Python的数据可视化

Myth丶恋晨 2023-10-06 08:38 64阅读 0赞

## Python的数据可视化 ##

本文参考书籍：《Python编程：从入门到实践》

#### 目录 ####

*  Python的数据可视化
 *   *  生成数据
     *   *  绘制简单的折线图
         *   *  修改标签文字和线条粗细
             *  给plot()同时提供输入和输出值
             *  使用scatter()绘制散点图并设置样式
             *  使用scatter()绘制一系列点
             *  自动计算数据，绘制1000个散点
             *  删除数据点的轮廓
             *  自定义颜色
             *  使用颜色映射
             *  自动保存图表
         *  随机漫步
         *   *  创建RandomWalk()类
             *  选择方向
             *  绘制随机漫步图
             *  模拟多次随机漫步
             *  设置随机漫步图的样式
             *   *  给点着色
                 *  重新绘制起点和终点
                 *  隐藏坐标轴
                 *  增加点数
                 *  调整尺寸以适合屏幕
         *  使用Pygal模拟掷骰子
         *   *  创建Die类
             *  掷骰子
             *  分析结果
             *  绘制直方图
             *  同时掷两个骰子
             *  同时掷两个面数不同的骰子
     *  下载数据
     *   *  CSV文件格式
         *   *  分析CSV文件头
             *  打印文件头及其位置
             *  提取并读取数据
             *  绘制气温图表
             *  模块datetime
             *  在图表中添加日期
             *  涵盖更长的时间
             *  再绘制一个数据系列
             *  给图表区域着色
             *  错误检查
         *  制作交易收盘价走势图：JSON格式
         *   *  下载收盘价数据
             *  提取相关的数据
             *  将字符串转换为数字值
             *  绘制收盘价折线图
             *  时间序列特征初探
             *  收盘价均值
             *  收盘价数据仪表盘
     *  使用API
     *   *  使用Web API
         *   *  使用API调用请求数据
             *  requests
             *  处理API响应
             *  处理响应字典
             *  打印API调用返回的信息：概述最受欢迎的仓库
         *  使用Pygal可视化仓库信息
         *   *  改进Pygal图表
             *  添加自定义工具提示
             *  根据数据绘图
             *  在图表中添加可单击的链接
         *  Hacker News网站的 API调用

### 生成数据 ###

matplotlib:数学绘图库  
Pygal包：专注于生成适合在数字设备上显示的图表

#### 绘制简单的折线图 ####

import matplotlib.pyplot as plt	#导入模块pyplot，并给它指定别名为plt
    squares = [1, 4, 9, 16, 25]
    #默认第一个数据点对应的x为0，以此类推
    plt.plot(squares)	#(0,1) (1,4) (2,9) (3,16) (4,25)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70]

##### 修改标签文字和线条粗细 #####

import matplotlib.pyplot as plt
    squares = [1, 4, 9, 16, 25]
    #参数linewidth决定了plot()绘制的线条的粗细
    plt.plot(squares, linewidth=5)	
    #设置图表标题，并给坐标轴加上标签
    #函数title()给图表指定标题
    #参数fontsize指定了图表中文字的大小
    plt.title("Square Numbers", fontsize=24)
    #函数xlabel(),ylabel()为每条轴设置标题
    plt.xlabel("Value", fontsize=14)
    plt.ylabel("Square of Value", fontsize=14)
    #设置刻度标记的大小
    #函数tick_params()设置刻度样式，
    #其中指定的实参将影响x、y轴上的刻度(axis='both')
    #并将刻度标记的字号设置为14(labelsize=14)
    plt.tick_params(axis='both', labelsize=14)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 1]

##### 给plot()同时提供输入和输出值 #####

import matplotlib.pyplot as plt
    input_values = [1, 2, 3, 4, 5]
    squares = [1, 4, 9, 16, 25]
    plt.plot(input_values, squares, linewidth=5)
    plt.title("Square Numbers", fontsize=24)
    plt.xlabel("Value", fontsize=14)
    plt.ylabel("Square of Value", fontsize=14)
    plt.tick_params(axis='both', labelsize=14)
    plt.show()

##### 使用scatter()绘制散点图并设置样式 #####

import matplotlib.pyplot as plt
    #向函数scatter()传递一对x和y坐标，
    #它将在指定位置绘制一个点
    plt.scatter(2, 4)
    plt.show()
    
    #设置格式
    import matplotlib.pyplot as plt
    #实参s设置绘制图形时使用的点的尺寸
    plt.scatter(2, 4, s=200)
    plt.title("Square Numbers",fontsize=24)
    plt.xlabel("Value",fontsize=14)
    plt.ylabel("Square of Value",fontsize=14)
    plt.tick_params(axis='both',which='major',labelsize=14)
    plt.show()

