python的学习day_05

目录

yecharts的入门和使用

构建一个折线图:

代码:

运行的结果:

设置全局配置项:

代码:

运行的结果:

小结:

JSON ：

JSON 数据的示例：

随机生成JSON数据:

地图可视化

VisualMapOpts常见的属性：

代码：

运行的效果:

省份的地图可视化

代码：

运行的结果:

基础动态柱图：

代码：

运行结果:

小结：​编辑

 时间线柱状图的绘制:

时间线:

代码:

运行的结果:

​编辑

列表的自定义排序方式:

代码:

运行的结果:

 动态GDP柱状图

数据是:

代码：

运行结果:

代码分析:

面对对象：

初识对象:

设计类:(class)

创建对象:

对象属性赋值:

类的定义和使用:

成员方法的定义语法：

代码:

构造方法:

代码演示:

运行结果:

 其他内置方法:

__str__ 字符串方法:

代码:

运行结果:

__lt__ 小于符号的比较方法

代码演示:

运行结果:

__le__小于等于比较符号方法:

代码:

运行结果:

__eq__ 相等方法:

代码：

小结：​编辑

封装：

私有成员:

报错的私有变量代码:

报错的原因分析:

改正后的代码：

报错的私有成员方法：

运行结果:

报错的代码分析:

改正后的代码：

---

yecharts的入门和使用

构建一个折线图:

• 得到折线图的对象 line = Line()
• 向x轴添加数据 line.add_xaxis()
• 向y轴添加数据 line.add_yaxis()
• 生成图表 line.render()

代码:

# 导包 导入Line功能构建折现图像
from pyecharts.charts import Line

# 得到折线图对象
line = Line()

# 添加x轴数据
line.add_xaxis(["中国", "美国", "英国"])

# 添加y轴数据
line.add_yaxis("GDP", [30, 20, 10])

# 生成图表
line.render()

运行的结果:

生成了一个html的文件 

设置全局配置项:

代码:

# 导包 导入Line功能构建折现图像
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts, VisualMapOpts

# 得到折线图对象
line = Line()

# 添加x轴数据
line.add_xaxis(["中国", "美国", "英国"])

# 添加y轴数据
line.add_yaxis("GDP", [30, 20, 50])

# 设置全局配置项
line.set_global_opts(
    title_opts=TitleOpts(title="GDP展示", pos_left="center", pos_bottom="1%"),
    legend_opts=LegendOpts(is_show=True),  # 注意带逗号
    toolbox_opts=ToolboxOpts(is_show=True),
    visualmap_opts=VisualMapOpts(is_show=True)
)

# 生成图标
line.render()

运行的结果:

小结:

JSON ：

JSON（JavaScript Object Notation）是一种常用的轻量级数据交换格式，具有易读、易解析、占用空间小等优点。它基于 JavaScript 语言的一个子集，但可以被多种不同编程语言解析和生成。

JSON 数据由键值对构成，形式类似于 Python 中的字典或者 Java 中的 Map。它的基本语法规则如下：

• 键名必须用双引号包裹，键值可以是布尔值、数字、字符串、数组、对象或者 null。
• 键值对之间使用英文逗号 , 分隔，键值对以花括号 {} 包围，表示一个对象。
• 数组是一组由逗号分隔的值，用方括号 [] 包围。数组可以包含对象和其他数组。
• JSON 中的字符串必须用双引号 "" 包裹。

JSON 数据的示例：

{
  "name": "Tom",
  "age": 20,
  "isStudent": true,
  "grades": [80, 90, 85],
  "address": {
    "city": "Beijing",
    "street": "Xinjiekou"
  },
  "hobbies": ["reading", "music", "coding"]
}

