，字典格式，其中键为绘图库国家代码，值为对应的具体国名 year:具体年份数据，以字符串格式程序，如"1970" map_file:输出的图片文件名 目标：将指定某年的世界各国GDP数据在世界地图上显示，并将结果输出为具体的的图片文件 提示：本函数可视化需要利用pygal.maps.world.World()方法 """ worldmap_chart = pygal.maps.world.World() worldmap_chart.title = "全球GDP分布图" #标题 worldmap_chart.add(year,build_map_dict_by_name(gdpinfo,plot_countries, year)[0]) #有GDP的国家画图 worldmap_chart.add("missing from world bank",build_map_dict_by_name(gdpinfo,plot_countries, year)[1]) #完全没有GDP记录的国家图 worldmap_chart.add("no data at this year",build_map_dict_by_name(gdpinfo,plot_countries, year)[2]) #是没有某特定年记录的国家图 worldmap_chart.render_to_file(map_file) #输出文件 def test_render_world_map(year): #测试函数 """ 对各功能函数进行测试 """ gdpinfo = { "gdpfile": "isp_gdp.csv", "separator": ",", "quote": '"', "min_year": 1960, "max_year": 2015, "country_name": "Country Name", "country_code": "Country Code" } #定义数据字典 pygal_countries = pygal.maps.world.COUNTRIES # 获得绘图库pygal国家代码字典 render_world_map(gdpinfo, pygal_countries, year, "qqisp_gdp_world_name_1970.svg") #调用函数 print("文件已生成") # 测试时可以1970年为例，对函数继续测试，将运行结果与提供的svg进行对比，其它年份可将文件重新命名 #程序测试和运行 print("欢迎使用世行GDP数据可视化查询") print("----------------------") year=input("请输入需查询的具体年份:") test_render_world_map(year)