字典在转化为其他类型时,会出现是否舍弃value的操作,只有在转化为字符串的时候才不会舍弃value
注释的快捷键是ctrl+/
字符串无法与整数,浮点数,等用加号完成拼接
5不入???
还有一种格式化的方法
不限制类型,不做精度的控制
type()
判断的条件应是bool类型
仅仅是空格则不行
想要规范一些,就要遵循一些格式
必须在赋值之前声明为全局变量
del仅仅完成删除的操作
像append,extend都是不可以用的,因为元组不可以修改
传入的’12‘会被划分为两个小字符串’1‘’2‘
集合没有下表索引,故.pop不能指定下标来进行取出,而列表可以
集合不支持下标索引
字典不允许Key 的重复
list,tuple,setstring是没有办法去转化成字典的,但字典是可以转换成别的容器的,转换成字符串字典不会丢失value,转换成其他类型,字典会丢失value
容器的通用排序功能
排序的结果会变成列表对象
python函数进阶
(1)函数的多返回值
(3)匿名函数
2.函数的多种传参方式
(1)掌握位置参数
(2)关键字参数
(3)不定长参数
(4)缺省参数
位置参数与其他传参进行混用时,需要写在最前面,不然就会出现语法错误
默认参数必须定义在最后面
位置传递
kw指keyword
匿名函数
1.函数作为参数传递
实际上传入的是代码的执行逻辑
2.lambda匿名函数
默认直接return ,不用写return语句
并且没有办法进行回车换行写多行
python文件操作
了解编码
了解文件的操作
encoding参数在函数定义中并不是第3位,所以要使用关键字传参
f是对文本文件进行操作功能的对象
w:覆盖写入
read()得到的类型是字符串
这里的strip是为了去除换行符
文件的追加操作
应先换行再进行追加
文件操作案例:实现文件的备份操作
Python异常,模块与包
except(),这个括号是元组
所以的异常都是基于这个顶级的异常Exception
当捕获Exception时,所有的异常都可以捕获到
finally和exception都是可选的
异常的传递
故捕获异常时并不需要从真正出现异常的那一行开始捕获
python模块
模块的导入
[ ]表示的都是可选的意思
例:from time import *相较于直接import time的不同在于
前者可以直接使用内部的函数sleep(),而后者需要time.sleep()
“.”是用于确定层级关系的
给导入的功能设置一个别名
自定义模块
模块名要符合标识符的命名规则
这种定义函数的写法应再了解一下
右键run 的时候内置函数__name__就会被标记为__main__,故if语句成立,执行
python文件都存在__name__的这个内置变量
当以from的模块导入运行的时候,模块内部的__name__不会被标记为__main__
上图在主函数只能够使用test_A(),而不能使用test_B(),__all__指向列表
但可以自行导入未包含在__all__内的函数,
但是__all__不会限制你直接导,from my_module import pr1,就可以使用pr1
python包
(1)自定义包
(2)如何安装第三方包
只有__init__.py文件存在于文件夹当中,那么这个文件夹就是python包,否则就是一个普通的文件夹
可以直接深入到对应的模块函数
安装第三方包
json数据格式
什么是json
如何使用json进行数据转化
json如果是列表的话,要求其元素一定是字典
如果为true,中文就会转化为unicode字符了
pyecharts模块介绍
https://05x-docs.pyecharts.org/#/zh-cn/
https://gallery.pyecharts.org/#/README
pyecharts快速入门
构建一个基础的折线图
使用全局配置项设置属性
构建基础的折线图
使用全局配置项设置属性
数据处理
通过json模块对数据进行处理
import json
f_us = open("D:/美国.txt","r",encoding="UTF-8")
f_us_data = f_us.read()#读取数据成字符串
f_us_data = f_us_data.replace("jsonp_1629344292311_69436(","")#删除开头不需要的部分
f_us_data = f_us_data[:-2]#删除结尾的部分
f_us_dict = json.loads(f_us_data)#转换为字典
trend_data = f_us_dict["data"][0]["trend"]#将范围缩小到“trend”
x_data = trend_data["updateDate"][:314]#拿到日期数据
y_data = trend_data["list"][0]["data"][:314]#拿到“确诊”数据
创建折线图
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts
f_us = open("D:/美国.txt","r",encoding="UTF-8")
f_jp = open("D:/日本.txt","r",encoding="UTF-8")
f_in = open("D:/印度.txt","r",encoding="UTF-8")
f_us_data = f_us.read()#读取数据成字符串
f_jp_data = f_jp.read()
f_in_data = f_in.read()
f_us_data = f_us_data.replace("jsonp_1629344292311_69436(","")#删除开头不需要的部分
f_jp_data = f_jp_data.replace("jsonp_1629350871167_29498(","")
f_in_data = f_in_data.replace("jsonp_1629350745930_63180(","")
f_us_data = f_us_data[:-2]#删除结尾的部分
f_jp_data = f_jp_data[:-2]
f_in_data = f_in_data[:-2]
f_us_dict = json.loads(f_us_data)#转换为字典
f_jp_dict = json.loads(f_jp_data)
f_in_dict = json.loads(f_in_data)
us_trend_data = f_us_dict["data"][0]["trend"]#将范围缩小到“trend”key
jp_trend_data = f_jp_dict["data"][0]["trend"]
in_trend_data = f_in_dict["data"][0]["trend"]
us_x_data = us_trend_data["updateDate"][:314]#拿到日期数据,并取到2020年的12月31号
jp_x_data = jp_trend_data["updateDate"][:314]
in_x_data = in_trend_data["updateDate"][:314]
us_y_data = us_trend_data["list"][0]["data"][:314]#拿到“确诊”数据
jp_y_data = jp_trend_data["list"][0]["data"][:314]
in_y_data = in_trend_data["list"][0]["data"][:314]
line = Line()
line.add_xaxis(us_x_data)
line.add_yaxis("美国确诊人数",us_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("日本确诊人数",jp_y_data,label_opts=LabelOpts(is_show=False))
