第十五章生成数据

数据可视化指的是通过可视化表示来探索数据，它与数据挖掘紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。
数据集可以是用一行代码就能表示的小型数字列表，也可以是数以吉字节的数据。
漂亮的呈现数据关乎的并非仅仅是漂亮的图片，以引人注目的简介方式呈现数据，让观看者能够明白其含义，发现数据集中原本未意识到的规律和意义。

##15.2绘制简单的折线图
import matplotlib.pyplot as plt

squares=[1,4,9,16,25]
plt.plot(squares)
plt.show()== 打开matplot查看器==

###修改标签文字和线条粗细
import matplotlib.pyplot as plt

squares=[1,4,9,16,25]
plt.plot(squares,linewidth=5)

plt.title(‘square numbers’,fontsize=24)== 设置图表标题，并给坐标轴加上标签==
plt.xlabel(‘value’,fontsize=14)
plt.ylabel(‘square of value’,fontsize=14)

plt.tick_params(axis=‘both’,labelsize=14)设置刻度标记大小

plt.show()

###校正图形
当你向plot（）提供一系列数字时，它假设第一个数据点对应的x坐标值为0，但我们的第一个点对应的x值为1。为改变这种默认行为，可以给plot同时提供输入值和输出值。
import matplotlib.pyplot as plt

扫描二维码关注公众号，回复： 11571410 查看本文章

input_values=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(input_values,squares,linewidth=5)
plt.title(‘square numbers’,fontsize=24)
plt.xlabel(‘value’,fontsize=14)
plt.ylabel(‘square of value’,fontsize=14)

plt.tick_params(axis=‘both’,labelsize=14)

plt.show()

###使用scatter（）绘制散点图并设置其样式
import matplotlib.pyplot as plt

plt.scatter(2,4,s=200)使用实参s设置绘制图形时使用的点的尺寸
plt.title(‘square numbers’,fontsize=24)
plt.xlabel(‘value’,fontsize=14)
plt.ylabel(‘square of value’,fontsize=14)

plt.tick_params(axis=‘both’,which=‘major’,labelsize=14)

plt.show()

###使用scatter绘制一系列点
import matplotlib.pyplot as plt

x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]

plt.scatter(x_values,y_values,s=100)

plt.show()

自动计算数据

import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,s=40)

plt.axis([0,1100,0,110000])函数axis（）指定了每个坐标轴的取值范围

plt.show()

###删除数据点的轮廓
import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,edgecolors=‘none’, s=40)

plt.axis([0,1100,0,110000])

plt.show()

###自定义颜色
import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c=‘red’,edgecolors=‘none’, s=40)改变数据点颜色，可传递参数c

plt.axis([0,1100,0,110000])

plt.show()

import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c=(0,0,0.8),edgecolors=‘none’, s=40)使用RGB颜色模式自定义颜色，将其设置为一个元组，包含三个0~1的小数值，分别表示红色、绿色和蓝色分量

plt.axis([0,1100,0,110000])

plt.show()

###使用颜色映射
颜色映射是一系列颜色，它们从起始颜色渐变到结束颜色。
在可视化中，颜色映射用于突出数据的规律。

import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolors=‘none’, s=40)

plt.axis([0,1100,0,110000])

plt.show()

###自动保存图表
import matplotlib.pyplot as plt

x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolors=‘none’, s=40)

plt.axis([0,1100,0,110000])

plt.savefig(‘squares_plot.png’,bbox_inches=‘tight’)

15.3随机漫步

每次行走都完全随机，没有明确的方向，结果是由一系列随机决策决定的。

创建RandomWalk（）类

from random import choice

class RandomWalk():
“”“一个生成随机漫步数据的类”""

def __init(self,num_points=5000):
    """初始化随机漫步属性"""
    self.num_points=num_points

    #所有随机漫步都始于（0,0）
    self.x_values=[0]
    self.y_values=[0]

选择方向

from random import choice

class RandomWalk():
“”“一个生成随机漫步数据的类”""

def __init(self,num_points=5000):
    """初始化随机漫步属性"""
    self.num_points=num_points

    #所有随机漫步都始于（0,0）
    self.x_values=[0]
    self.y_values=[0]

def fill_waik(self):
    """计算随机漫步包含的所有的点"""

