Python 数据可视化-下载数据CSV文件格式、JSON格式

• 网上下载数据，并对这些数据进行可视化，可视化以两种常见格式存储的数据：CSV 和JSON。
• 我们将使用Python模块csv 来处理以CSV

1、CSV文件格式：

• 最简单的方式是将数据作为一系列以逗号分隔的值 （CSV）写入文件。

  2019-1-5,61,44,26,18,7,-1,56,30,9,30.34,30.27,30.15,,,,10,4,,0.00,0,,195
  

1.1、分析CSV文件头：

• csv 模块包含在Python标准库中，可用于分析CSV文件中的数据行，让我们能够快速提取感兴趣的值。

  import csv
  
  filename = './weather.csv'  # 我再当前目录中创建了weather.csv 文件了
  
  with open(filename) as f:
      reader = csv.reader(f)
      header_row = next(reader)
      print(header_row)
  

  • 导入模块csv 后，我们将要使用的文件的名称存储在filename 中

  • 我们打开这个文件，并将结果文件对象存储在f 中

  • 我们调用csv.reader() ，并将前面存储的文件对象作为实参传递给它，从而创建一个与该文件相关联的阅读器（reader ）对象

  • 我们将这个阅读器对象存储在reader 中

  • 模块csv 包含函数next() ，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。

  • 我们只调用了next() 一次，因此得到的是文件的第一行，其中包含文件头

    # 输出结果如下：
    ['AKDT', 'Max TemperatureF', 'Mean TemperatureF', 'Min TemperatureF', 'Max Dew PointF', 'MeanDew PointF', 'Min DewpointF', 'Max Humidity', ' Mean Humidity', ' Min Humidity', ' Max Sea Level PressureIn', ' Mean Sea Level PressureIn', ' Min Sea Level PressureIn', ' Max VisibilityMiles', ' Mean VisibilityMiles', ' Min VisibilityMiles', ' Max Wind SpeedMPH', ' Mean Wind SpeedMPH', ' Max Gust SpeedMPH', 'PrecipitationIn', ' CloudCover', ' Events', ' WindDirDegrees']
    

• 注意 ：文件头的格式并非总是一致的，空格和单位可能出现在奇怪的地方。这在原始数据文件中很常见，但不会带来任何问题。

1.2、打印文件头及其位置：

• 为让文件头数据更容易理解，将列表中的每个文件头及其位置打印出来：

  import csv
  
  filename = './weather.csv'
  
  with open(filename) as f:
      reader = csv.reader(f)
      header_row = next(reader)
     
      for index, column_header in enumerate(header_row):
          print(index, column_header)
  # 输出结果如下：
  0 AKDT
  1 Max TemperatureF
  2 Mean TemperatureF
  3 Min TemperatureF
  ————snip—————
  19 PrecipitationIn
  20  CloudCover
  21  Events
  22  WindDirDegrees
  

  • 我们对列表调用了enumerate()来获取每个元素的索引及其值。

1.3、提取并读取数据：

• 知道需要哪些列中的数据后，我们来读取一些数据。首先读取每天的最高气温

  import csv
  
  filename = './weather.csv'
  
  with open(filename) as f:
      reader = csv.reader(f)
      header_row = next(reader)
  
      highs = []
  
      for row in reader:
          highs.append(row[1])
  
      print(highs)
  # 输出结果如下：
  ['64', '71', '64', '59', '69', '62', '61', '55', '57', '61', '57', '59', '57', '61', '64', '61', '59', '63', '60', '57', '69', '63', '62', '59', '57', '57', '61', '59', '61', '61', '66']
  

• 下面使用int() 将这些字符串转换为数字，让matplotlib能够读取它们

  import csv
  
  filename = './weather.csv'
  
  with open(filename) as f:
      reader = csv.reader(f)
      header_row = next(reader)
  
      highs = []
  
      for row in reader:
          highs.append(int(row[1]))
  
      print(highs)
  

1.4、绘制气温图表：

• 为可视化这些气温数据，我们首先使用matplotlib创建一个显示每日最高气温的简单图形。

  