##### 使用scatter()绘制一系列点 #####

import matplotlib.pyplot as plt
    #向scatter()传递两个分别包含x和y值的列表
    x_values = [1, 2, 3, 4, 5]
    y_values = [1, 4, 9, 16, 25]
    plt.scatter(x_values, y_values, s=100)
    plt.title("Square Numbers",fontsize=24)
    plt.xlabel("Value", fontsize=14)
    plt.ylabel("Square of Value", fontsize=14)
    plt.tick_params(axis='both', which='major', labelsize=14)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 2]

##### 自动计算数据，绘制1000个散点 #####

import matplotlib.pyplot as plt
    x_values = list(range(1, 1001))
    y_values = [x**2 for x in x_values]
    plt.scatter(x_values, y_values, s=40)
    plt.title("Square Numbers",fontsize=24)
    plt.xlabel("Value", fontsize=14)
    plt.ylabel("Square of Value", fontsize=14)
    # 设置每个坐标轴的取值范围
    # 函数axis()要求提供x和y轴的最小值和最大值
    plt.axis([0, 1100, 0, 1100000])
    plt.tick_params(axis='both', which='major', labelsize=14)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 3]

##### 删除数据点的轮廓 #####

matplotlib允许给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓。

# 在调用scatter()时传递实参edgecolor='none',删除数据点轮廓
    plt.scatter(x_values,y_values,edgecolor='none',s=40)

##### 自定义颜色 #####

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用的颜色的名称

plt.scatter(x_values, y_values, c='red', s=100)

还可使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c，并将其设置为一个元组，其中包含三个0~1之间的小数值，分别代表红色、绿色、蓝色分量。值越接近于0，颜色越深，越接近1颜色越浅

plt.scatter(x_values, y_values, c=(1, 0.1, 1), s=100)

##### 使用颜色映射 #####

颜色映射是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，如可用较浅颜色显示较小的值，用较深颜色显示较大的值  
模块pyplot内置了一组颜色映射。若需使用颜色映射，需告知pyplot该如何设置数据集中每个点的颜色

# 将参数c设置为一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射
    #以下将y值较小的点设置为浅蓝色，y值较大的点设置为深蓝色
    plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=100)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 4]

##### 自动保存图表 #####

要让程序自动将图表保存到文件中，可进行plt.savefig()调用

#scatter_squares.py文件
    #第一个实参指定要以什么样的文件名保存图表
    #此文件将保存在scatter_squares.py所在的目录中
    #第二个实参指定将图表多余的空白区域裁剪掉
    plt.savefig('squares_plot.png',bbox_inches='tight')

#### 随机漫步 ####

随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的

##### 创建RandomWalk()类 #####

RandomWalk类随机地选择前进方向，这个类需三个属性，其一为存储随机漫步次数的变量，其他两个为列表，分别存储随机漫步经过的每个点的x和y坐标

from random import choice
    #在每次决策时使用choice()来决定使用哪种选择
    class RandomWalk()：
    	def __init__(self,num_points=5000):
    		#初始化随机漫步的属性
    		self.num_points=num_points
    		#所有随机漫步都始于（0,0）
    		self.x_values=[0]
    		self.y_values=[0]

##### 选择方向 #####

在RandomWalk类中添加fill\_walk()来生成漫步包含的点，并决定每次漫步的方向

def fill_walk(self):
    	#计算随机漫步包含的所有点
    	#不断漫步，直到列表达到指定的长度
    	while len(self.x_values)<self.num_points:
    		#决定前进方向以及沿这个方向前进的距离
    		x_direction=choice([1,-1])
    		#给x_direction选择一个值
    		#表示向右走1或向左走1
    		x_distance=choice([0,1,2,3,4])
    		#随机选择一个0~4之间的整数
    		#告知沿指定的方向走多远
    		x_step=x_direction*x_distance
    		#将移动方向乘以移动距离
    		#确定沿x轴移动的距离
    		y_direction=choice([1,-1])
    		y_distance=choice([0,1,2,3,4])
    		y_step=y_direction*y_distance
    		#拒绝原地踏步情况
    		if x_step==0 and y_step==0:
    			continue
    		#计算下一个点的x和y值
    		#将x_step和x_values中最后一个值相加
    		next_x=self.x_values[-1]+x_step
    		next_y=self.y_values[-1]+y_step
    		#获得下一个点的x、y后，附加到列表末尾
    		self.x_values.append(next_x)
    		self.y_values.append(next_y)

##### 绘制随机漫步图 #####

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()
    plt.scatter(rw.x_values, rw.y_values, s=15)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 5]

##### 模拟多次随机漫步 #####

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    #只要程序处于活动状态，就不断进行模拟随机漫步
    while True:
        rw = RandomWalk()
        rw.fill_walk()
        plt.scatter(rw.x_values, rw.y_values, s=15)
        plt.show()
    
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

##### 设置随机漫步图的样式 #####

###### 给点着色 ######

使用颜色映射指出漫步中各点的先后顺序，并删除每个点的黑色轮廓  
为根据漫步中各点的先后顺序进行着色，传递参数c，并将其设置为一个列表，其中包含各点的先后顺序。由于这些点是按顺序绘制的，给参数c指定的列表只需包含数字1~5000

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 6]

