第十六章下载数据

原创已于 2022-02-10 18:00:51 修改 · 1.3k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言 #后端

于 2022-02-10 18:00:32 首次发布

python编程从入门到实践（第二版）专栏收录该内容

17 篇文章

订阅专栏

本文详细介绍了如何使用Python处理CSV文件，包括读取文件头、提取数据、绘制温度图表，以及利用datetime模块设置日期格式。同时，文章还展示了处理JSON格式的地震数据，创建全球地震散点图，并通过PlotlyExpress定制标记颜色和大小，以及添加鼠标悬停文本。此外，文中还涵盖了错误检查和异常处理，确保数据处理的稳健性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

16.1 CSV文件格式

csv文件：将数据以列逗号分隔存储

准备工作：
从官方网站下载所需数据包，在“源代码文件\chapter_16\the_csv_file_format\data”中找到“death_valley_2018_simple.csv”，并将整个data文件夹放到代码文件目录内

csv文件windows默认打开方式为excel，我们分别用excel和文本方式打开看看里面的数据到底长什么样子：
excel方式打开：
Alt

文本方式打开：
Alt

16.1.1 分析CSV文件头

csv模块包含在python标准库中
新建skita.py文件，要求data文件夹和skita,py在同一目录下

# skita.py

import csv

filename = r"data/sitka_weather_07-2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)  #生成一个阅读对象并赋值给reader
    header_row = next(reader) #next（）是读取下一行，第一次读取第一行，读取的内容存在列表中
    print(header_row)

输出：
[‘STATION’, ‘NAME’, ‘DATE’, ‘PRCP’, ‘TAVG’, ‘TMAX’, ‘TMIN’]

16.1.2 打印文件头及其位置

为了让头文件更让人容易理解，打印头文件的索引和值
这样我们就知道哪一列代表什么数据了

# skita.py

import csv

filename = r"data/sitka_weather_07-2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    # header_row 存储的是第一行的数据的列表
    for index, column_header in enumerate(header_row):
        # enumerate()获取参数的索引即其值
        print(index, column_header)

16.1.3 提取并读取数据

本小节我们的任务是提取每天的最高温度

# skita.py

import csv

filename = r"data/sitka_weather_07-2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取最高温度
    highs = []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第6个元素
    for row in reader:
        high = int(row[5]) # 需要字符串转化为整数
        highs.append(high)
        
print(highs)

输出：
[62, 58, 70, 70, 67, 59, 58, 62, 66, 59, 56, 63, 65, 58, 56, 59, 64, 60, 60, 61, 65, 65, 63, 59, 64, 65, 68, 66, 64, 67, 65]

16.1.4 绘制温度图表

本小节的任务是创建一个显示每日最高温度的简单图形

# skita.py

import csv
import matplotlib.pyplot as plt

filename = r"data/sitka_weather_07-2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取最高温度
    highs = []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第6个元素
    for row in reader:
        high = int(row[5])
        highs.append(high)

# 根据最高温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(highs, c='red') # 红色显示高温

# 设置图形的格式
ax.set_title("2018年7月每日最高温度", fontsize=24)
ax.set_xlabel('', fontsize=14)
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序，结果如下图：
Alt

16.1.5 模块datetime

本小节的任务是了解datetime模块中的datetime类中的方法strptime()

from datetime import datetime

#strptime（）第一个参数是需要输出的实参，第二个参数是输出的格式
first_date = datetime.strptime('2018-07-01', '%Y-%m-%d')
print(first_date)

输出：
2018-07-01 00:00:00

datetime中设置日期和实践的格式

实参含义
%A 星期几，如Monday
%B 月份名，如January
%m 用数表示的月份（01-12）
%d 用数表示的月份中的一天（01-31）
%Y 四位的年份，如2019
%y 两位的年份，如19
%H 24小时的小时数（11-23）
%I 12小时的小时数（00-12）
%p am或pm
%M 分钟数（00-59）
%S 秒数（00-61）