随机生成JSON数据:

import json
import random
import calendar
from datetime import datetime

# 生成虚构的人工智能数据
ai_data = {
    "中国": {
        "投资": {},
        "就业人数": {}
    },
    "美国": {
        "投资": {},
        "就业人数": {}
    },
    "印度": {
        "投资": {},
        "就业人数": {}
    }
}

for country in ai_data:
    for year in range(2019, 2022):
        ai_data[country]["投资"][year] = {}
        ai_data[country]["就业人数"][year] = {}
        for month in range(1, 13):
            days_in_month = calendar.monthrange(year, month)[1]
            month_name = datetime(year, month, 1).strftime('%B')
            ai_data[country]["投资"][year][month_name] = random.randint(1000000, 3000000) * days_in_month
            ai_data[country]["就业人数"][year][month_name] = random.randint(50000, 200000) * days_in_month

# 将数据保存为JSON文件
filename = 'D:\\杂论\\人工智能数据.txt'
with open(filename, 'w', encoding="UTF-8") as f:
    json.dump(ai_data, f, ensure_ascii=False, indent=4)

print(f"生成的JSON文件已保存为 {filename}")

地图可视化

• 用的是Map()
• 用中国的地图是:map.add('地图', data, "china") 
• 用河南省的地图是 map.add('地图', data, "河南")
• set_global_opts 是 Pyecharts 中的一个方法，用于设置全局配置选项（Global Options）。 
• VisualMapOpts 是 Pyecharts 中的一个类，用于设置图表中的视觉映射（Visual Map）选项。 

VisualMapOpts常见的属性：

• type_：设置视觉映射的类型，可选值为 "continuous"（连续型）或 "piecewise"（分段型）。
• min_ 和 max_：设置连续型视觉映射的最小值和最大值。
• range_color：设置连续型视觉映射的颜色范围，可以定义一个颜色渐变过程。
• split_number：设置分段型视觉映射的段数。
• pieces：设置分段型视觉映射的每个段的范围和样式。
• is_piecewise：是否开启分段型视觉映射。
• orient：设置视觉映射的方向，可选值为 "horizontal"（水平）或 "vertical"（垂直）。
• pos_left、pos_top、pos_right、pos_bottom：通过调整百分比来设置视觉映射的位置。
• textstyle_opts：设置文字标签的样式。
• formatter：自定义视觉映射的文本格式化函数。

代码：

map.render("生成后的名字")

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

map = Map()

data = [  # 列表里面嵌套的是 元组
    ("北京市", 222),
    ('上海市', 119),
    ('天津市', 219),
    ('河南省', 223),
    ("广东省", 431)
]

map.add('地图', data, "china")

map.set_global_opts(
    visualmap_opts=VisualMapOpts(
        is_show=True,
        max_=500,  # 设置最大值
        min_=100,  # 设置最小值
        range_color=['#FF4500', '#FFFF00', '#7FFF00']  # 设置颜色范围
    )
)

map.render("map.html")

运行的效果:

省份的地图可视化

只不过在地图add的时候 第三个参数由china改为了省份

代码：

from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

map = Map()

data = [  # 列表里面嵌套的是 元组
    ("周口市", 222),
    ('信阳市', 119),
    ('驻马店市', 219),
    ('信阳市', 223),
    ("开封市", 431)
]

map.add('河南省的人工智能投资', data, "河南")

map.render("河南省的人工智能投资.html")

运行的结果:

基础动态柱图：

• 构建柱状图对象 bar = Bar()
• 添加x轴数据 和之前是一样的 bar.add_xaxis()
• 反转xy轴 bar.reversal_axis()
• 绘图 bar.render("生成文件的名字")

代码：

from pyecharts.charts import Bar  # 通过Bar构建基础柱状图
from pyecharts.options import *

# 构建柱状图对象
bar = Bar()


# 添加x轴数据
bar.add_xaxis(["中国", "美国", "英国"])
# 添加y轴数据
bar.add_yaxis("GDP", [30, 20, 10], label_opts=LabelOpts(position="right"))  # 数值标签添加到右边

# 反转xy轴
bar.reversal_axis()

# 绘图
bar.render("基础柱状图.html")

运行结果:

小结：

 时间线柱状图的绘制:

时间线:

• 创建时间对象 timeline = Timeline()
• 还可以设置主题,在创建时间对象的括号里面 加上 {"theme": ThemeType.你喜欢的背景} 
• timeline对象添加bar柱状图 timeline.add(bar1, "这一页你起的名字")

代码:

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

bar1 = Bar()
bar1.add_xaxis(["中国", "美国", "英国", "意大利"])
bar1.add_yaxis("GDP", [30, 20, 10, 12], label_opts=LabelOpts(position="right"))
bar1.reversal_axis()

bar2 = Bar()
bar2.add_xaxis(["中国", "美国", "英国", "意大利"])
bar2.add_yaxis("GDP", [50, 30, 10, 40], label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

#  创建时间线对象
timeline = Timeline(
    # 设置主题的颜色
    {"theme": ThemeType.LIGHT}
)

# timeline对象添加bar柱状图
timeline.add(bar1, "2021年GDP")
timeline.add(bar2, "2022年GDP")

# 自动播放设置
timeline.add_schema(
    play_interval=1000,  # 播放的次数1秒1次
    is_timeline_show=True,
    is_auto_play=True,  # 自动播放
    is_loop_play=True   # 循环播放
)
# 主题设置
# 通过时间线绘图
timeline.render("基础柱状图-时间线.html")

运行的结果:

列表的自定义排序方式:

list要是里面嵌套这list想去按照自定义的形式进行排序 怎么办?

• list.sort(key=你指定的方法, 是否翻转)
• def my_sor(t):  return t[你按照什么排序]

代码:

my_list = [["a", 33], ["b", 55], ["c", 11]]


# 定义排序方法
def choose_sort_key(element):
    return element[1]


my_list.sort(key=choose_sort_key, reverse=True)
# 或者 改为lambda
my_list.sort(key=lambda element: element[1], reverse=True)  # 按照第二个值进行从小到大排序
print(my_list)

运行的结果:

 动态GDP柱状图

我随机生成的2016到2022年10个国家的GDP 放在了D盘杂论里面

数据是:

{
    "CountryA": [
        2789.19,
        3604.43,
        3053.54,
        2769.93,
        2175.91,
        3264.88,
        2244.18
    ],
    "CountryB": [
        4469.69,
        4821.95,
        1978.86,
        3979.45,
        2691.59,
        2883.42,
        4635.42
    ],
    "CountryC": [
        448.08,
        526.93,
        199.07,
        4179.84,
        3912.97,
        4363.06,
        4895.23
    ],
    "CountryD": [
        4015.88,
        2361.25,
        3924.59,
        679.54,
        3235.61,
        802.43,
        4728.88
    ],
    "CountryE": [
        2657.06,
        2131.84,
        1396.32,
        3893.75,
        2335.14,
        2885.33,
        192.07
    ],
    "CountryF": [
        3126.41,
        3099.27,
        3122.98,
        4724.37,
        3440.92,
        1861.59,
        2241.46
    ],
    "CountryG": [
        3518.39,
        395.1,
        3367.16,
        3386.13,
        1130.87,
        731.74,
        1645.6
    ],
    "CountryH": [
        1882.18,
        2893.96,
        2249.15,
        4943.03,
        600.02,
        1123.5,
        890.42
    ],
    "CountryI": [
        3300.23,
        1341.13,
        2384.92,
        1297.69,
        878.95,
        640.84,
        3316.01
    ],
    "CountryJ": [
        777.1,
        1063.25,
        1906.75,
        4122.87,
        575.8,
        4205.93,
        570.88
    ]
}