###### 重新绘制起点和终点 ######

让起点和终点变得更大，并显示为不同的颜色

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    while True:
        rw = RandomWalk()
        rw.fill_walk()
        point_numbers = list(range(rw.num_points))
        plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=15)
        plt.scatter(0, 0, c='green', edgecolors='none', s=100)
        plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
        plt.show()
    
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 7]

###### 隐藏坐标轴 ######

使用函数plt.axes()将每条坐标轴的可见性设为False

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    while True:
        rw = RandomWalk()
        rw.fill_walk()
        point_numbers = list(range(rw.num_points))
        plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=15)
        plt.scatter(0, 0, c='green', edgecolors='none', s=100)
        plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
        #隐藏坐标轴
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)
        plt.show()
    
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 8]

###### 增加点数 ######

在创建RandomWalk实例时增加new\_points的值，并调整每个点的大小

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    while True:
        rw = RandomWalk(50000)
        rw.fill_walk()
        point_numbers = list(range(rw.num_points))
        plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)
        plt.scatter(0, 0, c='green', edgecolors='none', s=100)
        plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)
        plt.show()
    
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 9]

###### 调整尺寸以适合屏幕 ######

函数figure()用于指定图表的宽度、高度、分辨率和背景色。需给形参figsize指定一个元组，向matplotlib指出绘图窗口的尺寸，单位为英寸

import matplotlib.pyplot as plt
    from random_walk import RandomWalk
    while True:
        rw = RandomWalk(50000)
        rw.fill_walk()
        # 设置绘图窗口的尺寸
        plt.figure(figsize=(10, 6))
        point_numbers = list(range(rw.num_points))
        plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)
        plt.scatter(0, 0, c='green', edgecolors='none', s=100)
        plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)
        plt.axes().get_xaxis().set_visible(False)
        plt.axes().get_yaxis().set_visible(False)
        plt.show()
    
        keep_running = input("Make another walk? (y/n): ")
        if keep_running == 'n':
            break

还可用形参dpi向figure()传递分辨率

plt.figure(dpi=128, figsize=(10, 6))

#### 使用Pygal模拟掷骰子 ####

##### 创建Die类 #####

下面的类模拟掷一个骰子

from random import randint
    
    class Die():
        
        def __init__(self, num_sides=6):
            self.num_sides = num_sides
        
        def roll(self):
        	# 返回一个位于1和骰子面数之间的随机值
            return randint(1, self.num_sides)

方法\_\_init\_\_()接受一个可选参数，创建这个类的实例时，若没有指定任何实参，面数默认为6；若指定了实参，这个值将用于设置骰子的面数。

##### 掷骰子 #####

from die import Die
    die = Die()
    # 掷几次骰子，并将结果存储在一个列表中
    results = []
    for roll_num in range(100):
        result = die.roll()
        results.append(result)
        
    print(results)

##### 分析结果 #####

计算每个点数出现的次数

from die import Die
    die = Die()
    results = []
    for roll_num in range(1000):
        result = die.roll()
        results.append(result)
    
    frequencies = []
    for value in range(1,die.num_sides+1):
        frequency = results.count(value)
        frequencies.append(frequency)
    
    print(frequencies)

##### 绘制直方图 #####

import pygal
    from die import Die
    die = Die()
    results = []
    for roll_num in range(1000):
        result = die.roll()
        results.append(result)
    
    frequencies = []
    for value in range(1, die.num_sides+1):
        frequency = results.count(value)
        frequencies.append(frequency)
    # 创建条形图，创建pygal.Bar()实例
    hist = pygal.Bar()
    
    hist.title = "Results of rolling one D6 1000 times."
    hist.x_labels = ['1', '2', '3', '4', '5', '6']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    
    # 使用add()将一系列值添加到图表中（向它传递要给添加的值指定的标签，还有
    # 一个列表，其中包含将出现在图表中的值）
    hist.add('D6', frequencies)
    # 将直方图渲染为SVG文件
    hist.render_to_file('die_visual.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 10]

##### 同时掷两个骰子 #####

import pygal
    from die import Die
    die_1 = Die()
    die_2 = Die()
    results = []
    for roll_num in range(1000):
        result = die_1.roll() + die_2.roll()
        results.append(result)
    
    frequencies = []
    max_result = die_1.num_sides + die_2.num_sides
    for value in range(2, max_result+1):
        frequency = results.count(value)
        frequencies.append(frequency)
    
    hist = pygal.Bar()
    
    hist.title = "Results of rolling two D6 1000 times."
    hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    
    hist.add('D6 + D6', frequencies)
    hist.render_to_file('dice_visual.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 11]

##### 同时掷两个面数不同的骰子 #####

import pygal
    from die import Die
    die_1 = Die()
    die_2 = Die(10)
    results = []
    for roll_num in range(50000):
        result = die_1.roll() + die_2.roll()
        results.append(result)
    
    frequencies = []
    max_result = die_1.num_sides + die_2.num_sides
    for value in range(2, max_result+1):
        frequency = results.count(value)
        frequencies.append(frequency)
    
    hist = pygal.Bar()
    
    hist.title = "Results of rolling a D6 and a D10 50,000 times."
    hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    
    hist.add('D6 + D10', frequencies)
    hist.render_to_file('dice_visual.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 12]

