今天，我将继续昨天对世界人口地图的制作：
4.2.5 在世界地图上呈现数字数据：
为练习在地图上呈现数字数据，我们来创建一幅地图，显示三个北美国家的人口数量：
import pygal_maps_world.maps
wm = pygal_maps_world.maps.World()
wm.title = 'Population of Countries in North America'
wm.add('North America', {'ca':34126000, 'us':309349000, 'mx':113423000})
wm.render_to_file('na_population.svg')
首先，创建了一个Worldmap 实例并设置了标题。接下来，使用了方法add() ，但这次通过第二个实参传递了一个字典而不是列表（见第5行）。这个字典将两个字母的Pygal国别码作为键，将人口数量作为值。Pygal根据这些数字自动给不同国家着以深浅不一的颜色：
4.2.6 绘制完整的世界人口地图：
要呈现其他国家的人口数量，需要将前面处理的数据转换为Pygal要求的字典格式：键为两个字母的国别码，值为人口数量。为此，在world_population.py中添加如下代码：
import json
import pygal_maps_world.maps
from country_codes import get_country_code
# Load data into a list
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# Print the population of each country in 2010a
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country)
if code:
cc_populations[code] = population
wm = pygal_maps_world.maps.World()
wm.title = 'World population in 2010, by Country'
wm.add('2010', cc_populations)
wm.render_to_file('world_population.svg')
我们首先导入了pygal_maps_world.maps 。在第13行处，我们创建了一个空字典，用于以Pygal要求的格式存储国别码和人口数量。在第20行处，如果返回了国别码，就将国别码和人口数量分别作为键和值填充字典cc_populations 。我们还删除了所有的print 语句。 在第22行处，我们创建了一个实例，并设置其title 属性。在第24行处，我们调用了add() ，并向它传递由国别码和人口数量组成的字典。下图显示了生成的地图：
4.2.7 根据人口数量将国家分组：
印度和中国的人口比其他国家多得多，但在当前的地图中，它们的颜色与其他国家差别较小。中国和印度的人口都超过了10亿，接下来人口最多的国家是美国，但只有大约3亿。 下面不将所有国家都作为一个编组，而是根据人口数量分成三组——少于1000万的、介于1000万和10亿之间的以及超过10亿的：
import json
import pygal_maps_world.maps
from country_codes import get_country_code
# Load data into a list
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# Print the population of each country in 2010a
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country)
if code:
cc_populations[code] = population
# All countries are divided into three groups according to the population size
cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
for cc, pop in cc_populations.items():
if pop < 10000000:
cc_pops_1[cc] = pop
elif pop < 1000000000:
cc_pops_2[cc] = pop
else:
cc_pops_3[cc] = pop
# see how many countries each group contains
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm = pygal_maps_world.maps.World()
wm.title = 'World population in 2010, by Country'
wm.add('0-10m', cc_pops_1)
wm.add('10m-1bn', cc_pops_2)
wm.add('>1bn', cc_pops_3)
wm.render_to_file('world_population.svg')
为将国家分组，我们创建了三个空字典（见第23行）。接下来，遍历cc_populations ，检查每个国家的人口数量（见第24行）。if-elif-else 代码块将每个国别码-人口数量对加入到合适的字典（cc_pops_1 、cc_pops_2 或cc_pops_3 ）中。 在第33行处，我们打印这些字典的长度，以获悉每个分组的规模。绘制地图时，我们将全部三个分组都添加到wm中。
上述输出表明，人口少于1000万的国家有85个，人口介于1000万和10亿之间的国家有69个，还有两个国家比较特殊，其人口都超过了10亿。这样的分组看起来足够了，让地图包含丰富的信息。下图显示了生成的地图：
现在使用了三种不同的颜色，让我们能够看出人口数量上的差别。在每组中，各个国家都按人口从少到多着以从浅到深的颜色。
4.2.8 使用Pygal设置地图的样式：
在这个地图中，根据人口将国家分组虽然很有效，但默认的颜色设置很难看。例如，在这里，Pygal选择了鲜艳的粉色和绿色基色。下面使用Pygal样式设置指令来调整颜色。 我们也让Pygal使用一种基色，但将指定该基色，并让三个分组的颜色差别更大：
import json
import pygal_maps_world.maps
from pygal.style import RotateStyle
from country_codes import get_country_code
# Load data into a list
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# Print the population of each country in 2010a
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country)
if code:
cc_populations[code] = population
# All countries are divided into three groups according to the population size
cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
for cc, pop in cc_populations.items():
if pop < 10000000:
cc_pops_1[cc] = pop
elif pop < 1000000000:
cc_pops_2[cc] = pop
else:
cc_pops_3[cc] = pop
# see how many countries each group contains
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm_style = RotateStyle('#336699')
wm = pygal_maps_world.maps.World(style=wm_style)
wm.title = 'World population in 2010, by Country'
wm.add('0-10m', cc_pops_1)
wm.add('10m-1bn', cc_pops_2)
wm.add('>1bn', cc_pops_3)
wm.render_to_file('world_population.svg')
Pygal样式存储在模块style 中，我们从这个模块中导入了样式RotateStyle （见第5行）。创建这个类的实例时，需要提供一个实参——十六进制的RGB颜色（见第36行）；Pygal将根据指定的颜色为每组选择颜色。这里使用的颜色值（#336699）混合了少量的红色（33）、多一些的绿色（66）和更多一些的蓝色（99），它为RotateStyle 提供了一种淡紫色基色。 RotateStyle 返回一个样式对象，我们将其存储在wm_style 中。为使用这个样式对象，我们在创建wm 实例时以关键字实参的方式传递它（见第37行）。前面的样式设置让地图的颜色更一致，也更容易区分不同的编组。更新后的地图如下图所示：
4.2.9 加亮颜色主题：
Pygal通常默认使用较暗的颜色主题。为方便印刷，我使用LightColorizedStyle 加亮了地图的颜色。这个类修改整个图表的主题，包括背景色、标签以及各个国家的颜色：
import json
import pygal_maps_world.maps
from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS
from country_codes import get_country_code
# Load data into a list
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# Print the population of each country in 2010a
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country)
if code:
cc_populations[code] = population
# All countries are divided into three groups according to the population size
cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
for cc, pop in cc_populations.items():
if pop < 10000000:
cc_pops_1[cc] = pop
elif pop < 1000000000:
cc_pops_2[cc] = pop
else:
cc_pops_3[cc] = pop
# see how many countries each group contains
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm_style = RS('#336699', base_style=LCS)
wm = pygal_maps_world.maps.World(style=wm_style)
wm.title = 'World population in 2010, by Country'
wm.add('0-10m', cc_pops_1)
wm.add('10m-1bn', cc_pops_2)
wm.add('>1bn', cc_pops_3)
wm.render_to_file('world_population.svg')
通过使用几个样式设置指令，就能很好地控制图表和地图的外观。
3307
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