代码：

import json
from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 读取文件并解析JSON数据
with open("D:\\杂论\\GDP.txt", "r", encoding="UTF-8") as file:
    data_dict = json.load(file)

my_dict = {}

for country in data_dict:
    for year in range(2016, 2023, 1):
        gdp = data_dict[country][year - 2016]
        try:
            my_dict[year].append([country, gdp])
        except KeyError:
            my_dict[year] = []
            my_dict[year].append([country, gdp])

for year in my_dict:
    my_dict[year].sort(key=lambda t: t[1], reverse=False)  # 按照从大到小的形式

timeline = Timeline({"theme": ThemeType.LIGHT})

for year in range(2016, 2022):
    bar = Bar()
    c1 = []
    t1 = []

    for country in my_dict[year]:
        c1.append(country[0])
        t1.append(country[1])

    bar.add_xaxis(c1)
    bar.add_yaxis("GDP", t1, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()  # 反转x轴和y轴
    # timeline对象添加bar柱状图
    # 设置每一年bar的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前10GDP")
    )
    timeline.add(bar, f"{year}年GDP")

timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=True
)

# 主题设置
# 通过时间线绘图
timeline.render("my_GDP.html")

运行结果:

代码分析:

• json.load(file)函数会从给定的文件对象中读取全部内容，并将其解析为一个JSON数据结构。它会将文件的所有内容作为一个整体进行解析，因此需要确保被读取的文件内容是符合JSON格式的。
• 定义一个字典 my_dict 方便后面用
• 第一层for循环 是得到的是key也就是全部的国家了 gdp的获取就是data_dict[country][year - 2016] 
• 为什么用try和except呢？因为我不知道当前这个year我是否已经存在在字典里面了，要是存在的话，直接就append([country, gdp]),不存在的话就创建一个字典，也就是my_dict[year] = []
• 给每个bar设置标题 bar.set_global_opts(title_opts=TitleOpts(title=f"{year}"年全球前10GDP))
• 按照gdp进行从大到小排序 对每一年的都进行排序，也就是for year in my_dict: my_dict[year].sort(key=lambda t: t[1], reverse=False), 注意key别忘写了
• 然后创建多个Bar() 利用循环去创建, 把这些bar放到timeline里面

面对对象：

初识对象:

设计类:(class)

class Student:
    name = None

创建对象:

stu_1 = Student()
stu_2 = Student()

对象属性赋值:

stu_1.name = "Find"
stu_2.name = "You."

类的定义和使用:

成员方法的定义语法：

代码:

class Student:
    name = None
    age = None

    def say_hi(self):
        print(f"大家好, 我叫{self.name}")


stu_1 = Student()
stu_1.name = "FindYou."
stu_1.say_hi()

self关键字，尽管在参数列表中，但是传参的时候可以忽略它，完全不用理会 

构造方法:

__init__() 前后都是两个下划线

代码演示:

self.name = name 既有定义的功能也有赋值的功能，因此 name = None等可以省略

class Student:
    name = None  # 可以省略
    age = None
    gender = None

    def __init__(self, name, age, gender):
        self.name = name
        self.age = age
        self.gender = gender

    def Print(self):
        print(f"姓名: {self.name}, 年龄: {self.age}, 性别: {self.gender}")


stu1 = Student("FindYou.", 20, "男")
stu1.Print()

运行结果:

 其他内置方法:

__str__ 字符串方法:

通过__str__方法，记得要 return 控制类转换为字符串的行为，类似于java里面的toString()

当使用print()函数打印一个对象时，实际上是调用了这个对象的__str__()方法。

代码:

class Student:
    def __init__(self, name, age, gender):
        self.name = name
        self.age = age
        self.gender = gender

    def __str__(self):  # 类似java里面的toString
        return f"姓名: {self.name}, 年龄: {self.age}, 性别: {self.gender}"


print(Student("FindYou.", 20, "男"))

运行结果:

__lt__ 小于符号的比较方法

lt是"less than"的缩写，表示小于的意思。

代码演示:

class Student:
    def __init__(self, name, age, gender):
        self.name = name
        self.age = age
        self.gender = gender

    def __lt__(self, other):
        return self.age < other.age  # 按照年龄


stu1 = Student("FindYou", 20, "男")
stu2 = Student("LoveFinder", 19, "女")

print(stu1 < stu2)  # False
print(stu1 > stu2)  # True

运行结果:

