day11
笔记来源于:黑马程序员python教程,8天python从入门到精通,学python看这套就够了
目录
- day11
- 83、自定义 Python 包
- 创建包
- 导入包
- 方式1
- 方式2
- 方式3
- 方式4
- 84、安装第三方包
- 安装第三方包——pip
- pip的网络优化
- 安装第三方包——PyCharm
- 85、异常—模块—包综合案例
- 模块1
- 自写
- 视频写法
- 模块2
- 自写
- 视频写法
- 总结
- 86、JSON数据格式的转换
- 基础概念
- json 数据的格式:字典以及 内部元素都是字典的列表
- Python 数据和 Json 数据的相互转化
- 87、pyecharts 模块简介
- 88、pyecharts的入门使用
- 基础折线图
- pyecharts配置选项
- 89、数据准备
- 原始数据格式
- 数据处理
- 90、生成折线图
- 导入模块
- 折线图相关配置项
- 折线图相关配置项
- 创建折线图
- 添加数据
- .add_yaxis相关配置选项
- 全局配置选项(.set_global_opts)
- 91、数据可视化案例——地图——基础地图的使用
- 基础地图演示
83、自定义 Python 包
如果Python的模块太多了,就可能造成一定的混乱,那么就需要通过Python包的功能来管理。
从物理上看,包就是一个文件夹,在该文件夹下包含了一个 __init__.py
文件,该文件夹可用于包含多个模块文件;
从逻辑上看,包的本质依然是模块。
创建包
构建包的步骤如下:
-
新建包
my_package
; -
新建包内模块:
my_module1
和my_module2
; -
模块内代码如下:
tips:新建包后,包内部会自动创建 __init__.py
文件,这个文件控制着包的导入行为。
导入包
方式1
import 包名.模块名包名.模块名.目标
示例代码:
import my_package_83.my_module1_83
import my_package_83.my_module2_83my_package_83.my_module1_83.info_print1()
my_package_83.my_module2_83.info_print2()
方式2
from 包名 import 模块名模块名.目标
示例代码:
from my_package_83 import my_module1_83
from my_package_83 import my_module2_83my_module1_83.info_print1()
my_module2_83.info_print2()
方式3
from 包名.模块名 import 目标目标
示例代码:
from my_package_83.my_module1_83 import info_print1
from my_package_83.my_module2_83 import info_print2info_print1()
info_print2()
方式4
from 包名 import *模块名.目标
示例代码:
# 通过 __all__ 变量,控制 import*
from my_package_83 import *
my_module1_83.info_print1()# error,__init__.py 文件中设置了 __all__ 只导入:my_module1_83,因此 my_module2_83 不管用
# my_module2_83.info_print2()
tips:必须在__init__.py
文件中添加__all__ = []
,控制允许导入的模块列表
84、安装第三方包
在Python程序的生态中,有许多非常多的第三方包(非Python官方),可以极大的帮助我们提高开发效率,如:
- 科学计算中常用的:numpy包
- 数据分析中常用的:pandas包
- 大数据计算中常用的:pyspark、apache-flink包
- 图形可视化常用的:matplotlib、pyecharts
- 人工智能常用的:tensorflow
- 等
但是由于是第三方,所以Python没有内置,所以我们需要安装它们才可以导入使用。
安装第三方包——pip
第三方包的安装非常简单,我们只需要使用Python内置的pip程序即可。
打开我们许久未见的:命令提示符程序,在里面输入:
pip install 包名称
即可通过网络快速安装第三方包。
pip的网络优化
由于pip是连接的国外的网站进行包的下载,所以有的时候会速度很慢。
我们可以通过如下命令,让其连接国内的网站进行包的安装:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名称
安装第三方包——PyCharm
同样使用国内清华镜像源进行下载:
85、异常—模块—包综合案例
模块1
自写
# 自写
def str_reverse(s):str = ""for element in s:str = element + strreturn strdef substr(s, x, y):str1 = ""str2 = ""str3 = ""list = []i = 0if x > y:tmp = xx = yy = tmpwhile i < x:str1 += s[i]i += 1list.append(str1)while i < y:str2 += s[i]i += 1list.append(str2)while i < len(s):str3 += s[i]i += 1list.append(str3)return listif __name__ == '__main__':# print(f"{str_reverse(' hello world ')}")print(f"{substr('helloworld', 1, 3)}")
视频写法
# 视频写法
def str_reverse(s):"""功能:反转字符串:param s: 将被反转的字符串:return: 反转后的字符串"""return s[::-1]def substr(s, x, y):"""功能:按照给定的下标完成字符串的切片:param s: 即将被切片的字符串:param x: 切片的开始下标:param y: 切片的结束下标:return: 切片完成后的字符串"""return s[x:y]if __name__ == '__main__':print(str_reverse("黑马程序员"))print(substr("黑马程序员", 1, 3))
