Python 入门项目——《数据可视化》（四）

最新推荐文章于 2024-05-08 07:59:27 发布
最新推荐文章于 2024-05-08 07:59:27 发布
阅读量518 收藏 2
点赞数
分类专栏： Python 文章标签： python 可视化 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37596943/article/details/108287529
版权

文章目录

Python 入门项目——《数据可视化》（四）

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。这种请求成为 API 调用。请求的数据将以易于处理的格式（如 json 或者 CSV）返回。。依赖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

对于在 GitHub 上的项目，用户如果喜欢一个项目，可以给它加星（star）以表示支持，用户还可以跟踪他可能想使用的项目。在本章中，我们将编写一个程序，它能够自动下载 GitHub 上星级最高的 Python 项目信息，并将这些信息进行可视化。

使用 API 调用请求数据

GitHub 的 API 能够让你通过调用它们来请求各种信息。要知道 API 的调用是什么样，主需要访问以下链接即可：
GitHub API 链接
这个链接的调用将返回 GitHub 当前托管了多少个 Python 项目，还有有关最受欢迎的 Python 仓库的信息。下面来研究一下这个调用。第一部分 (https://api.github.com/) 将请求发送到 GitHub 网站上响应 API 调用的部分；接下来的 (search/repositories）让 API 搜索 GitHub 上的所有仓库。

repositories 后面的问号指出我们要传递一个实参。 q 表示查询，而等号让我们能够开始制定查询 q= 。通过使用 language:python ，我们制定只想获取主要语言为 Python 的仓库的信息。最后一部分 &sort=stars 制定将项目按照获得星级进行排序。
如下显示网站的响应结果：
在这里插入图片描述

安装 requests

requests 包可以使得 Python 程序能够轻松地向网站请求信息并检查返回的响应。使用以下命令来安装 request ：

$ pip install --user requests

处理 API 响应

下面来编写一个程序，执行 API 调用并处理结果，找出 GitHub 上星级最高的 Python 项目：

import requests

# 执行 API 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
resquests_dict = r.json()

#处理结果
print(resquests_dict.keys())

在这里插入图片描述
状态码为200，所以请求是成功的。而响应字典只包含三个键： items 、 total_count 、 incomplete_results。

处理响应字典

将 API 调用返回的信息存储到字典中后，就可以处理这个字典中的数据了。下面来生成一些概述这些信息的输出，通过确认收到的信息进而针对感兴趣的信息进行研究。代码如下：

import requests

# 执行 API 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
resquests_dict = r.json()
print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']
print("Repositories returned:", len(repo_dicts))

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

#处理结果
#print(resquests_dict.keys())

在这里插入图片描述
从这里能够看到获得大量的信息，repo_dict 包含 74 个 key 。通过仔细观察这些键的信息，可以大致知道可提取有关项目的哪些信息（要准确地获悉 API 返回的哪些信息，除了阅读相关文档就是研究这些请求反馈的包）。

下面来提取其中的一些键的对应的信息来观察一下。

import requests

# 执行 API 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
resquests_dict = r.json()
print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']
print("Repositories returned:", len(repo_dicts))

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

print("\nSelected information about first repository:")
print("Name:", repo_dict['name'])
print("Ower:", repo_dict['owner'])
print("Starts:", repo_dict['stargazers_count'])
print("Repository:", repo_dict['html_url'])
print("Created:", repo_dict['created_at'])
print("Updated:", repo_dict['updated_at'])
print("Description:", repo_dict['description'])

在这里插入图片描述
从上面的输出中能够看出，GitHub上星级最高的项目名称是 system-design-primer, 有 112638 个用户为这个项目加星，并且能看到这个项目是 2017-02-26T16:15:28Z 时候创建的。

提取每个项目的关键信息

为了后面方便对这些数据进行可视化，这里先通过循环处理来输出每个仓库的特定信息，以便能够在可视化中包含这些信息。

import requests

# 执行 API 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
resquests_dict = r.json()
#print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']
print("Repositories returned:", len(repo_dicts))

print("\nSelected information about first repository:")
for repo_dict in repo_dicts:
    print("\nName:", repo_dict['name'])
    print("Ower:", repo_dict['owner']['login'])
    print("Starts:", repo_dict['stargazers_count'])
    print("Repository:", repo_dict['html_url'])
    print("Created:", repo_dict['created_at'])
    print("Updated:", repo_dict['updated_at'])
    print("Description:", repo_dict['description'])

在这里插入图片描述
通过打印输出能够使得你在正式编写程序代码前了解到请求返回的响应包中的各个字段的信息内容，方便进行处理。

监视 API 的速率限制

大多数 API 都存在速率限制，即在特定时间内可执行的请求数存在限制。如果要想知道你是否接近了 GitHub 的限制，可以在浏览器中输入 https://api.github.com/rate_limit ，这样能看到如下的响应：

在这里插入图片描述

这里能搞看到 search 字段中的速率限制 limit 为 10 ，说明1分钟能够进行10次请求，而 reset 字段指的是配额重置的 Unix 时间。

使用 Pygal 可视化仓库

在得到需要的数据后，就可以进行可视化显示了，从而更形象地显示 GitHub 上 Python 项目的受欢迎程度。接下来将创建一个交互式条形图：条形的高度表示项目获得了多少颗星。单击条形将进入该项目在 GitHub 上的主页。代码如下：