  • 我们将最高气温列表传给plot()，并传递c='red' 以便将数据点绘制为红色

1.5、模块datetime：

• 下面在图表中添加日期，使其更有用。在天气数据文件中，第一个日期在第二行：

• 读取该数据时，获得的是一个字符串，因为我们需要想办法将字符串’2014-7-1’ 转换为一个表示相应日期的对象。

  • 为创建一个表示2019年1月1日的对象，可使用模块datetime 中的方法strptime()

    from datetime import datetime
    
    first_date = datetime.strptime('2019-1-1', '%Y-%m-%d')
    print(first_date)
    

    • 我们首先导入了模块datetime 中的datetime 类，然后调用方法strptime() ，并将包含所需日期的字符串作为第一个实参
    • 第二个实参告诉Python如何设置日期的格式
    • 方法strptime() 可接受各种实参，并根据它们来决定如何解读日期

• 模块datetime中设置日期和时间格式的实参：

  实参	含义
  %A	星期的名称，如Monday
  %B	月份名，如January
  %m	用数字表示月份(01~12)
  %d	用数字表示月份中的一天(01~31)
  %Y	四位的年份，如2019
  %y	二位的年份，如15
  %H	24小时制的小时数(00~23)
  %I	12小时制的小时数(01~12)
  %P	am或pm
  %M	分钟数(00~59)
  %S	秒数(00~61)

1.6、再图表中添加日期：

• 即提取日期和最高气温，并将它们传递给plot()

  import csv
  from datetime import datetime
  from matplotlib import pyplot as plt
  
  
  # 从文件中获取日期和最高气温
  filename = 'weather.csv'
  with open(filename) as f:
      reader = csv.reader(f)
      header_now = next(reader)
  
      dates, highs = [], []
  
      for row in reader:
          current_date = datetime.strptime(row[0], '%Y-%m-%d')
          dates.append(current_date)
  
          high = int(row[1])
          highs.append(high)
  
      # 根据数据绘制图形
      fig = plt.figure(dpi=128, figsize=(10, 6))
      plt.plot(dates, highs, c='red')
  
      # 设置图形的形式
      plt.title('Weather', fontsize=24)
      plt.xlabel('', fontsize=16)
  
      fig.autofmt_xdate()
      plt.ylabel('Temperature (F)', fontsize=16)
      plt.tick_params(axis='both', which='major', labelsize=16)
  
      plt.show()
  

  • 我们创建了两个空列表，用于存储从文件中提取的日期和最高气温，我们将包含日期信息的数据（row[0] ）转换为datetime 对象

  • 我们将日期和最高气温值传递给plot()

  • 我们调用了fig.autofmt_xdate() 来绘制斜的日期标签，以免它们彼此重叠

    

1.7、涵盖更长的时间：

• 设置好图表后，我们来添加更多的数据，以成一幅更复杂的，导入一个weather_2014.csv的文件。

  import csv
  from datetime import datetime
  from matplotlib import pyplot as plt
  
  
  # 从文件中获取日期和最高气温
  filename = 'weather_2014.csv'
  with open(filename) as f:
      reader = csv.reader(f)
      header_now = next(reader)
  
      dates, highs = [], []
  
      for row in reader:
          current_date = datetime.strptime(row[0], '%Y-%m-%d')
          dates.append(current_date)
  
          high = int(row[1])
          highs.append(high)
  
      # 根据数据绘制图形
      fig = plt.figure(dpi=128, figsize=(10, 6))
      plt.plot(dates, highs, c='red')
  
      # 设置图形的形式
      plt.title('Weather', fontsize=24)
      plt.xlabel('', fontsize=16)
  
      fig.autofmt_xdate()
      plt.ylabel('Temperature (F)', fontsize=16)
      plt.tick_params(axis='both', which='major', labelsize=16)
  
      plt.show()
  

  

1.8、再绘制一个数据系列：

• 我们可以在其中再添加最低气温数据，使其更有用

  import csv
  from datetime import datetime
  from matplotlib import pyplot as plt
  
  
  # 从文件中获取日期和最高气温
  filename = 'weather_2014.csv'
  with open(filename) as f:
      reader = csv.reader(f)
      header_now = next(reader)
  
      dates, highs, lows = [], [], []
  
      for row in reader:
          current_date = datetime.strptime(row[0], '%Y-%m-%d')
          dates.append(current_date)
  
          high = int(row[1])
          highs.append(high)
  
          low = int(row[3])
          lows.append(low)
  
