制作世界人口地图
提取相关的数据
我们首先导入了模块json ，以便能够正确地加载文件中的数据，然后，我们将数据存储在pop_data 中。函数json.load() 将数据转换为Python能够处理的格式， 这里是一个列表。我们遍历pop_data 中的每个元素。每个元素都是一个字典，包含四个键—值对，我们将每个字典依次存储在pop_dict 中。我们检查字典的’Year’ 键对应的值是否是2010（由于population_data.json中的值都是用引号括起的，因此我们执行的是字符串比较）。如果年份为2010，我们就将与’Country Name’ 相关联的值存储到country_name 中，并将与’Value’ 相关联的值存储在population 中。接下来，我们打印每个国家的名称和人口数量。
world_population.py
import json
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 打印每个国家2010年的人口数量
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = pop_dict['Value']
print(country_name + ": " + population)
将字符串转换为数字值
population_data.json中的每个键和值都是字符串。为处理这些人口数据，我们需要将表示人口数量的字符串转换为数字值，为此我们使用函数int()以及函数float() ，每个字符串都成功地转换成了浮点数，再转换为整数。以数字格式存储人口数量值后，就可以使用它们来制作世界人口地图了。
world_population.py
import json
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 打印每个国家2010年的人口数量
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
print(country_name + ": " + str(population))
获取两个字母的国别码
制作地图前，还需要解决数据存在的最后一个问题。Pygal中的地图制作工具要求数据为特定的格式：用国别码表示国家，以及用数字表示人口数量。处理地理政治数据时，经常需要用到几个标准化国别码集。population_data.json中包含的是三个字母的国别码，但Pygal使用两个字母的国别码。我们需要想办法根据国家名获取两个字母的国别码。 Pygal使用的国别码存储在模块i18n （internationalization的缩写）中。字典COUNTRIES 包含的键和值分别为两个字母的国别码和国家名。要查看这些国别码，可从模块i18n 中导入这个字典，并打印其键和值：
countries.py
from pygal_maps_world.i18n import COUNTRIES
for country_code in sorted(COUNTRIES.keys()):
print(country_code, COUNTRIES[country_code])
country_codes.py
from pygal_maps_world.i18n import COUNTRIES
def get_country_code(country_name):
"""根据指定的国家，返回Pygal使用的两个字母的国别码"""
for code, name in COUNTRIES.items():
if name == country_name:
return code
# 如果没有找到指定的国家，就返回None
return None
接下来，在world_population.py中导入get_country_code ：
world_population.py
import json
from country_codes import get_country_code
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 打印每个国家2010年的人口数量
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country_name)
if code:
print(code + ": " + str(population))
else:
print('ERROR - ' + country_name)
提取国家名和人口数量后，我们将国别码存储在code 中，如果没有国别码，就在其中存储None 。如果返回了国别码，就打印国别码和相应国家的人口数量。 如果没有找到国别码，就显示一条错误消息，其中包含无法找到国别码的国家的名称。
制作世界地图
Pygal提供了图表类型maps ，可帮助你制作呈现各国数据的世界地图。创建一个突出北美、中美和南美的简单地图：
americas.py
import pygal
wm = pygal.maps.world.World()
wm.title = 'North, Central, and South America'
wm.add('North America', ['ca', 'mx', 'us'])
wm.add('Central America', ['bz', 'cr', 'gt', 'hn', 'ni', 'pa', 'sv'])
wm.add('South America', ['ar', 'bo', 'br', 'cl', 'co', 'ec', 'gf', 'gy', 'pe', 'py', 'sr', 'uy', 've'])
wm.render_to_file('americas.svg')
我们创建了一个maps 实例，并设置了该地图的的title 属性。接着我们使用了方法add() ，它接受一个标签和一个列表，其中后者包含我们要突出的国家 的国别码。每次调用add() 都将为指定的国家选择一种新颜色，并在图表左边显示该颜色和指定的标签。我们要以同一种颜色显示整个北美地区，因此第一次调用add() 时， 在传递给它的列表中包含'ca' 、'mx' 和'us' ，以同时突出加拿大、墨西哥和美国。接下来，对中美和南美国家做同样的处理。 最后使用方法render_to_file() 创建一个包含该图表的.svg文件，你可以在浏览器中打开它，运行结果如下：
在世界地图上呈现数字数据
na_populations.py
import pygal
wm = pygal.maps.world.World()
wm.title = 'Populations of Countries in North America'
wm.add('North America', {'ca': 34126000, 'us': 309349000, 'mx': 113423000})
wm.render_to_file('na_populations.svg')
首先，创建了一个maps.world.World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。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（人口最少的国家颜色最浅，人口最多的国家颜色最深），如下图所示：
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。
world_population.py
import json