    # 不断漫步，直到列表达到指定的长度
    while len(self.x_values) < self.num_points:

        #觉得前进方向以及沿这个方向前进的距离
        x_direction=choice([1,-1])
        x_distance=choice([0,1,2,3,4])
        x_step=x_direction*x_distance

        y_direction = choice([1, -1])
        y_distance = choice([0, 1, 2, 3, 4])
        y_step = y_direction * y_distance

        #拒绝原地踏步
        if x_step==0 and y_step==0:
            continue

        #计算下一个点的x和y值
        next_x=self.x_values[-1]+x_step
        next_y = self.y_values[-1] + y_step

        self.x_values.append(next_x)
        self.y_values.append(next_y)

绘制随机漫步图

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_waik()
plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()

模拟多次随机漫步

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_waik()
plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()

keep_running=input("make another walk?(y/n): ")
if keep_running=='n':
    break

设置随机漫步图的样式

定制图表，以突出每次漫步的特征，并让分散注意力的元素不那么显眼。

给点着色

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_waik()

points_numbers=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=points_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
plt.show()

keep_running=input("make another walk?(y/n): ")
if keep_running=='n':
    break

重新绘制起点和终点

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_waik()

points_numbers=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=points_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)

#突出起点和终点
plt.scatter(0,0,c='green',edgecolors='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)

plt.show()

keep_running=input("make another walk?(y/n): ")
if keep_running=='n':
    break

隐藏坐标轴

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_waik()

points_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=points_numbers, cmap=plt.cm.Blues, edgecolors='none', s=15)

# 突出起点和终点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)

# 隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

plt.show()

keep_running = input("make another walk?(y/n): ")
if keep_running == 'n':
    break

增加点数

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw=RandomWalk()
rw.fill_waik()

#绘制点并将图形显示出来
points_numbers=list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=points_numbers,cmap=plt.cm.Blues,edgecolors='none',s=1)

#突出起点和终点
plt.scatter(0,0,c='green',edgecolors='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)

#隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

plt.show()

keep_running=input("make another walk?(y/n): ")
if keep_running=='n':
    break

调整尺寸以适合屏幕

import matplotlib.pyplot as plt

from randam_walk import RandomWalk

#只要程序处于活跃状态，就不断模拟随机漫步
while True:
# 创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_waik()

# 设置绘图窗口尺寸
plt.figure(figsize=(10, 6))

# 绘制点并将图形显示出来
points_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=points_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)

# 突出起点和终点
plt.scatter(0, 0, c='green', edgecolors='none', s=100)
plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)

# 隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

plt.show()

keep_running = input("make another walk?(y/n): ")
if keep_running == 'n':
    break

15.4使用pygal模拟掷骰子

创建Die类

from random import randint

class Die():
“”“表示一个骰子的类”""

def __init__(self,num_sides=6):                                                       ==方法 __init__（）接受一个可选参数==
    """骰子默认6面"""
    self.num_sides=num_sides

def roll(self):                                                         
    """返回一个位于1和骰子面熟之间的随机值"""
    return randint(1,self.num_sides)

== 方法roll（）使用函数randint（）来返回一个1和面数之间的随机数==

掷骰子

from die import Die

#创建一个D6
die = Die()

#掷几次骰子，并将结果存储在一个列表中
results=[]
for roll_num in range(100):
result=die.roll()
results.append(result)

print(results)

分析结果

from die import Die

#创建一个D6
die = Die()

#掷几次骰子，并将结果存储在一个列表中
results=[]
for roll_num in range(1000):
result=die.roll()
results.append(result)

#分析结果
frequencies=[]
for value in range(1,die.num_sides+1):
frequency=results.count(value)
frequencies.append(frequency)

print(frequencies)

绘制直方图

import pygal
from die import Die

#创建一个D6
die = Die()

#掷几次骰子，并将结果存储在一个列表中
results=[]
for roll_num in range(1000):
result=die.roll()
results.append(result)

#分析结果
frequencies=[]
for value in range(1,die.num_sides+1):
frequency=results.count(value)
frequencies.append(frequency)