实参	含义
%A	星期几，如Monday
%B	月份名，如January
%m	用数表示的月份（01-12）
%d	用数表示的月份中的一天（01-31）
%Y	四位的年份，如2019
%y	两位的年份，如19
%H	24小时的小时数（11-23）
%I	12小时的小时数（00-12）
%p	am或pm
%M	分钟数（00-59）
%S	秒数（00-61）

16.1.6 在图表中添加日期

本小节的主要任务是将日期添加至横坐标轴
时间在csv数据的第三列

# skita.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/sitka_weather_07-2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期和最高温度
    dates, highs = [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3和第6个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")
        high = int(row[5])
        dates.append(current_date)
        highs.append(high)

# 根据最高温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red') # 红色显示高温

# 设置图形的格式
ax.set_title("2018年7月每日最高温度", fontsize=24)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序，见下图：
Alt

16.1.7 涵盖更长的时间

本小节将生成一副更复杂的天气图，读取的是“sitka_weather_2018_simple.csv”数据
skita.py代码如下：

# skita.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/sitka_weather_2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期和最高温度
    dates, highs = [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3和第6个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")
        high = int(row[5])
        dates.append(current_date)
        highs.append(high)

# 根据最高温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red') # 红色显示高温

# 设置图形的格式
ax.set_title("2018年每日最高温度", fontsize=24)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序，显示如下图：
Alt

16.1.8 再绘制一个数据系列

本小节的主要任务是添加最低气温数据，并显示到图表中

# skita.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/sitka_weather_2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期、最高温度和最低气温
    dates, highs, lows = [], [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3、6、7个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")
        high = int(row[5])
        low =int(row[6])
        dates.append(current_date)
        highs.append(high)
        lows.append(low)

# 根据最高、最低温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red') # 红色显示高温
ax.plot(dates, lows, c='blue') #蓝色显示低温

# 设置图形的格式
ax.set_title("2018年每日最高、最低温度", fontsize=24)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序，见下图：
Alt

16.1.9 给图标区域着色

本小节的任务是对每天的温度范围进行着色，使用的方法是fill_between()，前三个参数是x轴坐标和两个y值坐标，表示填充y值之间的区域，facecolor是填充区域颜色，alpha是透明度，0-1，0表示完全透明，1（默认）表示完全不透明

# skita.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/sitka_weather_2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期、最高温度和最低气温
    dates, highs, lows = [], [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3、6、7个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")
        high = int(row[5])
        low =int(row[6])
        dates.append(current_date)
        highs.append(high)
        lows.append(low)

# 根据最高、最低温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5) # 红色显示高温
ax.plot(dates, lows, c='blue', alpha=0.5) #蓝色显示低温
ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.3)

# 设置图形的格式
ax.set_title("2018年每日最高、最低温度", fontsize=24)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序，见下图：
Alt

16.1.10 错误检查

csv文件中的数据很多，有偶发的错误完全是有可能的，这时我们该怎么办？
death_valley_2018_simple.csv 文件中有一处错误，我们现在当成不知道，新建一个death_valley.py的文件，将skita.py中的代码复制过来进行修改

1 检查 death_valley_2018_simple.csv的文件头

#death_valley.py

import csv

filename = r"data/death_valley_2018_simple.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：
0 STATION
1 NAME
2 DATE
3 PRCP
4 TMAX
5 TMIN
6 TOBS

发现日期为第2列，最高气温位第5列，最低气温为第6列

2 在death_valley.py中修改代码

主要修改索引下标，将最高温度和最低温度存入列表中

#death_valley.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/death_valley_2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期、最高温度和最低气温
    dates, highs, lows = [], [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3、5、6个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")
        high = int(row[4])
        low =int(row[5])
        dates.append(current_date)
        highs.append(high)
        lows.append(low)

# 根据最高、最低温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5) # 红色显示高温
ax.plot(dates, lows, c='blue', alpha=0.5) #蓝色显示低温
ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.3)

# 设置图形的格式
ax.set_title(""2018年每日最高、最低温度\n死亡谷", fontsize=20)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

运行程序，发现报错了，究其原因，是因为文件 death_valley_2018_simple.csv 中的2018-02-18的数据有缺失，程序无法将空字符‘’转换为整数
此时，我们使用异常处理语句，对异常情况进行处理（只输出提示性语句，不做任何处理，直接执行后续程序）
下图代码错误提示信息：
Alt