      # 根据数据绘制图形
      fig = plt.figure(dpi=128, figsize=(10, 6))
      plt.plot(dates, highs, c='red')
      plt.plot(dates, lows, c='blue')
  
      # 设置图形的形式
      plt.title('Weather', fontsize=24)
      plt.xlabel('', fontsize=16)
  
      fig.autofmt_xdate()
      plt.ylabel('Temperature (F)', fontsize=16)
      plt.tick_params(axis='both', which='major', labelsize=16)
  
      plt.show()
  

  • 我们添加了空列表lows ，用于存储最低气温。接下来，我们从每行的第4列（row[3] ）提取每天的最低气温，并存储它们

  • 我们添加了一个对plot() 的调用，以使用蓝色绘制最低气温

    

• 再一个图表中包含两个数据系列

1.9、给图表区域着色

• 给这个图表做最后的修饰，通过着色来呈现每天的气温范围。

• 我们将使用方法fill_between() ，它接受一个 x 值系列和两个 y 值系列，并填充两个 y 值系列之间的空间：

  import csv
  from datetime import datetime
  from matplotlib import pyplot as plt
  
  
  # 从文件中获取日期和最高气温
  filename = 'weather_2014.csv'
  with open(filename) as f:
      reader = csv.reader(f)
      header_now = next(reader)
  
      dates, highs, lows = [], [], []
  
      for row in reader:
          current_date = datetime.strptime(row[0], '%Y-%m-%d')
          dates.append(current_date)
  
          high = int(row[1])
          highs.append(high)
  
          low = int(row[3])
          lows.append(low)
  
      # 根据数据绘制图形
      fig = plt.figure(dpi=128, figsize=(10, 6))
      plt.plot(dates, highs, c='red', alpha=0.5)
      plt.plot(dates, lows, c='blue', alpha=0.5)
      plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
  
      # 设置图形的形式
      plt.title('Weather', fontsize=24)
      plt.xlabel('', fontsize=16)
  
      fig.autofmt_xdate()
      plt.ylabel('Temperature (F)', fontsize=16)
      plt.tick_params(axis='both', which='major', labelsize=16)
  
      plt.show()
  

  • 实参alpha 指定颜色的透明度。

    • Alpha 值为0表示完全透明，1表示完全不透明。通过将alpha 设置为0.5，可让红色和蓝色折线的颜色看起来更浅。

  • 我们向fill_between() 传递了一个 x 值系列：列表dates ，还传递了两个 y 值系列：highs 和lows

  • 实参facecolor 指定了填充区域的颜色，我们还将alpha设置成了较小的值0.1，让填充区域将两个数据系列连接起来的同时不分散观察者的注意力。

    

1.10、错误检查：

• 但有些气象站会偶尔出现故障，未能收集部分或全部其应该收集的数据。

• 缺失数据可能会引发异常，如果不妥善地处理，还可能导致程序崩溃。

  --snip--
  # 从文件中获取日期、最高气温和最低气温
  filename = 'death_valley_2014.csv'
  with open(filename) as f:
  --snip--
  

  • 运行这个程序时,出现一个错误：

    C:\Users\lh9\PycharmProjects\untitled1\venv\Scripts\python.exe C:/Users/lh9/PycharmProjects/request/my_test01.py
    Traceback (most recent call last):
      File "C:/Users/lh9/PycharmProjects/request/my_test01.py", line 1457, in <module>
        high = int(row[1])
    ValueError: invalid literal for int() with base 10: ''
    
    Process finished with exit code 1
    

    • 该traceback指出，Python无法处理其中一天的最高气温，因为它无法将空字符串（’ ’ ）转换为整数。

• 再此修改：

  dates, highs, lows = [], [], []
  
      for row in reader:
          try:
              current_date = datetime.strptime(row[0], '%Y-%m-%d')
  
              high = int(row[1])
              low = int(row[3])
          except ValueError:
              print(current_date, 'missing data')
          else:
              dates.append(current_date)
              highs.append(high)
              lows.append(low)
  