#对结果进行可视化
hist=pygal.Bar()

hist.title=“results of rolling one D6 1000 times.”
hist.x_labels=[‘1’,‘2’,‘3’,‘4’,‘5’,‘6’]
hist.x_title=“result”
hist.y_title=“frequency of result”

hist.add(‘D6’,frequencies)
hist.render_to_file(‘die_visual.svg’)

同时掷两个骰子

import pygal

from die import Die

#创建两个D6骰子
die_1=Die()
die_2=Die()

#掷骰子多次，并将结果存储在一个列表中
results=[]
for roll_num in range(1000):
result=die_1.roll()+die_2.roll()
results.append(result)

#分析结果
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides
for value in range(2,max_result+1):
frequency=results.count(value)
frequencies.append(frequency)

#可视化结果
hist=pygal.Bar()

hist.title=“results of rolling two D6 1000 times.”
hist.x_labels=[‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘10’,‘11’,‘12’]
hist.x_title=“result”
hist.y_title=“frequency of result”

hist.add(‘D6+D6’,frequencies)
hist.render_to_file(‘die_visual_2.svg’)

同时掷两个面数不同的骰子

from die import Die

import pygal

#创建一个D6和一个D10
die_1=Die()
die_2=Die(10)

#掷骰子多次，并将结果存储在一个列表中
results=[]
for roll_num in range(50000):
result=die_1.roll()+die_2.roll()
results.append(result)

#分析结果
frequencies=[]
max_result=die_1.num_sides+die_2.num_sides
for value in range(2,max_result+1):
frequency=results.count(value)
frequencies.append(frequency)

#可视化结果
hist=pygal.Bar()

hist.title=“results of rolling D6 and D10 50000 times.”
hist.x_labels=[‘2’,‘3’,‘4’,‘5’,‘6’,‘7’,‘8’,‘9’,‘10’,‘11’,‘12’,‘13’,‘14’,‘15’,‘16’]
hist.x_title=“result”
hist.y_title=“frequency of result”

hist.add(‘D6+D10’,frequencies)
hist.render_to_file(‘die_visual_3.svg’)

第十六章下载数据

16.1CSV文件格式

要在文本文件中存储数据，最简单的方式是将数据作为一系列以逗号分隔的值（CSV）写入文件。

分析CSV文件头

CSV模块包含在Python标准库中，可用于分析从深V文件中的数据行，让我们能够快速提取感兴趣的值。
import csv

filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)
print(header_row)

打印文件头及位置

import csv

filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)
== 对列表调用了enumerate来获取每个元素的索引及其值==
for index,column_header in enumerate(header_row):
print(index,column_header)

提取并读取数据文件

import csv

#从文件中获取最高气温
filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)

highs=[]
for row in reader:
    highs.append(row[1])

print(highs)

绘制气温图表

import csv

from matplotlib import pyplot as plt

#从文件中获取最高气温
filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)

highs=[]
for row in reader:
    highs.append(row[1])

#根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
plt.plot(highs,c=‘red’)

#设置图形格式
plt.title(‘daily high temperatures, july 2014’, fontsize=24)
plt.xlabel(’’,fontsize=16)
plt.ylabel(‘tamperature(F)’,fontsize=16)
plt.tick_params(axis=‘both’,which=‘major’,labelsize=16)

plt.show()

模块datetime

from datetime import datetime
first_date=datetime.strptime(‘2014-7-1’,’%Y-%m-%d’)
print(first_date)

在图表中添加日期

import csv
from datetime import datetime

from matplotlib import pyplot as plt

#从文件中获取最高气温
filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)

dates,highs=[]
for row in reader:
    current_date=datetime.strptime(row[0],'%Y-%m-%d')
    dates.append(current_date)

    high=int(row[1])
    highs.append(high)

#根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
plt.plot(dates,highs,c=‘red’)

#设置图形格式
plt.title(‘daily high temperatures, july 2014’, fontsize=24)
plt.xlabel(’’,fontsize=16)
fig.autofmt_xdate()
plt.ylabel(‘tamperature(F)’,fontsize=16)
plt.tick_params(axis=‘both’,which=‘major’,labelsize=16)

plt.show()