模块2
自写
def print_file_info(file_name):try:f = open(file_name, "r", encoding="UTF-8")print(f"文件存在,读取的内容为:\n{f.read()}")except:print("文件不存在")finally:f.close()def append_to_file(filename, data):f = open(filename, "a", encoding="UTF-8")f.write(data)f.close()if __name__ == '__main__':# print_file_info("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/74_test.txt")append_to_file("84_test.txt", "helloworld")
视频写法
def print_file_info(file_name):"""功能: 将指定路径的文件内容输出到控制台:param file_name: 即将读取文件的路径:return: None"""f = Nonetry:f = open(file_name, "r", encoding="UTF-8")content = f.read()print("文件内容如下:")print(content)except Exception as e:print(f"程序出现异常,原因是:{e}")finally:if f:f.close()def append_to_file(filename, data):"""功能:将指定的数据追加到指定的文件中:param filename: 指定文件的路径:param data: 指定的数据:return: None"""f = open(filename, "a", encoding="UTF-8")f.write(data)f.write("\n")f.close()if __name__ == '__main__':# print_file_info("84_test.txt")append_to_file("84_test.txt", "good")
总结
-
函数写法的规范要记得,包括函数功能的描述、参数的解释
-
字符串的切片操作除了
split
,还有:my_str = "01234567" result4 = my_str[::-1]
86、JSON数据格式的转换
基础概念
JSON是一种轻量级的数据交互格式。可以按照JSON指定的格式去组织和封装数据。
JSON本质上是一个带有特定格式的字符串
主要功能:json就是一种在各个编程语言中流通的数据格式,负责不同编程语言中的数据传递和交互。
各种编程语言存储数据的容器不尽相同,在Python中有字典dict这样的数据类型,而其它语言可能没有对应的字典。
为了让不同的语言都能够相互通用的互相传递数据,JSON就是一种非常良好的中转数据格式。如下图,以Python和C语言互传数据为例:
json 数据的格式:字典以及 内部元素都是字典的列表
# json数据的格式可以是:
{"name":"admin","age":18} # 也可以是:
[{"name":"admin","age":18},{"name":"root","age":16},{"name":"张三","age":20}]
Python 数据和 Json 数据的相互转化
# 导入json模块
import json # 准备符合格式json格式要求的python数据
data = [{"name": "老王", "age": 16}, {"name": "张三", "age": 20}]# 通过 json.dumps(data) 方法把python数据转化为了 json数据
data = json.dumps(data) # 通过 json.loads(data) 方法把json数据转化为了 python数据
data = json.loads(data)
示例代码:
"""
演示 JSON 数据和 Python 字典的相互转换
"""
import json# 准备列表,列表内的每一个元素都是字典,将其转化为 JSON
data = [{"name":"张大山", "age":11}, {"name":"王大锤", "age":13}, {"name":"赵小虎", "age":16}]
json_str = json.dumps(data, ensure_ascii=False)
print(type(json_str))
print(json_str)
print("--------------------------------------------------------------")# 准备字典,将字典转换为 JSON
d = {"name":"zhoujielun", "addr":"taibei"}
json_str = json.dumps(d)
print(type(json_str))
print(json_str)
print("--------------------------------------------------------------")# 将 JSON 字符串转换为 Python 数据类型 [{k:v, k:v}, {k:v, k:v}]
s = '[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]'
l = json.loads(s)
print(type(l))
print(l)
print("--------------------------------------------------------------")# 将 JSON 字符串转换为 Python 数据类型 {k:v, k:v}
s = '{"name": "zhoujielun", "addr": "taibei"}'
d = json.loads(s)
print(type(d))
print(d)# 结果
<class 'str'>
[{"name": "张大山", "age": 11}, {"name": "王大锤", "age": 13}, {"name": "赵小虎", "age": 16}]