### 下载数据 ###

#### CSV文件格式 ####

要在文本文件中存储数据，可将数据作为一系列以逗号分隔的值（CSV）写入文件，这样的文件称CSV文件  
如：

2014-1-5,61,44,26,18,7,-1,56,30,9,30.34,30.27,30.15,,,,10,4,,0.00,0,,195

##### 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

import csv
    
    # 将要使用的文件名称存储在filename中
    filename = 'sitka_weather_07-2014.csv'
    # 打开这个文件，并将结果文件对象存储在f中
    with open(filename) as f:
    # 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。将这个阅读器对象存储在reader中
        reader = csv.reader(f)
    # 模块csv的reader类包含next()方法，调用内置函数next()
    # 并将一个reader作为参数传递给它时，将调用reader的
    # next()方法，从而返回文件的下一行。此处只调用了next()
    # 一次，因此得到的是文件的第一行，其中包含文件头。将
    # 返回的数据存储在header_row中
    # reader处理文件中以逗号分隔的第一行数据，并将每项数据
    # 都作为一个元素存储在列表中
        header_row = next(reader)
        print(header_row)

##### 打印文件头及其位置 #####

将列表中的每个文件头及其位置打印出来

import csv
    
    filename = 'sitka_weather_07-2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = next(reader)
    
    # 对列表调用了enumerate()来获取每个元素的索引及其值
        for index, column_header in enumerate(header_row):
            print(index, column_header)

##### 提取并读取数据 #####

import csv
    
    # 从文件中获取最高气温
    filename = 'sitka_weather_07-2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = next(reader)
    
        highs = []
        for row in reader:
    # 阅读器对象从其停留的地方继续向下读取CSV文件，每次都
    # 自动返回当前所处位置的下一行
            highs.append(row[1])
    
        print(highs)

使用int()将这些字符串转换为数字，让matplotlib能读取它们：

for row in reader:
            high = int(row[1])
            highs.append(high)

##### 绘制气温图表 #####

使用matplotlib创建一个显示每日最高气温的简单图形：

import csv
    
    from matplotlib import pyplot as plt
    filename = 'sitka_weather_07-2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = next(reader)
    
        highs = []
        for row in reader:
            high = int(row[1])
            highs.append(high)
    
        fig = plt.figure(dpi=128, figsize=(10, 6))
        # 将最高气温列表传给plot()
        plt.plot(highs, c='red')
        plt.title("Daily high temperatures, July 2014",fontsize=24)
        plt.xlabel('', fontsize=16)
        plt.ylabel("Temperature (F)", fontsize=16)
        plt.tick_params(axis='both', which='major', labelsize=16)
        
        plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 13]

##### 模块datetime #####

在图表中添加日期  
应将日期字符串转换为一个表示相应日期的对象，可使用模块datetime中的方法strptime()  
![在这里插入图片描述][20200518203439953.png]  
导入m-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。第二个实参告知如何设置日期的格式。  
在此示例中，’%Y-‘将字符串中第一个连字符前面的部分视为四位的年份；’%m-‘将第二个连字符前面的部分视为表示月份的数字；’%d-'将字符串的最后一部分视为月份中的一天

模块datetime中设置日期和时间格式的实参：

%A			# 星期的名称，如Monday
    %B			# 月份名，如January
    %m			# 用数字表示的月份（01~12）
    %d			# 用数字表示月份中的一天（01~31）
    %Y			# 四位的年份，如2015
    %y			# 两位的年份，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）

##### 在图表中添加日期 #####

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename = 'sitka_weather_07-2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = 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)
    
        fig = plt.figure(dpi=128, figsize=(10, 6))
        plt.plot(dates, highs, c='red')
        plt.title("Daily high temperatures, July 2014",fontsize=24)
        plt.xlabel('', fontsize=16)
        #调用斜的日期标签，以免彼此重叠
        fig.autofmt_xdate()
        plt.ylabel("Temperature (F)", fontsize=16)
        plt.tick_params(axis='both', which='major', labelsize=16)
    
        plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 14]

##### 涵盖更长的时间 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 15]

##### 再绘制一个数据系列 #####

添加最低温数据

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename = 'sitka_weather_2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = 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)
    
        fig = plt.figure(dpi=128, figsize=(10, 6))
        plt.plot(dates, highs, c='red')
        plt.plot(dates, lows, c='blue')
        xlim1 = datetime.strptime("2014-1", "%Y-%m")
        xlim2 = datetime.strptime("2014-12", "%Y-%m")
        plt.xlim([xlim1, xlim2])
        plt.ylim([10, 80])
        plt.title("Daily high and low temperatures - 2014", 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()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 16]