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

# 执行 API 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
resquests_dict = r.json()
#print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']

names, starts = [], []
for repo_dict in repo_dicts:
    names.append(repo_dict['name'])
    starts.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-Start Python Projects on GitHub"
chart.x_labels = names

chart.add('', starts)
chart.render_to_file('python_repos.svg')

在这里插入图片描述

修改部分显示参数：

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

# 执行 API 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
resquests_dict = r.json()
#print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']

names, starts = [], []
for repo_dict in repo_dicts:
    names.append(repo_dict['name'])
    starts.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(my_config, style=my_style)
#chart = pygal.Bar(style = my_style, x_label_rotation=45, show_legend=False)
chart.title = "Most-Start Python Projects on GitHub"
chart.x_labels = names

chart.add('', starts)
chart.render_to_file('new-python_repos.svg')

在这里插入图片描述

添加可以点击的网络链接

pygal 根据与键 xlink 相关联的 URL 将每个条形都转换成活跃的链接。单击图表中的任何一条形图后都将在浏览器打开一个新的标签页，并显示单击的这个项目的主页。到此，就完成了一个数据的可视化并且是交互性的图形：

可视化代码修改如下：

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

# 执行 API 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
resquests_dict = r.json()
#print("Total repositories:", resquests_dict['total_count'])

#探究有关仓库的信息
repo_dicts = resquests_dict['items']

names, plot_dicts = [], []
for repo_dict in repo_dicts:
    print("Name:", repo_dict['name'])
    names.append(repo_dict['name'])
    plot_dict = {
        'value' : repo_dict['stargazers_count'],
        'xlink' : repo_dict['html_url'],
    }
    plot_dicts.append(plot_dict)
    
# 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(my_config, style=my_style)
#chart = pygal.Bar(style = my_style, x_label_rotation=45, show_legend=False)
chart.title = "Most-Start Python Projects on GitHub"
chart.x_labels = names


chart.add('', plot_dicts)
chart.render_to_file('plot-python_repos.svg')