-----------------------------------------------------------------------
<class 'str'>
{"name": "zhoujielun", "addr": "taibei"}
-----------------------------------------------------------------------
<class 'list'>
[{'name': '张大山', 'age': 11}, {'name': '王大锤', 'age': 13}, {'name': '赵小虎', 'age': 16}]
-----------------------------------------------------------------------
<class 'dict'>
{'name': 'zhoujielun', 'addr': 'taibei'}
87、pyecharts 模块简介
如果想要做出数据可视化效果图, 可以借助pyecharts模块来完成
概况 :
Echarts 是个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而 Python 是门富有表达力的语言,很适合用于数据处理。当数据分析遇上数据可视化时pyecharts 诞生了。
快速安装
pip install pyecharts
官方画廊
https://gallery.pyecharts.org
88、pyecharts的入门使用
基础折线图
# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts,VisualMapOpts# 创建一个折线图对象
line = Line()# 给折线图对象添加 x 轴的数据
line.add_xaxis(["中国", "美国", "英国"])# 给折线图对象添加 y 轴的数据
line.add_yaxis("GDP", [30, 20, 10])# 通过 render 方法,将代码生成图像
line.render()
结果如下:
pyecharts配置选项
pyecharts模块中有很多的配置选项, 常用到2个类别的选项:
- 全局配置选项
- 系列配置选项
全局配置选项可以通过set_global_opts方法来进行配置, 相应的选项和选项的功能如下:
示例:
"""
演示 pyecharts 的基础入门
"""# 导包
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LegendOpts, ToolboxOpts,VisualMapOpts# 创建一个折线图对象
line = Line()# 给折线图对象添加 x 轴的数据
line.add_xaxis(["中国", "美国", "英国"])# 给折线图对象添加 y 轴的数据
line.add_yaxis("GDP", [30, 20, 10])# 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),toolbox_opts=ToolboxOpts(is_show=True),visualmap_opts=VisualMapOpts(is_show=True))# 通过 render 方法,将代码生成图像
line.render()
结果:
89、数据准备
原始数据格式
数据处理
导入模块:
import json
对数据进行整理,让数据符合 json 格式:
# 处理数据
f_us = open("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/折线图数据/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read() # 美国的全部内容# 去掉不合 JSON 规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(", "")# 去掉不合 JSON 规范的结尾
# us_data = us_data.replace(");", "")
us_data = us_data[:-2]# JSON 转 Python 字典
us_dict = json.loads(us_data)
# print(type(us_dict))
# print(us_dict)# 获取 trend key
trend_data = us_dict['data'][0]['trend']
# print(type(trend_data))
# print(trend_data)# 获取日期数据,用于 x 轴,取2020年(到314下标结束)
x_data = trend_data['updateDate'][:314]
# print(x_data)# 获取确认数据,用于 y 轴,取2020年(到315下标结束)
y_data = trend_data['list'][0]['data'][:314]
# print(y_data)
90、生成折线图
导入模块
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts
折线图相关配置项
折线图相关配置项
配置项 | 作用 | 代码实例 |
---|---|---|
init_opts | 对折线图初始化设置宽高 | init_opts=opts.InitOpts(width=“1600px”, height=“800px”) |
.add_xaxis | 添加x轴数据 | .add_xaxis(列表) |
.add_yaxis | 添加y轴数据 | .add_yaxis(纵坐标标题, 列表) |
创建折线图
这里的**Line()**是构建类对象,我们先不必理解是什么意思,后续在Python高阶中进行详细讲解。
添加数据
.add_yaxis相关配置选项
配置项 | 作用 | 代码实例 |
---|---|---|
series_name | 设置图例名称 | series_name=“美国确诊人数” |
y_axis | 输入y轴数据 | y_axis=[“列表”] |
symbol_size | 设置点的大小 | symbol_size=10 |