from country_codes import get_country_code
import pygal
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 创建一个包含人口数量的字典
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country_name)
if code:
cc_populations[code] = population
wm = pygal.maps.world.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 。接着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。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 。我们创建了一个maps 实例，并设置其title 属性，调用了add() ，并向它传递由国别码和人口数量组成的字典。生成的地图如下：
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：
world_population.py
import json
from country_codes import get_country_code
import pygal
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 创建一个包含人口数量的字典
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country_name)
if code:
cc_populations[code] = population
# 根据人口数量将所有的国家分成三组
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
# 看看每组分别包含多少个国家
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm = pygal.maps.world.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。接下来，遍历cc_populations ，检查每个国家的人口数量。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。 接着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maps中。如果你现在运行这个程序，首先看到的将是每个分组的规模：
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：
使用Pygal设置世界地图的样式
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。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：
world_population.py
import json
from country_codes import get_country_code
from pygal.style import RotateStyle
import pygal
# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:
pop_data = json.load(f)
# 创建一个包含人口数量的字典
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
country_name = pop_dict['Country Name']
population = int(float(pop_dict['Value']))
code = get_country_code(country_name)
if code:
cc_populations[code] = population
# 根据人口数量将所有的国家分成三组
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
# 看看每组分别包含多少个国家
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm_style = RotateStyle('#336699')
wm = pygal.maps.world.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 。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；Pygal将根 据指定的颜色为每组选择颜色。十六进制格式的RGB颜色是一个以井号（#）打头的字符串，后面跟着6个字符，其中前两个字符表示红色分量，接下来的两个表示绿色分量，最 后两个表示蓝色分量。每个分量的取值范围为00 （没有相应的颜色）~FF （包含最多的相应颜色）。如果你在线搜索hex colorchooser（十六进制颜色选择器 ），可找到让你能够尝试选择不同的颜色并显示其RGB值的工具。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 提供了一种淡蓝色基色。
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maps 实例时以关键字实参的方式传递它。
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。运行结果如下：
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。 要使用这个样式，先导入它：
from pygal.style import LightColorizedStyle
然后就可独立地使用LightColorizedStyle 了，例如：
wm_style = LightColorizedStyle
然而使用这个类时，你不能直接控制使用的颜色，Pygal将选择默认的基色。要设置颜色，可使用RotateStyle ，并将LightColorizedStyle 作为基本样式。为此，导入LightColorizedStyle 和RotateStyle ：
from pygal.style import LightColorizedStyle, RotateStyle
再使用RotateStyle 创建一种样式，并传入另一个实参base_style ：
wm_style = RotateStyle('#336699', base_style=LightColorizedStyle)
这设置了较亮的主题，同时根据通过实参传递的颜色给各个国家着色。使用这种样式时，生成的图表与本书的屏幕截图更一致。 尝试为不同的可视化选择合适的样式设置指令时，在import 语句中指定别名会有所帮助：
from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS
这样，样式定义将更短：
wm_style = RS('#336699', base_style=LCS)
506
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
