Python(乱学)

字典在转化为其他类型时，会出现是否舍弃value的操作，只有在转化为字符串的时候才不会舍弃value

注释的快捷键是ctrl+/

字符串无法与整数，浮点数，等用加号完成拼接

5不入？？？

还有一种格式化的方法

不限制类型，不做精度的控制

type()

判断的条件应是bool类型

仅仅是空格则不行

想要规范一些，就要遵循一些格式

必须在赋值之前声明为全局变量

del仅仅完成删除的操作

像append,extend都是不可以用的，因为元组不可以修改

传入的’12‘会被划分为两个小字符串’1‘’2‘

集合没有下表索引，故.pop不能指定下标来进行取出，而列表可以

集合不支持下标索引

字典不允许Key 的重复

list,tuple,setstring是没有办法去转化成字典的，但字典是可以转换成别的容器的,转换成字符串字典不会丢失value，转换成其他类型，字典会丢失value

容器的通用排序功能

排序的结果会变成列表对象

python函数进阶

（1）函数的多返回值

（3）匿名函数

2.函数的多种传参方式

（1）掌握位置参数

（2）关键字参数

（3）不定长参数

（4）缺省参数

位置参数与其他传参进行混用时，需要写在最前面，不然就会出现语法错误

默认参数必须定义在最后面

位置传递

kw指keyword

匿名函数

1.函数作为参数传递

实际上传入的是代码的执行逻辑

2.lambda匿名函数

默认直接return ,不用写return语句

并且没有办法进行回车换行写多行

python文件操作

了解编码

了解文件的操作

encoding参数在函数定义中并不是第3位，所以要使用关键字传参

f是对文本文件进行操作功能的对象

w:覆盖写入

read()得到的类型是字符串

这里的strip是为了去除换行符

文件的追加操作

应先换行再进行追加

文件操作案例：实现文件的备份操作

Python异常，模块与包

except(),这个括号是元组

所以的异常都是基于这个顶级的异常Exception

当捕获Exception时，所有的异常都可以捕获到

finally和exception都是可选的

异常的传递

故捕获异常时并不需要从真正出现异常的那一行开始捕获

python模块

模块的导入

[ ]表示的都是可选的意思

例：from time import *相较于直接import time的不同在于

前者可以直接使用内部的函数sleep()，而后者需要time.sleep()

“.”是用于确定层级关系的

给导入的功能设置一个别名

自定义模块

模块名要符合标识符的命名规则

这种定义函数的写法应再了解一下

右键run 的时候内置函数__name__就会被标记为__main__,故if语句成立，执行

python文件都存在__name__的这个内置变量

当以from的模块导入运行的时候，模块内部的__name__不会被标记为__main__

上图在主函数只能够使用test_A(),而不能使用test_B()，__all__指向列表

但可以自行导入未包含在__all__内的函数，

但是__all__不会限制你直接导，from my_module import pr1,就可以使用pr1

python包

（1）自定义包

（2）如何安装第三方包

只有__init__.py文件存在于文件夹当中，那么这个文件夹就是python包，否则就是一个普通的文件夹

可以直接深入到对应的模块函数

安装第三方包

json数据格式

什么是json

如何使用json进行数据转化

json如果是列表的话，要求其元素一定是字典

如果为true，中文就会转化为unicode字符了

注：

pyecharts模块介绍

https://05x-docs.pyecharts.org/#/zh-cn/

https://gallery.pyecharts.org/#/README

pyecharts快速入门

构建一个基础的折线图

使用全局配置项设置属性

构建基础的折线图

使用全局配置项设置属性

数据处理

通过json模块对数据进行处理

import json 
f_us = open("D:/美国.txt","r",encoding="UTF-8")
f_us_data = f_us.read()#读取数据成字符串f_us_data = f_us_data.replace("jsonp_1629344292311_69436(","")#删除开头不需要的部分
f_us_data = f_us_data[:-2]#删除结尾的部分
f_us_dict = json.loads(f_us_data)#转换为字典trend_data = f_us_dict["data"][0]["trend"]#将范围缩小到“trend”x_data = trend_data["updateDate"][:314]#拿到日期数据
y_data = trend_data["list"][0]["data"][:314]#拿到“确诊”数据

创建折线图

import json 
from pyecharts.charts import Line
from pyecharts.options import TitleOpts,LabelOpts
f_us = open("D:/美国.txt","r",encoding="UTF-8")
f_jp = open("D:/日本.txt","r",encoding="UTF-8")
f_in = open("D:/印度.txt","r",encoding="UTF-8")f_us_data = f_us.read()#读取数据成字符串
f_jp_data = f_jp.read()
f_in_data = f_in.read()f_us_data = f_us_data.replace("jsonp_1629344292311_69436(","")#删除开头不需要的部分
f_jp_data = f_jp_data.replace("jsonp_1629350871167_29498(","")
f_in_data = f_in_data.replace("jsonp_1629350745930_63180(","")f_us_data = f_us_data[:-2]#删除结尾的部分
f_jp_data = f_jp_data[:-2]
f_in_data = f_in_data[:-2]f_us_dict = json.loads(f_us_data)#转换为字典
f_jp_dict = json.loads(f_jp_data)
f_in_dict = json.loads(f_in_data)us_trend_data = f_us_dict["data"][0]["trend"]#将范围缩小到“trend”key
jp_trend_data = f_jp_dict["data"][0]["trend"]
in_trend_data = f_in_dict["data"][0]["trend"]us_x_data = us_trend_data["updateDate"][:314]#拿到日期数据,并取到2020年的12月31号
jp_x_data = jp_trend_data["updateDate"][:314]
in_x_data = in_trend_data["updateDate"][:314]us_y_data = us_trend_data["list"][0]["data"][:314]#拿到“确诊”数据
jp_y_data = jp_trend_data["list"][0]["data"][:314]
in_y_data = in_trend_data["list"][0]["data"][:314]line = Line()line.add_xaxis(us_x_data)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))
line.set_global_opts(title_opts=TitleOpts(title="2020年美印日三国的确诊人数对比折线图",pos_left="center",pos_bottom="1%")#设置标题居中朝下
)line.render()#生成图表f_us.close()
f_in.close()
f_jp.close()

地图可视化

基础地图使用

疫情地图-国内疫情地图

疫情地图-省级疫情地图