##### 给图表区域着色 #####

通过着色呈现每天的气温范围  
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

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename = 'sitka_weather_2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = 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)
    
        fig = plt.figure(dpi=128, figsize=(10, 6))
        # alpha指定颜色的透明度，alpha=0表示完全透明，1（默认设置）表示完全
        # 不透明   		
        plt.plot(dates, highs, c='red', alpha=0.5)
        plt.plot(dates, lows, c='blue', alpha=0.5)
        #实参facecolor指定了填充区域的颜色
        plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)
        xlim1 = datetime.strptime("2014-1", "%Y-%m")
        xlim2 = datetime.strptime("2014-12", "%Y-%m")
        plt.xlim([xlim1, xlim2])
        plt.ylim([10, 80])
        plt.title("Daily high and low temperatures - 2014", 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()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 17]

##### 错误检查 #####

在从CSV文件中读取值时执行错误检查代码，对分析数据集时可能出现的异常进行处理

import csv
    from datetime import datetime
    from matplotlib import pyplot as plt
    filename = 'death_valley_2014.csv'
    with open(filename) as f:
        reader = csv.reader(f)
        header_row = next(reader)
    
        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])
            # 打印一条错误信息，指出缺失数据的日期。打印错误信息后，循环将
            # 接着处理下一行
            except ValueError:
                print(current_date, 'missing data')
            # 若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
            else:
                dates.append(current_date)
                highs.append(high)
                lows.append(low)
    
        fig = plt.figure(dpi=128, figsize=(11, 7))
        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)
        xlim1 = datetime.strptime("2014-1", "%Y-%m")
        xlim2 = datetime.strptime("2014-12", "%Y-%m")
        plt.xlim([xlim1, xlim2])
        plt.ylim([20, 120])
        plt.title("Daily high and low temperatures - 2014\nDeath Valley,CA", 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()

运行后显示：  
![在这里插入图片描述][2020051909085549.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 18]

#### 制作交易收盘价走势图：JSON格式 ####

##### 下载收盘价数据 #####

1.使用函数urlopen来下载数据

from __future__ import (absolute_import, division, print_function, unicode_literals)
    from urllib.request import urlopen
    import json
    json_url = 'https://raw.githubusercontent.com/muxuezi/btc/master/btc_close_2017.json'
    # urlopen(json_url)是将json_url网址传入urlopen函数
    response = urlopen(json_url)
    # 读取数据
    req = response.read()
    # 将数据写入文件
    with open('btc_close_2017_urllib.json','wb') as f:
        f.write(req)
    # 加载json格式
    # 用函数json.load()将文件内容转换成Python能处理的格式
    file_urllib = json.loads(req)
    print(file_urllib)

2.第三方模块requests可更简单的下载数据

import requests
    
    json_url = 'https://raw.githubusercontent.com/muxuezi/btc/master/btc_close_2017.json'
    # requests通过get方法向GitHub服务器发送请求
    # GitHub服务器响应请求后，返回的结果存储在req变量中
    req = requests.get(json_url)
    # 将数据写入文件
    with open('btc_close_2017_request.json','w') as f:
    # req.text属性可以直接读取文件数据，返回格式是字符串
        f.write(req.text)
    # 直接用req.json()可将btc_close_2017.json文件的数据转换为
    # Python列表file_requests
    file_requests = req.json()

##### 提取相关的数据 #####

import json
    # 将数据加载到一个列表中
    filename = 'btc_close_2017_request.json'
    with open(filename) as f:
    # 将数据存储在btc_data中
    
        btc_data = json.load(f)
        
    # 遍历btc_data中的每个元素，每个元素都是一个字典，包含5个键值对
    # btc_dict用于存储字典中的每个键值对，之后取出所有键的值
    
    # 打印每一天的信息
    for btc_dict in btc_data:
        date = btc_dict['date']
        month = btc_dict['month']
        week = btc_dict['week']
        weekday = btc_dict['weekday']
        close = btc_dict['close']
        print("{} is month {} week {},{},the close price is {} RMB".format(date, month, week, weekday, close))

##### 将字符串转换为数字值 #####

Python不能直接将包含小数点的字符串转换为整数，需先将字符串转换为浮点数，再将浮点数转换为整数（截尾取整）

import json
    
    filename = 'btc_close_2017_request.json'
    with open(filename) as f:
        btc_data = json.load(f)
    for btc_dict in btc_data:
        date = btc_dict['date']
        month = int(btc_dict['month'])
        week = int(btc_dict['week'])
        weekday = btc_dict['weekday']
        close = int(float(btc_dict['close']))
        print("{} is month {} week {},{},the close price is {} RMB".format(date, month, week, weekday, close))

##### 绘制收盘价折线图 #####

使用Pygal绘制折线图

import json
    import pygal
    filename = 'btc_close_2017_request.json'
    with open(filename) as f:
        btc_data = json.load(f)
    # 创建5个列表，分别存储日期和收盘价
    dates = []
    months = []
    weeks = []
    weekdays = []
    close = []
    # 每一天的信息
    for btc_dict in btc_data:
        dates.append(btc_dict['date'])
        months.append(int(btc_dict['month']))
        weeks.append(int(btc_dict['week']))
        weekdays.append(btc_dict['weekday'])
        close.append(int(float(btc_dict['close'])))
    