line.add_yaxis("印度确诊人数",in_y_data,label_opts=LabelOpts(is_show=False))
line.set_global_opts(
title_opts=TitleOpts(title="2020年美印日三国的确诊人数对比折线图",pos_left="center",pos_bottom="1%")#设置标题居中朝下
)
line.render()#生成图表
f_us.close()
f_in.close()
f_jp.close()
地图可视化
基础地图使用
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map = Map()
data = [
('北京市', 99),
('上海市', 199),
('重庆市', 200),
('四川省', 399),
('广东省', 499)
]
map.add("地图",data,"china")#添加数据
#设置全局选项
map.set_global_opts(
visualmap_opts=VisualMapOpts(
is_show=True,
is_piecewise=True,
pieces=[
{"min":1,"max":9,"label":"1-9","color":"#CCFFFF"},
{"min":10,"max":99,"label":"10-99","color":"#FF6666"},
{"min":100,"max":500,"label":"100-500","color":"#990033"}
]
)
)
map.render()#生成地图数据
疫情地图-国内疫情地图
import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts
map = Map()
f = open("D:/疫情.txt","r",encoding="UTF-8")
data_str = f.read()#读取全部数据
f.close()
data_dict = json.loads(data_str)#将json转化为字典
province_list = data_dict["areaTree"][0]["children"]#将每个省的数据都封装入列表中
data_list = []#设定数据列表
for province_data in province_list:
province_name = province_data["name"]#省份名称
province_confrm = province_data["total"]["confirm"]#每个省份的确诊人数
data_list.append((province_name,province_confrm))#将数据压入到数据列表中
print(data_list)
map.add("地图",data_list,"china")#添加数据
#设置全局选项
#注意现在的pyechats显示地图数据需要写省份的全名,不然不会显示数据,这里由于省份数量过多,就不进行添加了
map.set_global_opts(
visualmap_opts=VisualMapOpts(
is_show=True,
is_piecewise=True,
pieces=[
{"min":1,"max":9,"label":"1-9","color":"#CCFFFF"},
{"min":100,"max":999,"label":"100-999","color":"#FFFF99"},
{"min":1000,"max":4999,"label":"1000-4999","color":"#FF9966"},
{"min":5000,"max":9999,"label":"5000-9999","color":"#FF6666"},
{"min":10000,"max":99999,"label":"10000-99999","color":"#CC3333"},
{"min":100000,"label":"100000+","color":"#990033"}
]
)
)
map.render("全国疫情地图数据.html")#生成地图数据
疫情地图-省级疫情地图
import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts,TitleOpts
f = open("D:/疫情.txt","r",encoding = "UTF-8")
data = f.read()
data_dict = json.loads(data)
henan_data = data_dict["areaTree"][0]["children"][3]["children"]
area_list = []
area_list.append(("济源市",5))
for area_data in henan_data:
area_name = area_data["name"]+"市"
area_confirm = area_data["total"]["confirm"]
area_list.append((area_name,area_confirm))
map = Map()
map.add("河南",area_list,"河南")
map.set_global_opts(
title_opts=TitleOpts(title="河南省疫情地图",pos_bottom="1%",pos_left="center"),
visualmap_opts=VisualMapOpts(
is_show=True,
is_piecewise=True,
pieces=[
{"min":1,"max":99,"label":"1-99","color":"#CCFFFF"},
{"min":100,"max":999,"label":"100-999","color":"#FFFF99"},
{"min":1000,"max":4999,"label":"1000-4999","color":"#FF9966"},
{"min":5000,"max":9999,"label":"5000-9999","color":"#FF6666"},
{"min":10000,"max":99999,"label":"10000-99999","color":"#CC3333"},
{"min":100000,"label":"100000+","color":"#990033"}
]
)
)
map.render("河南省疫情分布图.html")
动态柱状图
基础柱状图
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
bar = Bar()
bar.add_xaxis(["Akebi","Komichi","Hobert"])
bar.add_yaxis("age",[15,15,19],label_opts=LabelOpts(position = "right"))#将Y轴的数据标签显示在最右侧
bar.reversal_axis()#反转XY轴,从左往右显示
bar.render()
基础时间线柱状图
基础时间线配置动态图表
主题更改颜色样式
GDP动态柱状图
面向对象,简单来说,就是让对象按命令去干活
other 表示的是另一个用于比较的对象
lt不支持小于等于和大于等于
将现实世界的事物封装到了程序的内部
私有成员可以通过运行其他成员而执行
pass关键字用于补全语法
在子类调用父类的成员
self相当于C++中的this指针
super其实是指父类的意思
运用场景:
父类拥有部分功能,子类在父类的基础上拓展了相应的功能,但要沿用父类的一些功能可以直接调用父类成员,不用重写
alt+回车=导入函数包
json.loads可以将字符串格式转变为字典格式
注解写错并不会产生运行的问题