__le__小于等于比较符号方法:

和__lt__没多大区别,就多了个等于的判断

代码:

class Student:
    def __init__(self, name, age, gender):
        self.name = name
        self.age = age
        self.gender = gender

    def __le__(self, other):
        return self.age <= other.age  # 按照年龄


stu1 = Student("FindYou", 20, "男")
stu2 = Student("LoveFinder", 20, "女")

print(stu1 <= stu2)  # True
print(stu1 >= stu2)  # True

运行结果:

__eq__ 相等方法:

我才知道，python没有&& 而是and，也没有|| 而是 or

代码：

认为性别和名字和性别同时相等的时候，我们认为是同一个人

class Student:
    def __init__(self, name, age, gender):
        self.name = name
        self.age = age
        self.gender = gender

    def __eq__(self, other):
        return self.name == other.name and  self.age == other.age and self.gender == other.gender


stu1 = Student("FindYou", 20, "男")
stu2 = Student("LoveFinder", 20, "女")
stu3 = Student("FindYou", 20, "男")
print(stu1 == stu2)  # False
print(stu1 == stu3)  # True

小结：

封装：

还是老样子，封装 继承 多态

私有成员:

定义私有的形式是: 变量名或者是方法名以两个下划线开头__

但是： 在 Python 中，私有变量的存在只是一种命名约定，即通过双下划线（__）开头的变量名实现。但是，Python 并不禁止直接访问和修改私有变量，只是建议开发者尽量避免这样做，以保证数据的封装性和安全性。

报错的私有变量代码:

class Student:
    name = None
    __score = 20  # 定义为私有的

    def __Find(self):
        print("I want find you")


stu1 = Student()
stu1.name = "FindYou."


print(stu1.__score)

报错的原因分析:

这个代码报错的原因是因为尝试直接访问私有变量 __score 而不是使用名称修饰的方式。

在 Python 中，私有变量使用双下划线（__）前缀进行定义，以表示它们是类内部的私有成员。私有变量的目的是限制对其直接访问，只能通过类内部的方法来访问和修改。

当你尝试直接访问 stu1.__score 时，Python 会将其视为一个普通的实例变量，而不是私有变量。因此，Python 会在 stu1 实例中查找名为 __score 的变量，但由于该变量是私有的，无法从外部直接访问。

为了正确访问私有变量 __score，需要使用名称修饰的方式：stu1._Student__score。这样，你将能够访问到类中真正的私有变量。

改正后的代码：

在 Python 中，当在定义属性或方法时使用了双下划线（__）时，Python 会将其名称进行重命名以避免与其他类中的名称冲突，这种重命名方式为 _ClassName__name 的形式。
在你的代码中，__score 属性被重命名为 _Student__score，因此通过 stu1._Student__score 可以访问到该属性的值。虽然这种方式可以绕过属性的访问限制，但并不建议这样做，因为这种行为违背了私有属性的封装性原则。

class Student:
    name = None
    __score = 20  # 定义为私有的

    def __Find(self):
        print("I want find you")


stu1 = Student()
stu1.name = "FindYou."
print(stu1._Student__score)  # 20

报错的私有成员方法：

class Student:
    name = None
    __score = 20  # 定义为私有的

    def __Find(self):
        print("I want find you")


stu1 = Student()
stu1.name = "FindYou."
print(stu1.__Find())

运行结果:

报错的代码分析:

这段代码会导致 AttributeError 错误（ Python 中的一个内置异常类，用于指示发生了属性访问错误）。出现这个错误的原因是因为尝试直接访问一个私有方法 __Find。
在 Python 中，以双下划线（__）开头命名的方法是私有方法，它们只能在类的内部被访问，无法从外部直接调用

通过 _Student__Find() 的方式绕过访问限制来调用私有方法，但这种做法违背了封装的原则。

改正后的代码：

class Student:
    name = None
    __score = 20  # 定义为私有的

    def __Find(self):
        print("I want find you")


stu1 = Student()
stu1.name = "FindYou."
stu1._Student__Find()  # I want find you