下图是文件中缺失数据的地方：
Alt

3 修改death_valley.py，使用异常处理

#death_valley.py

import csv
import matplotlib.pyplot as plt
from datetime import datetime

filename = r"data/death_valley_2018_simple.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    # 从文件中读取日期、最高温度和最低气温
    dates, highs, lows = [], [], []
    # 由于已读取第一行，这里从第二行开始读取，每次读取该行的第3、5、6个元素
    for row in reader:
        current_date = datetime.strptime(row[2], "%Y-%m-%d")

        # 异常处理：
        try:
            high = int(row[4])
            low = int(row[5])
        except ValueError:
            print(f"Missing date for {current_date}")
        else:
            dates.append(current_date)
            highs.append(high)
            lows.append(low)

# 根据最高、最低温度绘制图形
plt.style.use("Solarize_Light2") #seaborn 样式无法正确显示中文
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5) # 红色显示高温
ax.plot(dates, lows, c='blue', alpha=0.5) #蓝色显示低温
ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.3)

# 设置图形的格式
ax.set_title("2018年每日最高、最低温度\n死亡谷", fontsize=20)
ax.set_xlabel('', fontsize=14)
fig.autofmt_xdate() # fig.autofmt_xdate()用来绘制倾斜的日期，防止重叠
ax.set_ylabel('温度（F）', fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)

plt.show()

执行程序发现，程序对缺失数据知识输出了提示性信息，但继续执行了程序，生成的图片跳过了那一天，也没有产生过多问题，见下图：
Alt

16.1.11 自己动手下载数据

按教材程序应该可以实现，亲测网站有点慢，但是可以正常登录
略

16.2 制作全球地震散点图：JSON格式

读取以jison格式村粗的地震数据，使用模块json处理，并用Ploty模块绘制散点图

准备工作：
将从官方网站下载所需数据包，在“源代码文件源代码文件\chapter_16\mapping_global_data_sets\data”中的所有数据放放到代码文件目录内

16.2.1 地震数据

检查date文件夹内是否有 eq_data_1_day_m1.json 文件，该文件记录了24小时全球不低于1级地震的信息

16.2.2 查看JSON数据

1查看数据

使用文本方式打开 eq_data_1_day_m1.json 文件，发现有158行，最长的一列近800列，数据看着很凌乱，仔细观察发现，这是一个字典文件，一行是一个字典，每个字典元素又嵌套字典
如下图所示：
Alt

2将数据以易读方式显示

新建一个explore_data.py 文件：

将 eq_data_1_day_m1.json 读取进来
新建一个易读文件readable_data.json
将eq_data_1_day_m1.json 数据处理后放到readable_data.json文件中

# explore_data.py
import json

# 读取数据
filename = r'data/eq_data_1_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 新建一个易读文件readable_data.json
readable_file = 'data/readable_data.json'
with open(readable_file, 'w') as f:
    # 处理数据后移入易读文件中
    json.dump(all_data, f, indent=4) # 与结构匹配的缩进来设置数据格式

执行程序，在data目录下生成一个readable_data.json文件，打开后发现很有层次性
见下图：
Alt

关于文件的一些说明：

键 ‘metadata’ ，指出数据文件在什么时候生成，在哪个网站上可以找到，还有标题和地震次数
键 ‘features’中存储地震信息，列表中的每个元素对应一次地震
特定的某次地震中，键"properties"关联地震相关的大量信息，“mag”: 0.96表示震级；键"geometry"指出了地震发生的地点，"coordinates"表示地震发生的经度和纬度

16.2.3 创建地震列表

因为键 ‘features’中存储地震信息，它是一个列表，列表中的每个元素代表一次地震
完善 explore_data.py

# explore_data.py
import json

# 读取数据
filename = r'data/eq_data_1_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 将所有地震信息读取到一个列表中
all_dicts = all_data['features']
print(len(all_dicts))

输出：
158

表明我们提取了158次地震信息

16.2.4 提取震级

从地震数据中提取震级数据
如果我们向获取列表中第一个元素（即第一次地震）的震级，我们要这样读取：
all_dicts[0][“properties”][“mag”]，这样就可以读取到震级为0.96