再绘制一个数据系列

import csv
from datetime import datetime

from matplotlib import pyplot as plt

#从文件中获取日期、最低气温、最高气温
filename=‘data/sitka_weather_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)

dates,highs,lows=[],[],[]
for row in reader:
    current_date=datetime.strptime(row[0],'%Y-%m-%d')
    dates.append(current_date)

    high=int(row[1])
    highs.append(high)

    low = int(row[3])
    lows.append(low)

#根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
plt.plot(dates,highs,c=‘red’)
plt.plot(dates,lows,c=‘blue’)

plt.show()

错误检查== ==

import csv
from datetime import datetime

from matplotlib import pyplot as plt

#从文件中获取日期、最低气温、最高气温
filename=‘data/death_valley_2018_simple.csv’
with open(filename) as f:
reader=csv.reader(f)
header_row=next(reader)

dates,highs,lows=[],[],[]
for row in reader:
    current_date=datetime.strptime(row[0],'%Y-%m-%d')
    dates.append(current_date)

    high=int(row[1])
    highs.append(high)

    low = int(row[3])
    lows.append(low)

#根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
plt.plot(dates,highs,c=‘red’)
plt.plot(dates,lows,c=‘blue’)

plt.show()

16.2制作世界人口地图：JSON格式

第十七章使用API

编写一个独立的程序，并对其获取的数据进行可视化，这个程序将使用Web应用编程接口（API）自动请求网站特定信息而不是整个网页，再对这些信息进行可视化。

17.1 使用Web API

Web API是网站的一部分，用于与使用非常具体的URL请求特定信息的程序交互，这种请求称为API调用。
请求的数据以易于处理的格式（如JSON或CSV）返回。
依赖于外部数据源的大多数应用程序都依赖于API调用，如集成社交媒体网站的应用程序。

Git和GitHub

使用API调用请求数据

安装requiests

处理API响应

import requests

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()

#处理结果
print(response_dict.keys())

处理响应字典

import requests

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()
print(“tatal repositories:” , response_dict[‘total_count’])

#探索有关仓库的信息
repo_dicts=response_dict[‘items’]
print(“repositories returned:”, len(repo_dicts))

#研究第一个仓库
repo_dict=repo_dicts[0]
print("\nkeys:",len(repo_dict))
for key in sorted(repo_dict.keys()):
print(key)

17.2使用pygal可视化仓库

import requests
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()
print(“tatal repositories:” , response_dict[‘total_count’])

#研究有关仓库的信息
repo_dicts=response_dict[‘items’]

names,stars=[],[]
for repo_dict in repo_dicts:
names.append(repo_dict[‘name’])
stars.append(repo_dict[‘stargazers_count’])

#可视化
my_style=LS(’#333366’,base_style=LCS)
chart=pygal.Bar(style=my_style,x_label_rotation=45,show_legend=False)
chart.title=‘most_starred python projects on github’
chart.x_labels=names

chart.add(’’,stars)
chart.render_to_file(‘python_repos.svg’)

改进pygal图表

import requests
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()
print(“tatal repositories:” , response_dict[‘total_count’])

#研究有关仓库的信息
repo_dicts=response_dict[‘items’]

names,stars=[],[]
for repo_dict in repo_dicts:
names.append(repo_dict[‘name’])
stars.append(repo_dict[‘stargazers_count’])

#可视化
my_style=LS(’#333366’,base_style=LCS)

my_config=pygal.Config()
my_config.x_label_rotation=45
my_config.show_legend=False
my_config.title_font_size=24
my_config.label_font_size=14
my_config.major_label_font_size=18
my_config.truncate_label=15
my_config.show_y_guides=False
my_config.width=1000

chart=pygal.Bar(style=my_style,x_label_rotation=45,show_legend=False)
chart.title=‘most_starred python projects on github’
chart.x_labels=names

chart.add(’’,stars)
chart.render_to_file(‘python_repos_1.svg’)