label_opts | 标签设置项:不显示标签 | label_opts=opts.LabelOpts(is_show=False) |
linestyle_opts | 线条宽度和样式 | linestyle_opts=opts.LineStyleOpts(width=2) |
示例:
效果如下:
全局配置选项(.set_global_opts)
配置项 | 作用 | 代码实例 |
---|---|---|
title_opts | 设置图标题和位置 | title_opts=opts.TitleOpts(title=“标题”, pos_left=“center”) |
yaxis_opts | y轴配置项 | yaxis_opts=opts.AxisOpts(name=“累计确诊人数”) |
xaxis_opts | x轴配置项 | xaxis_opts=opts.AxisOpts(name=“时间”) |
legend_opts | 图例配置项 | legend_opts=opts.LegendOpts(pos_left=‘70%’) |
示例代码:
.set_global_opts(# 设置图标题和位置 title_opts=opts.TitleOpts(title="2020年 印🇮🇳美🇺🇸日🇯🇵 累计确诊人数对比图",pos_left="center"), # x轴配置项 xaxis_opts=opts.AxisOpts(name=“时间”), # 轴标题 # y轴配置项 yaxis_opts=opts.AxisOpts(name=“累计确诊人数”), # 轴标题 # 图例配置项 legend_opts=opts.LegendOpts(pos_left=‘70%‘), # 图例的位置
)
效果如下:
示例代码:
"""
演示 可视化需求1:折线图开发
"""
import json
from pyecharts.charts import Line
from pyecharts.options import TitleOpts, LabelOpts# 处理数据
f_us = open("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/折线图数据/美国.txt", "r", encoding="UTF-8")
us_data = f_us.read() # 美国的全部内容f_jp = open("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/折线图数据/日本.txt", "r", encoding="UTF-8")
jp_data = f_jp.read() # 日本的全部内容f_in = open("/home/yin-roc/1-Github/Ubuntu20.04-VMware/pythonProject/Python_Learning/02_Python入门语法/可视化案例数据/折线图数据/印度.txt", "r", encoding="UTF-8")
in_data = f_in.read() # 日本的全部内容# 去掉不合 JSON 规范的开头
us_data = us_data.replace("jsonp_1629344292311_69436(", "")
jp_data = jp_data.replace("jsonp_1629350871167_29498(", "")
in_data = in_data.replace("jsonp_1629350745930_63180(", "")# 去掉不合 JSON 规范的结尾
# us_data = us_data.replace(");", "")
us_data = us_data[:-2]
jp_data = jp_data[:-2]
in_data = in_data[:-2]# JSON 转 Python 字典
us_dict = json.loads(us_data)
jp_dict = json.loads(jp_data)
in_dict = json.loads(in_data)# print(type(us_dict))
# print(us_dict)# 获取 trend key
us_trend_data = us_dict['data'][0]['trend']
jp_trend_data = jp_dict['data'][0]['trend']
in_trend_data = in_dict['data'][0]['trend']
# print(type(trend_data))
# print(trend_data)# 获取日期数据,用于 x 轴,取2020年(到314下标结束)
us_x_data = us_trend_data['updateDate'][:314]
jp_x_data = jp_trend_data['updateDate'][:314]
in_x_data = in_trend_data['updateDate'][:314]
# print(x_data)# 获取确认数据,用于 y 轴,取2020年(到315下标结束)
us_y_data = us_trend_data['list'][0]['data'][:314]
jp_y_data = jp_trend_data['list'][0]['data'][:314]
in_y_data = in_trend_data['list'][0]['data'][:314]
# print(y_data)# 生成图表
line = Line() # 构建折线图对象# 添加 x 轴数据
line.add_xaxis(us_x_data) # x 轴是公用的,所以使用一个国家的数据即可# 添加 y 轴数据
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))# 设置全局选项
line.set_global_opts(# 标题设置title_opts=TitleOpts(title="2020年美日印三国确诊人数对比折线图", pos_left="center", pos_bottom="1%"))# 调用 render 方法生成图表
line.render()# 关闭文件对象
f_us.close()
f_jp.close()
f_in.close()
91、数据可视化案例——地图——基础地图的使用
基础地图演示
设置颜色级别:
tips:RGB颜色查询对照表