    # 在创建Line实例时，分别设置了x_label_rotation与
    # show_minor_x_labels作为初始化参数
    # x_label_rotation=20让x轴上的日期标签顺时针旋转20度
    # show_minor_x_labels=False告知图形不用显示所有的x标
    # 签
    line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
    line_chart.title = '收盘价(￥)'
    line_chart.x_labels = dates
    N = 20
    # 配置x_labels_major属性，让x轴坐标每隔20天显示一次
    line_chart.x_labels_major = dates[::N]
    line_chart.add('收盘价', close)
    line_chart.render_to_file('收盘价折线图(￥).svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 19]

##### 时间序列特征初探 #####

利用Pyhton标准库的数学模块math中的半对数变换

import json
    import pygal
    import math
    filename = 'btc_close_2017_request.json'
    with open(filename) as f:
        btc_data = json.load(f)
    dates = []
    months = []
    weeks = []
    weekdays = []
    close = []
    for btc_dict in btc_data:
        dates.append(btc_dict['date'])
        months.append(int(btc_dict['month']))
        weeks.append(int(btc_dict['week']))
        weekdays.append(btc_dict['weekday'])
        close.append(int(float(btc_dict['close'])))
    
    line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
    line_chart.title = '收盘价对数变换(￥)'
    line_chart.x_labels = dates
    N = 20
    line_chart.x_labels_major = dates[::N]
    close_log = [math.log10(_) for _ in close]
    line_chart.add('收盘价', close_log)
    line_chart.render_to_file('收盘价对数变换折线图(￥).svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 20]

##### 收盘价均值 #####

绘制一段时间内的日均值  
由于需将数据按月份、周数、周几分组，再计算每组的均值，因此导入模块  
itertools的函数groupby

from itertools import groupby
    
    
    def draw_line(x_date, y_data, title, y_legend):
        xy_map = []
        # 将x与y轴的数据合并、排序，再用函数groupby分组
        for x, y in groupby(sorted(zip(x_date,y_data)), key=lambda _: _[0]):
            y_list = [v for _, v in y]
            # 求出每组的均值，存储到xy_map变量中
            xy_map.append([x,sum(y_list) / len(y_list)])
        # 将xy_map中存储的x与y轴数据分离
        x_unique, y_mean = [*zip(*xy_map)]
        line_chart = pygal.Line()
        line_chart.title = title
        line_chart.x_labels = x_unique
        line_chart.add(y_legend, y_mean)
        line_chart.render_to_file(title+'.svg')
        return line_chart

绘制月日均值：

idx_month = dates.index('2017-12-01')
    line_chart_month = draw_line(months[:idx_month], close[:idx_month], '收盘价月日均值（￥）', '月日均值')
    line_chart_month

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 21]  
绘制周日均值：

idx_week = dates.index('2017-12-11')
    line_chart_week = draw_line(weeks[1:idx_week], close[1:idx_week], '收盘价周日均值（￥）', '周日均值')
    line_chart_week

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 22]

绘制每周中各天的均值：

idx_week = dates.index('2017-12-11')
    wd = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
    # 将weekdays的内容替换为1~7的整数
    weekdays_int = [wd.index(w) + 1 for w in weekdays[1:idx_week]]
    line_chart_weekday = draw_line(weekdays_int, close[1:idx_week], '收盘价星期均值（￥）', '星期均值')
    line_chart_weekday.x_labels = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
    line_chart_weekday.render_to_file('收盘价星期均值（￥）.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 23]

##### 收盘价数据仪表盘 #####

将前面绘制的图整合在一起

import json
    with open('收盘价Dashboard.html', 'w', encoding='utf8') as html_file:
        html_file.write('<html><head><title>收盘价Dashboard</title><meta charset="utf-8"></head><body>\n')
        for svg in [
                '收盘价折线图（￥）.svg', '收盘价对数变换折线图（￥）.svg', '收盘价月日均值（￥）.svg', '收盘价周日均值（￥）.svg','收盘价星期均值（￥）.svg'
        ]:
            html_file.write('<object type="image/svg+xml" data="{0}" height=500></object>\n'.format(svg))
        html_file.write('</body></html>')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 24]

### 使用API ###

使用Web应用编程接口（API）自动请求网站的特定信息而不是整个网页，再对这些信息进行可视化

#### 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。这种称为API调用。请求的数据将以易于处理的格式（json或csv）返回

##### 使用API调用请求数据 #####

https://api.github.com/search/repositories?q=language:python&sort=stars
    
    # 此调用返回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
    
    # 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
    # 接下来的一部分（search/repositories）让API搜索Github上的所有仓库
    # repositories后的问号指出我们要传递一个实参。q表示查询，等号让我们能
    # 开始指定查询。通过使用language:python，指出只想获取主要语言为
    # Python的仓库的信息，最后一部分（&sort=stars）指定将项目按星级排序