添加自定义工具提示

在pygal中，将鼠标指向条形将显示它表示的信息，称为工具提示。
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS

my_style=LS(’#333366’,base_style=LCS)
chart=pygal.Bar(style=my_style,x_label_rotation=45,show_legend=False)

chart.title=‘python projects’
chart.x_labels=[‘httpie’,‘django’,‘flask’]

plot_dicts=[
{‘value’:16101,‘label’:‘description of httpie.’},
{‘value’:15028,‘label’:‘description of django.’},
{‘value’:14798,‘label’:‘description of flask.’}
]

chart.add(’’,plot_dicts)
chart.render_to_file(‘bar_descriptions.svg’)

根据数据绘图

import requests
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()
print(“tatal repositories:” , response_dict[‘total_count’])

#研究有关仓库的信息
repo_dicts=response_dict[‘items’]
print(‘number of items:’,len(repo_dicts))

names,plot_dicts=[],[]
for repo_dict in repo_dicts:
names.append(repo_dict[‘name’])

plot_dict={
    'value':repo_dict['stargazers_count'],
    'label':repo_dict['description'],
    }
plot_dicts.append(plot_dict)

#可视化
my_style=LS(’#333366’,base_style=LCS)

chart=pygal.Bar(style=my_style,x_label_rotation=45,show_legend=False)
chart.title=‘most_starred python projects on github’
chart.x_labels=names

chart.add(’’,plot_dicts)
chart.render_to_file(‘python_repos_2.svg’)

在图表中添加可单击的链接

pygal允许将图表中的每个条形用作网站的链接
import requests
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS

#执行PAI调用并存储响应
url=‘https://api.github.com/search/repositories?q=language:python&sort=stars’
r=requests.get(url)
print(“status code:”,r.status_code)

#将API响应存储在一个变量中
response_dict=r.json()
print(“tatal repositories:” , response_dict[‘total_count’])

#研究有关仓库的信息
repo_dicts=response_dict[‘items’]
print(‘number of items:’,len(repo_dicts))

names,plot_dicts=[],[]
for repo_dict in repo_dicts:
names.append(repo_dict[‘name’])

plot_dict={
    'value':repo_dict['stargazers_count'],
    'label':repo_dict['description'],
    'xlink':repo_dict['html_url'],
    }                                                                                               ==  pygal根据与键‘XLink’相关联的URL将每个条形都转换为活跃的链接==
plot_dicts.append(plot_dict)

#可视化
my_style=LS(’#333366’,base_style=LCS)

chart=pygal.Bar(style=my_style,x_label_rotation=45,show_legend=False)
chart.title=‘most_starred python projects on github’
chart.x_labels=names

chart.add(’’,plot_dicts)
chart.render_to_file(‘python_repos_3.svg’)

第十八章 Django入门

Django是一个web框架——一套用于开发交互式网站的工具‘它能够响应网页的请求，还能让你更轻松的读写数据库、管理用户等。

18.1 建立项目

建立项目时，首先需要以规范的方式对项目进行描述，再建立虚拟环境，以便在其中创建项目。

制定规范

完整的规范详细说明了项目的目标，阐述了项目的功能，并讨论了项目的外观和用户界面。

建立虚拟环境

虚拟环境是系统的一个位置，可以在其中安装包，并将其与其他Python包隔离。

Python：从入门到实践（下）

目录

第十五章 生成数据

自动计算数据

15.3随机漫步

创建RandomWalk（）类

选择方向

绘制随机漫步图

模拟多次随机漫步

设置随机漫步图的样式

给点着色

重新绘制起点和终点

隐藏坐标轴

增加点数

调整尺寸以适合屏幕

15.4使用pygal模拟掷骰子

创建Die类

掷骰子

分析结果

绘制直方图

同时掷两个骰子

同时掷两个面数不同的骰子

第十六章 下载数据

16.1CSV文件格式

分析CSV文件头

打印文件头及位置

提取并读取数据文件

绘制气温图表

模块datetime

在图表中添加日期

再绘制一个数据系列

错误检查== ==

16.2制作世界人口地图：JSON格式

第十七章使用API

17.1 使用Web API

Git和GitHub

使用API调用请求数据

安装requiests

处理API响应

处理响应字典

17.2使用pygal可视化仓库

改进pygal图表

添加自定义工具提示

根据数据绘图

在图表中添加可单击的链接

第十八章 Django入门

18.1 建立项目

制定规范

建立虚拟环境

猜你喜欢

第十五章生成数据

第十六章下载数据