  • 只要缺失其中一项数据，Python就会引发ValueError 异常，而我们可这样处理：打印一条错误消息， 指出缺失数据的日期
  • 打印错误消息后，循环将接着处理下一行。如果获取特定日期的所有数据时没有发生错误，将运行else 代码块，并将数据附加到相应列表的末尾
    

2、JSON格式：

• Pygal提供了一个适合初学者使用的地图创建工具，你将使用它来对人口数据进行可视化，以探索全球人口的分布情况。

2.1、下载世界人口数据：

• （http://data.okfn.org/ ）提供了大量可以免费使用的数据集，这些数据就来自其中一个数据集。

2.2、提取相关的数据：

• 这个文件实际上就是一个很长的Python列表，其中每个元素都是一个包含四个键的字典：国家名、国别码、年份以及表示人口数量的值。我们只关心每个国家2010年的人口数量，因此我们首先编写一个打印这些信息的程序：

  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)
  
  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)
  

  • 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。

    rab World: 357868000
    Caribbean small states: 6880000
    East Asia & Pacific (all income levels): 2201536674
    --snip--
    Zimbabwe: 12571000
    

2.3、将字符串转换为数字值：

• 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():

• 我们先将字符串转换为浮点数，再将浮点数转换为整数：

  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)
  
  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))
  
  

  • 函数float() 将字符串转换为小数，而函数int() 丢弃小数部分，返回一个整数

  Arab World: 357868000
  Caribbean small states: 6880000
  East Asia & Pacific (all income levels): 2201536674
  --snip--
  Zimbabwe: 12571000
  

2.4、获取两个字母的国别码

• 首先安装pip install pygal_maps_world

• 再代码文件中添加from pygal_maps_world.i18n import COUNTRIES

  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
  
  
  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,我们遍历COUNTRIES 中的国家名—国别码对

  • 如果找到指定的国家名，就返回相应的国别码，在循环后面，我们在没有找到指定的国家名时返回None

    ad
    ae
    af
    

  • 完善这个获取两个字母的国别码：

    import json
    
    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
    
    # 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)
    
    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(country_name + ": " + str(population))
    

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

  import pygal_maps_world.maps
  
  wm = pygal_maps_world.maps.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World 实例，并设置了该地图的的title 属性

  • 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

  • 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

    

2.6、再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：

  import pygal_maps_world.maps
  
  wm = pygal_maps_world.maps.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')
  

  • 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）

    

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

  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
  
  
  import json
  import pygal_maps_world.maps
  
  # 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 = pop_dict['Country Name']
          population = int(float(pop_dict['Value']))
  
          code = get_country_code(country)
          if code:
              cc_populations[code] = population
  
  wm = pygal_maps_world.maps.World()
  wm.title = 'World Population in 2010, by Country'
  
  wm.add('2010', cc_populations)
  wm.render_to_file('world_population.svg')
  

  • 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Worldmap 实例，并设置其title 属性

  • 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

    

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

  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
  
  
  import json
  import pygal_maps_world.maps
  
  # 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 = pop_dict['Country Name']
          population = int(float(pop_dict['Value']))
  
          code = get_country_code(country)
          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
  
  # 看看每组分别包含了多少个国家
  print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
  
  
  wm = pygal_maps_world.maps.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

  • 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。

    

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

• 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：

  import json
  import pygal
  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--
  wm_style = RotateStyle('#336699')
  wm = pygal.Worldmap(style=wm_style)
  wm.title = 'World Population in 2010, by Country'
  --snip--
  

  • 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 color chooser（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World() 实例时以关键字实参的方式传递它

    

2.10、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_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
  
  
  import json
  import pygal_maps_world.maps
  from pygal.style import LightColorizedStyle, RotateStyle
  
  # 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 = pop_dict['Country Name']
          population = int(float(pop_dict['Value']))
  
          code = get_country_code(country)
          if code:
              cc_populations[code] = population
  
  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
  
  wm_style = RotateStyle('#336699', base_style=LightColorizedStyle)
  wm = pygal_maps_world.maps.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')
  

  • 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。

  • 再使用RotateStyle 创建一种样式，并传入另一个实参base_style

  • 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