##### requests #####

requests包能向网站请求信息以及检查返回的响应

##### 处理API响应 #####

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)
    # 响应对象包含一个名为status_code的属性，它让我们知道请求是否成功
    # （状态码200表示请求成功）
    print("Status code:", r.status_code)
    
    # 将API响应存储在一个变量中
    # 方法json()将信息转换为一个Python字典
    response_dict = r.json()
    # 打印字典中的键
    print(response_dict.keys())

##### 处理响应字典 #####

import requests
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    # 与'items'相关联的值是一个列表，其中包含很多字典，而每个字典
    # 都包含有关一个Python仓库的信息，将此字典列表存储在repo_dicts中
    repo_dicts = response_dict['items']
    print("Repositories returned:", len(repo_dicts))
    
    repo_dict = repo_dicts[0]
    print("\nKeys:", len(repo_dict))
    for key in sorted(repo_dict.keys()):
        print(key)

提取repo\_dict中与一些键相关联的值：

import requests
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    repo_dicts = response_dict['items']
    print("Repositories returned:", len(repo_dicts))
    
    repo_dict = repo_dicts[0]
    
    print("\nSelected information about first repository:")
    print('Name:', repo_dict['name'])
    print('Owner:', repo_dict['owner']['login'])
    print('Stars:', 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'])

##### 打印API调用返回的信息：概述最受欢迎的仓库 #####

打印API调用返回的每个仓库的特定信息

import requests
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    repo_dicts = response_dict['items']
    print("Repositories returned:", len(repo_dicts))
    
    print("\nSelected information about each repository:")
    for repo_dict in repo_dicts:
        print('\nName:', repo_dict['name'])
        print('Owner:', repo_dict['owner']['login'])
        print('Stars:', repo_dict['stargazers_count'])
        print('Repository:', repo_dict['html_url'])
        print('Description:', repo_dict['description'])

#### 使用Pygal可视化仓库信息 ####

绘制交互式条形图，呈现Github上Python项目的受欢迎程度。条形的高度表示项目获得的star数，单击条形将进入项目在Github上的主页

import requests
    import pygal
    from pygal.style import LightColorizedStyle as LCS, LightenStyle as LS
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    repo_dicts = response_dict['items']
    
    # 创建两个空列表，用于存储图表中的信息
    names, stars=[], []
    for repo_dict in repo_dicts:
        names.append(repo_dict['name'])
        stars.append(repo_dict['stargazers_count'])
    
    # 使用LightenStyle类定义了一种样式，并将其基色设为深蓝色
    # 传递了实参base_style，以使用LightColorizedStyle类
    my_style = LS('#333366', base_style=LCS)
    # 使用Bar()创建条形图，并向它传递了my_style
    # 还传递了两个样式实参：标签绕x轴旋转45度，并隐藏图例
    chart = pygal.Bar(style=my_style, x_label_rotation=45, show_legend=False)
    chart.title = 'Most-Starred Python Projects on Github'
    chart.x_labels = names
    
    # 由于不需添加标签，在添加数据时，将标签设为空字符
    chart.add('', stars)
    chart.render_to_file('python_repos.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 25]

##### 改进Pygal图表 #####

创建一个配置对象，在其中包含要传递给Bar()的所有定制

import requests
    import pygal
    from pygal.style import LightColorizedStyle as LCS, LightenStyle as LS
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    repo_dicts = response_dict['items']
    
    names, stars=[], []
    for repo_dict in repo_dicts:
        names.append(repo_dict['name'])
        stars.append(repo_dict['stargazers_count'])
    
    
    my_style = LS('#333366', base_style=LCS)
    # 创建一个Pygal类Config的实例my_config，通过修改它的属性，可定制图表的外观
    my_config = pygal.Config()
    my_config.x_label_rotation = 45
    my_config.show_legend = False
    # 设置图表标题、副标题和主标签的字体大小
    my_config.title_font_size = 24
    my_config.label_font_size = 14
    my_config.major_label_font_size = 18
    # 使用truncate_label将较长的项目名缩短为15个字符
    # （将鼠标指向被截短的项目名，将显示完整的项目名）
    my_config.truncate_label = 15
    # 隐藏图表中的水平线
    my_config.show_y_guides = False
    # 自定义宽度
    my_config.width = 1000
    
    # 将my_config作为第一个实参，传递所有配置设置
    chart = pygal.Bar(my_config, style=my_style)
    chart.title = 'Most-Starred Python Projects on Github'
    chart.x_labels = names
    
    chart.add('', stars)
    chart.render_to_file('python_repos.svg')

##### 添加自定义工具提示 #####

在Pygal中，将鼠标移向条形将显示它表示的信息，此通常称为工具提示  
创建一个自定义工具提示，以同时显示项目的描述：

import pygal
    from pygal.style import LightColorizedStyle as LCS, LightenStyle as LS
    
    my_style = LS('#333366', base_style=LCS)
    chart = pygal.Bar(style=my_style, x_label_rotation=45, show_legend=False)
    
    chart.title = 'Python Projects'
    chart.x_labels = ['httpie', 'django', 'flask']
    
