菜鸟笔记Python3——数据可视化（三）世界GDP分析

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 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 
 # -*- 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 
 # -*- 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

最后贴一下 GitHub 链接

https://github.com/JesuisCelestin/python3-data_analyse_16.2