完善explore_data.py

# explore_data.py
import json

# 读取数据
filename = r'data/eq_data_1_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 将所有地震信息读取到一个列表中
all_dicts = all_data['features']

# 提取震级
mags =[]
for eq_dict in all_dicts:
    mag = eq_dict['properties']['mag']
    mags.append(mag)

print(mags[:10]) # 只打印前10次地震的震级

输出：
[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]

16.2.5提取位置信息

标题存储在"properties"键下的"title"键中
位置信息存储在"geometry"键下的"coordinates"键下，前两个值为经度和纬度
完善explore_data.py

# 读取数据
filename = r'data/eq_data_1_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 将所有地震信息读取到一个列表中
all_dicts = all_data['features']

# 提取震级、标题和位置信息
mags, titles, lons, lats = [], [], [], []
for eq_dict in all_dicts:
    mag = eq_dict['properties']['mag']
    title = eq_dict['properties']['title']
    lon = eq_dict['geometry']['coordinates'][0]
    lat = eq_dict['geometry']['coordinates'][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)

print(mags[:10])
print(titles[:2])
print(lons[:5])
print(lats[:5])

输出：
[0.96, 1.2, 4.3, 3.6, 2.1, 4, 1.06, 2.3, 4.9, 1.8]
[‘M 1.0 - 8km NE of Aguanga, CA’, ‘M 1.2 - 11km NNE of North Nenana, Alaska’]
[-116.7941667, -148.9865, -74.2343, -161.6801, -118.5316667]
[33.4863333, 64.6673, -12.1025, 54.2232, 35.3098333]

16.2.6 绘制震级散点图

新建一个world_map.py文件，用来绘制震级散点图

注意：完全按照书上会出错，要解决两个问题：

安装pandas模块，安装方法为： win + r 输入cmd 进入命令行界面，输入 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn pandas 自动安装
由于lons,lats等数据在另一个py文件，可以用导入的方法，也可以用把代码挪过来的方法，我这里使用的是导入方法
导入后发现，代码输出了测试代码，所以要在explore_data.py中增加一行if代码

# world_map.py
import plotly.express as px
import explore_data as ep
import pandas

fig = px.scatter(
    x=ep.lons,
    y=ep.lats,
    labels={'x':'经度', 'y': '纬度'},
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图'
)
fig.write_html('globla_earthquakes.html')
fig.show()

修改后的# explore_data.py

# explore_data.py
import json

# 读取数据
filename = r'data/eq_data_1_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 将所有地震信息读取到一个列表中
all_dicts = all_data['features']

# 提取震级、标题和位置信息
mags, titles, lons, lats = [], [], [], []
for eq_dict in all_dicts:
    mag = eq_dict['properties']['mag']
    title = eq_dict['properties']['title']
    lon = eq_dict['geometry']['coordinates'][0]
    lat = eq_dict['geometry']['coordinates'][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)

if __name__ == '__main__':
    print(mags[:10])
    print(titles[:2])
    print(lons[:5])
    print(lats[:5])

执行world_map.py，效果如下图：
Alt

16.2.7 另一种指定图表数据的方式

新建一个test.py，将 world_map.py 中代码复制过来，按照书中的配置方式进行修改
执行程序，发现与上一节的结果一摸一样
课本中说推荐这种方式

# test.py
import plotly.express as px
import explore_data as ep
import pandas as pd

data = pd.DataFrame(
    zip(ep.lons, ep.lats, ep.titles, ep.mags),columns=['经度', '纬度', '位置', '震级']
)
data.head()
fig = px.scatter(
    data,
    x='经度',
    y='纬度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图'
)
fig.write_html('globla_earthquakes.html')
fig.show()

