关于“Python”的核心知识点整理大全48
from pygal.i18n import COUNTRIES
1 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"""
3 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
4 return None
print(get_country_code('Andorra'))
print(get_country_code('United Arab Emirates'))
print(get_country_code('Afghanistan')) get_country_code()接受国家名，并将其存储在形参country_name中（见1）。接下来，我们 遍历COUNTRIES中的国家名—国别码对（见2）；如果找到指定的国家名，就返回相应的国别码（见 3）。在循环后面，我们在没有找到指定的国家名时返回None（见4）。最后，我们使用了三个国 家名来调用这个函数，以核实它能否正确地工作。与预期的一样，这个程序输出了三个由两个字 母组成的国别码：
ad
ae
af 使用这个函数前，先将country_codes.py中的print语句删除。 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
--snip--
# 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']))
1 code = get_country_code(country_name)
if code:
2 print(code + ": "+ str(population))
3 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 （见1）。如果返回了国别码，就打印国别码和相应国家的人口数量（见2）。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（见3）。如果你运行这个程 序，将看到一些国别码和相应国家的人口数量，还有一些错误消息：
ERROR - Arab World
ERROR - Caribbean small states
ERROR - East Asia & Pacific (all income levels)
--snip--
af: 34385000
al: 3205000
dz: 35468000
--snip
ERROR - Yemen, Rep.
zm: 12927000
zw: 12571000导致显示错误消息的原因有两个。首先，并非所有人口数量对应的都是国家，有些人口数量 对应的是地区（阿拉伯世界）和经济类群（所有收入水平）。其次，有些统计数据使用了不同的 完整国家名（如Yemen, Rep.，而不是Yemen）。当前，我们将忽略导致错误的数据，看看根据成 功恢复了的数据制作出的地图是什么样的。
16.2.5 制作世界地图
有了国别码后，制作世界地图易如反掌。Pygal提供了图表类型Worldmap，可帮助你制作呈现 各国数据的世界地图。为演示如何使用Worldmap，我们来创建一个突出北美、中美和南美的简单 地图： americas.py
import pygal
1 wm = pygal.Worldmap()
wm.title = 'North, Central, and South America'
2 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'])
3 wm.render_to_file('americas.svg')在1处，我们创建了一个Worldmap实例，并设置了该地图的的title属性。在2处，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。 3处的方法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。输 出是一幅以不同颜色突出北美、中美和南美的地图，如图16-7所示。
知道如何创建包含彩色区域、颜色标示和标签的地图后，我们在地图中添加数据，以显示有 关国家的信息。
16.2.6 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： na_populations.py
import pygal
wm = pygal.Worldmap()
wm.title = 'Populations of Countries in North America'
1 wm.add('North America', {'ca': 34126000, 'us': 309349000, 'mx': 113423000})
wm.render_to_file('na_populations.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1）。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），如图16-8所示。
这幅地图具有交互性：如果你将鼠标指向某个国家，将看到其人口数量。下面在这个地图中 添加更多的数据。
16.2.7 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： world_population.py
import json
import pygal
from country_codes import get_country_code
# 将数据加载到列表中
--snip--
# 创建一个包含人口数量的字典
1 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:
2 cc_populations[code] = population
3 wm = pygal.Worldmap()
wm.title = 'World Population in 2010, by Country'
4 wm.add('2010', cc_populations)
wm.render_to_file('world_population.svg') 我们首先导入了pygal。在1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2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3处，我们创建了一个Worldmap实例，并设置其title属性。在4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。图16-9显示了生成的地图。
有几个国家没有相关的数据，我们将其显示为黑色，但对于大多数国家，都根据其人口数量 进行了着色。本章后面将处理数据缺失的问题，这里先来修改着色，以更准确地反映各国的人口 数量。在当前的地图中，很多国家都是浅色的，只有两个国家是深色的。对大多数国家而言，颜 色深浅的差别不足以反映其人口数量的差别。为修复这种问题，我们将根据人口数量将国家分组， 再分别给每个组着色。
16.2.8 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
--snip--
# 创建一个包含人口数据的字典
cc_populations = {}
for pop_dict in pop_data:
if pop_dict['Year'] == '2010':
--snip--
if code:
cc_populations[code] = population
# 根据人口数量将所有的国家分成三组
1 cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
2 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
3 print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
wm = pygal.Worldmap()
wm.title = 'World Population in 2010, by Country'
4 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1）。接下来，遍历cc_populations，检查每个国 家的人口数量（见2）。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3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Worldmap中（见4）。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：
85 69 2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。图16-10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。
16.2.9 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。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： world_population.py
import json
import pygal
1 from pygal.style import RotateStyle
--snip--
# 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:
--snip--
2 wm_style = RotateStyle('#336699')
3 wm = pygal.Worldmap(style=wm_style)
wm.title = 'World Population in 2010, by Country'
--snip--