    # 定义一个名为plot_dicts的列表，其中包含3个字典，每个字典包含2个键
    # Pygal根据与'label'相关联的字符串给条形创建工具提示
    plot_dicts = [
        {
        'value': 46762, 'label': 'Description of httpie.'},
        {
        'value': 49445, 'label': 'Description of django.'},
        {
        'value': 50420, 'label': 'Description of flask.'},
        ]
    
    # add()方法接受一个字符串和一个列表
    chart.add('', plot_dicts)
    chart.render_to_file('bar_descriptions.svg')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 26]

##### 根据数据绘图 #####

自动生成plot\_dicts:

import requests
    import pygal
    from pygal.style import LightColorizedStyle as LCS, LightenStyle as LS
    
    url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    response_dict = r.json()
    print("Total repositories:", response_dict['total_count'])
    
    repo_dicts = response_dict['items']
    
    names, plot_dicts=[], []
    for repo_dict in repo_dicts:
        names.append(repo_dict['name'])
    
        plot_dict = {
        
            'value': repo_dict['stargazers_count'],
            'label': repo_dict['description']
        }
        plot_dicts.append(plot_dict)
    
    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.title = 'Most-Starred Python Projects on Github'
    chart.x_labels = names
    
    chart.add('', plot_dicts)
    chart.render_to_file('python_repos.svg')

##### 在图表中添加可单击的链接 #####

Pygal允许将图表中的每个条形用作网站的链接  
在为每个项目创建的字典中，添加一个键为’xlink’的键-值对

plot_dict = {
        
            'value': repo_dict['stargazers_count'],
            'label': repo_dict['description'],
            'xlink': repo_dict['html_url']
        }

#### Hacker News网站的 API调用 ####

使用Hacker News网站的API调用  
返回最热门的文章信息：

https://hacker-news.firebaseio.com/v0/item/9884165.json

返回Hacker News上当前热门文章的ID，再查看每篇排名靠前的文章：

import requests
    
    from operator import itemgetter
    
    # 执行API调用并存储响应
    # 此API调用返回hacker-news上最热门的500篇文章的id
    url = 'https://hacker-news.firebaseio.com/v0/topstories.json'
    r = requests.get(url)
    print("Status code:", r.status_code)
    
    # 将响应文本转换为python列表
    submission_ids = r.json()
    # submission_dicts用于存储字典
    submission_dicts = []
    # 遍历id，对于每篇文章都执行一次API调用
    for submission_id in submission_ids[:30]:
    	# url包含submission_id的当前值
        url = ('https://hacker-news.firebaseio.com/v0/item' + str(submission_id) + '.json')
        submission_r = requests.get(url)
        print(submission_r.status_code)
        response_dict = submission_r.json()
        
        # 为当前处理的文章创建字典
        # 存储文章标题、页面链接、评论数
        submission_dict = {
        
            'title': response_dict['title'],
            'link': 'http://news.ycombinator.com/item?id=' + str(submission_id),
            # 不确定某个键是否包含在字典中时，可使用方法dict.get()
            # 它在指定的键存在时返回与其关联的值，不存在时返回指定的值（此为0）
            'comments': response_dict.get('descendants', 0)
            }
        submission_dicts.append(submission_dict)
        
    # 根据评论数对字典列表排序，使用了模块operator中的函数itemgetter()
    # 向此函数传递了键'comments'，它将从这个列表中的没个字典中提取与该键
    # 关联的值，sorted()将根据这种值对列表进行排序（此处为降序排列）
    submission_dicts = sorted(submission_dicts, key=itemgetter('comments'), reverse = True)
    
    # 遍历排序后的列表，打印信息
    for submission_dict in submission_dicts:
        print("\nTitle:", submission_dict['title'])
        print("Discussion link:", submission_dict['link'])
        print("Comments:", submission_dict['comments'])

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200513095832928.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200513103448755.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200513110500892.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200513111036249.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200513113842825.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200514093254219.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200514221043724.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200514221605410.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200514222009129.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200514222301232.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20200517220815102.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/202005172218447.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20200517222123107.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20200518202840473.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[20200518203439953.png]: https://img-blog.csdnimg.cn/20200518203439953.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/2020051822225437.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20200518223504573.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20200519083116364.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20200519084112528.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[2020051909085549.png]: https://img-blog.csdnimg.cn/2020051909085549.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/20200519090910925.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20200520101853631.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 20]: https://img-blog.csdnimg.cn/20200520102455759.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 21]: https://img-blog.csdnimg.cn/2020052010455723.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 22]: https://img-blog.csdnimg.cn/20200520105952715.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 23]: https://img-blog.csdnimg.cn/20200520110943397.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 24]: https://img-blog.csdnimg.cn/20200520112147818.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 25]: https://img-blog.csdnimg.cn/20200521113828320.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw_size_16_color_FFFFFF_t_70 26]: https://img-blog.csdnimg.cn/20200521214729832.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ0NzA5OTkw,size_16,color_FFFFFF,t_70