在这里插入图片描述

小结

通过本章能够了解到通过使用网站 API 来编写独立的程序，自动采集所需要的数据并进行可视化显示。

跑不了的你
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
2024年Python大作业——爬虫+可视化+数据分析+数据库(3)，2024年最新社招面试经验
2301_79099373的博客
05-03 996
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
Python大作业——爬虫+可视化+数据分析+数据库
04-26 1062
Python大作业——爬虫+可视化+数据分析+数据库（可视化篇）]( )[Python大作业——爬虫+可视化+数据分析+数据库（数据库篇）]( )一、生成歌词词云首先我们需要先获取所有爬取到的歌曲的歌词，将他们合成字符串随后提取其中的中文，再合成字符串text = re.findall(‘[\u4e00-\u9fa5]+’, lyric, re.S) # 提取中文之后使用jieba进行分词，并将其中分出来的长度大于等于2的词保存。
（萌新必看）python数据分析——pyecharts数据可视化
TS194919892003的博客
12-25 2450
（萌新必看）python数据分析——pyecharts数据可视化
Python + PyEcharts——数据可视化
热门推荐
红叶谷 wsp_1138886114的博客
05-31 7万+
一、第一个PyEcharts图标 1 安装：    &a
Python可视化总结与案例解析
最新发布
极客代码
05-08 1474
本章介绍了Python可视化的基础知识，包括环境搭建、数据可视化、统计图表和交互式可视化等。通过这些内容的学习，读者应该能够掌握Python可视化基本技巧，并为后续的学习和实践打下坚实的基础。在下一章中，我们将深入探讨Python可视化的高级应用，包括高级图表类型、动态可视化和数据可视化最佳实践等。本章介绍了Python数据可视化的高级应用，包括高级图表类型、动态可视化和数据可视化最佳实践等。
python数据分析中数据可视化简单入门
Fover_Night的博客
05-04 989
python数据分析中数据可视化简单入门
Python编程从入门到实战15章——数据可视化
她的妈妈爱上我的博客
02-02 379
Python编程从入门到实战15章——数据可视化数据可视化数据可视化用到的python包 数据可视化 数据可视化用来将下载的数据通过可视化表示，常规的形式是生成一张美观的图片供人们直观参考，得到规律和结论。 数据可视化用到的python包 matplotlib 作品在线浏览:link pygal 主要用到以上两个包，pygal可以生成可以缩放的矢量图片，矢量图片在不同的分辨率下显示时会自动缩...
Python编程从入门到实践.——项目二数据可视化
ziixiaoshenwang的博客
04-04 3967
项目2　数据可视化 1　生成数据 1.1　安装matplotlib 1.1.5　matplotlib画廊 https://matplotlib.org/ 1.2　绘制简单的折线图 mpl_squares.py import matplotlib.pyplot as plt squares = [1, 4,9, 16, 25] plt.plot(squares) plt.show() 1.2.1　修改标签文字和线条粗细 import matplotlib.pyplot as plt squares =
Python数据分析的几种绘图方式——数据可视化（附源码）
Python案例分享，B站视频教程：https://space.bilibili.com/523606542
08-10 9998
前言 数据分析初始阶段，通常都要进行可视化处理。数据可视化旨在直观展示信息的分析结果和构思，令某些抽象数据具象化，这些抽象数据包括数据测量单位的性质或数量。本章用的程序库matplotlib是建立在Numpy之上的一个Python图库，它提供了一个面向对象的API和一个过程式类的MATLAB API，他们可以并行使用。本文涉及的主题有： matplotlib简单绘图 对数图 散点图 图例和注解 三维图 pandas绘图 时滞图 自相关图 Plot.ly PS：如有需要Python学习资料
python编程从入门到实践——数据可视化之下载数据（第16章）
考拉的博客
09-09 2017
项目2：数据可视化之下载数据 摘要 这个章节主要讲怎样去下载和处理一些网上的数据，格式涉及有csv和json，涉及的模块有matplotlib、datatime、Pygal、json、requests、math、itertools、urllib、csv等等。这章主要做数据处理和简单分析，简单介绍下，csv数据下载后获取范围值以日期绘制折线图可观察两条线之间波动范围大小。json大量的数据分析走势，...
Python小白（python数据分析与可视化）从入门到精通
m0_74205275的博客
12-27 1419
Python小白（python数据分析与可视化）从入门到精通 一、Python数据分析环境配置二、python数据收集和准备三、Python数据分析基础四、Python可视化基础五、进阶可视化技巧六、数据可视化实战
Python数据可视化——Matplotlib可视化（一）
01-07
 Python有很多非常优秀易用的数据可视化的库，作为入门在这里使用Python的matplotlib，事实上Python中很多可视化库都是基于matplotlib开发的。  Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建...
Python数据分析入门-数据清理案例资源文件，二手房数据
02-02
Python数据分析入门——数据清理案例资源文件，二手房数据
Python数据可视化大作业基于Python的中国城市轨道交通数据可视化分析源码.zip
12-28
Python数据可视化大作业基于Python的中国城市轨道交通数据可视化分析源码.zip 【备注】 1.项目代码均经过功能验证ok，确保稳定可靠运行。欢迎下载使用体验！ 2.主要针对各个计算机相关专业，包括计算机科学、信息...
python数据分析可视化-期末大作业-从获取到实现
07-05
总的来说，这篇期末大作业提供了从数据抓取到数据可视化的完整流程，对于想要入门Python数据分析的初学者来说是一份很好的学习资源。通过实际操作，学习者可以逐步熟悉Python的pandas和matplotlib库，提升数据处理和...
TensorFlow2.0入门学习笔记(2)——Matplotlib数据可视化
12-20
在进入TensorFlow2.0的学习之前，掌握Python基础和一些常用库是必要的，特别是像Numpy和Matplotlib这样的科学计算和数据可视化库。Matplotlib是Python中最流行的数据可视化工具之一，能够帮助我们清晰地理解数据、...
使用pyqt弹出消息提示框
跑不了的你的博客
01-18 9865
使用pyqt弹出消息提示框安装 pyqt安装遇到问题 `No matching distribution found for PyQt5-Qt5>=5.15.2 (from pyqt5)`还有 `To avoid this problem you can invoke Python with '-m pip' instead of running pip directly.` 问题`Ubuntu` 默认使用 `Python2` 更换默认配置为 `Python3`测试验证创建一个基本的GUI应用各种样式
Python入门项目——飞机大战
跑不了的你的博客
07-09 6536
文章目录项目描述Pygame 安装Windows 平台下安装Linux 平台安装开始编写项目 项目描述 首先描述一下要实验的这个《飞机大战》游戏。 在游戏中，玩家控制这一艘最初出现在屏幕最底部中央的飞船。玩家可以使用 箭头键 左右移动非常，还可以使用 空格键 进行射击。游戏开始时，一群外星人出现在天空中，他们在屏幕中向下移动。玩家的任务就是射杀这些外星人。玩家将所有外星人都消灭干净后，将出现一批新的外星人，他们移动速度更快。这个过程中，只要外星人撞到玩家的飞船或者到达了屏幕底部，玩家就会损失一艘飞船。玩家
[Python]Python3.5升级3.7
跑不了的你的博客
11-26 3641
文章目录Python3.5 升级 Python3.7准备建立软链接 Python3.5 升级 Python3.7 准备 普遍系统会自带两个python版本，一个是python2.7，很快就不会维护了，另一个是python3.5，但是目前很多最新库，尤其是深度学习相关的库要求python3.6以上，所以就需要升级。 1.Download python3.7 $ wget https://www.python.org/ftp/python/3.7.3/Python-3.7.3.tgz 其他版本 解压 $
快速掌握matplotlib：Python数据可视化入门
本教程主要针对Python的数据可视化库matplotlib进行讲解，旨在帮助初学者快速掌握如何使用matplotlib进行2D和3D图形绘制。matplotlib是Python中最常用的绘图库，它允许用户创建各种静态、动态以及交互式的图表。 一...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值