执行程序效果图：
Alt

16.2.8 定制标记的尺寸

上节的散点图显示了每次地震的位置，但没有指出震级，我们添加此标记

从此处开始，我们使用16.2.7小节中的test.py的代码，并在该代码中进行修改

# test.py
import plotly.express as px
import explore_data as ep
import pandas as pd

data = pd.DataFrame(
    zip(ep.lons, ep.lats, ep.titles, ep.mags), columns=['经度', '纬度', '位置', '震级']
)
data.head()
fig = px.scatter(
    data,
    x='经度',
    y='纬度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图',
    size='震级',
    size_max=10, #标记尺寸默认20，此处设置为10
)
fig.write_html('globla_earthquakes.html')
fig.show()

执行程序，效果如图：
Alt

16.2.9 定制标记的颜色

本小节我们定制标记的颜色，以呈现地震的严重程度

首先我们将装在文件修改为： eq_data_30_day_m1.json ，该文件包含30天数据，呈现出来的散点更多，所以要先修改 explore_data.py 中的 filename 变量

# explore_data.py
import json

# 读取数据
filename = r'data/eq_data_30_day_m1.json '
with open(filename) as f:
    all_data = json.load(f)

# 将所有地震信息读取到一个列表中
all_dicts = all_data['features']

# 提取震级、标题和位置信息
mags, titles, lons, lats = [], [], [], []
for eq_dict in all_dicts:
    mag = eq_dict['properties']['mag']
    title = eq_dict['properties']['title']
    lon = eq_dict['geometry']['coordinates'][0]
    lat = eq_dict['geometry']['coordinates'][1]
    mags.append(mag)
    titles.append(title)
    lons.append(lon)
    lats.append(lat)

if __name__ == '__main__':
    print(mags[:10])
    print(titles[:2])
    print(lons[:5])
    print(lats[:5])

# test.py
import plotly.express as px
import explore_data as ep
import pandas as pd

data = pd.DataFrame(
    zip(ep.lons, ep.lats, ep.titles, ep.mags), columns=['经度', '纬度', '位置', '震级']
)
data.head()
fig = px.scatter(
    data,
    x='经度',
    y='纬度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图',
    size='震级',
    size_max=10,#标记尺寸默认20，此处设置为10
    color='震级',# 默认颜色是蓝->红->黄
)
fig.write_html('globla_earthquakes.html')
fig.show()

执行程序，效果如下图：
Alt

16.2.10 其它渐变

Plotly Express 有大量的渐变可供选择，程序color.py告诉你可使用哪些渐变

# color.py

import plotly.express as px

for key in px.colors.named_colorscales():
    print(key)
    
'''
输出：
···
blues
blugrn
bluyl
brwnyl
bugn
bupu
burg
burgyl
cividis
darkmint
electric
emrld
gnbu
greens
greys
hot
inferno
jet
···

'''

输出很多，这里只选了一部分

修改16.2.11小节的test.py代码，看看’jet’样式如何？

# test.py
import plotly.express as px
import explore_data as ep
import pandas as pd

data = pd.DataFrame(
    zip(ep.lons, ep.lats, ep.titles, ep.mags), columns=['经度', '纬度', '位置', '震级']
)
data.head()
fig = px.scatter(
    data,
    x='经度',
    y='纬度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图',
    size='震级',
    size_max=10,#标记尺寸默认20，此处设置为10
    color='震级', # 默认颜色是蓝->红->黄
    hover_name='位置',
    color_continuous_scale='jet', # 渐变色参数选择
)
fig.write_html('globla_earthquakes.html')
fig.show()

执行程序，效果如下：
Alt

16.2.11 添加鼠标指向时显示的文本

在16.2.9de test.py代码上修改，新增添加显示地震的大概位置

# test.py
import plotly.express as px
import explore_data as ep
import pandas as pd

data = pd.DataFrame(
    zip(ep.lons, ep.lats, ep.titles, ep.mags), columns=['经度', '纬度', '位置', '震级']
)
data.head()
fig = px.scatter(
    data,
    x='经度',
    y='纬度',
    range_x=[-200, 200],
    range_y=[-90, 90],
    width=800,
    height=800,
    title='全球地震散点图',
    size='震级',
    size_max=10,#标记尺寸默认20，此处设置为10
    color='震级', # 默认颜色是蓝->红->黄
    hover_name='位置',
)
fig.write_html('globla_earthquakes.html')
fig.show()