新冠疫情数据统计 蓝桥杯楼赛第二十三期(不考虑自动化处理缺省值)

本文主要是介绍新冠疫情数据统计 蓝桥杯楼赛第二十三期(不考虑自动化处理缺省值),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原题链接

import csv
import json
import country_converter as cocodef main():cc = coco.CountryConverter()Confirmed = {"Africa": 0, "Asia": 0, "Oceania": 0,"Europe": 0, "America": 0, "Others": 0, "Total": 0}Deaths = {"Africa": 0, "Asia": 0, "Oceania": 0,"Europe": 0, "America": 0, "Others": 0, "Total": 0}Recovered = {"Africa": 0, "Asia": 0, "Oceania": 0,"Europe": 0, "America": 0, "Others": 0, "Total": 0}Active = {"Africa": 0, "Asia": 0, "Oceania": 0,"Europe": 0, "America": 0, "Others": 0, "Total": 0}country_list = []ls = []data = "楼赛第三题\okcases_country.csv"with open(data, 'r') as f:reader = csv.reader(f)for row in reader:if row[0] == "Country_Region":passelse:country_name = row[0]country_list.append(country_name)continent = cc.convert(names = country_list, to = 'continent', not_found= "Others")with open(data, 'r') as f:reader = csv.reader(f)    rows = [row for row in reader]for a in range(len(continent)):#print(a)#print(int(float(rows[a+1][4])))#print(int(float(rows[a+1][5])))#print(int(float(rows[a+1][6])))#print(int(float(rows[a+1][7])))if continent[a] == "Asia":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))elif continent[a] == "Europe":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))elif continent[a] == "Africa":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))elif continent[a] == "America":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))elif continent[a] == "Oceania":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))elif continent[a] == "Others":Confirmed[continent[a]] = Confirmed.get(continent[a] , 0) + int(float(rows[a+1][4]))Deaths[continent[a]] = Deaths.get(continent[a] , 0) + int(float(rows[a+1][5]))Recovered[continent[a]] = Recovered.get(continent[a] , 0) + int(float(rows[a+1][6]))Active[continent[a]] = Active.get(continent[a] , 0) + int(float(rows[a+1][7]))Confirmed["Total"] = Confirmed["Africa"] + Confirmed["Asia"] + Confirmed["Oceania"] + Confirmed["Europe"] + Confirmed["America"] +Confirmed["Others"]Active["Total"] = Active["Africa"] + Active["Asia"] + Active["Oceania"] + Active["Europe"] + Active["America"] +Active["Others"]Deaths["Total"] = Deaths["Africa"] + Deaths["Asia"] + Deaths["Oceania"] + Deaths["Europe"] + Deaths["America"] +Deaths["Others"]Recovered["Total"] = Recovered["Africa"] + Recovered["Asia"] + Recovered["Oceania"] + Recovered["Europe"] + Recovered["America"] +Recovered["Others"]results = {"Confirmed": Confirmed,"Deaths": Deaths,"Recovered": Recovered,"Active": Active,}print(results)    return json.dumps(results, indent=2)       
main()
#一个学生物的编程爱好者#

这是在不考虑自动化处理缺省值的情况下的答案,至于使用numpy和pandas的自动化处理的版本近期将会更新。

这篇关于新冠疫情数据统计 蓝桥杯楼赛第二十三期(不考虑自动化处理缺省值)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/706341

相关文章

Spring Boot @RestControllerAdvice全局异常处理最佳实践

《SpringBoot@RestControllerAdvice全局异常处理最佳实践》本文详解SpringBoot中通过@RestControllerAdvice实现全局异常处理,强调代码复用、统... 目录前言一、为什么要使用全局异常处理?二、核心注解解析1. @RestControllerAdvice2

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

在Linux终端中统计非二进制文件行数的实现方法

《在Linux终端中统计非二进制文件行数的实现方法》在Linux系统中,有时需要统计非二进制文件(如CSV、TXT文件)的行数,而不希望手动打开文件进行查看,例如,在处理大型日志文件、数据文件时,了解... 目录在linux终端中统计非二进制文件的行数技术背景实现步骤1. 使用wc命令2. 使用grep命令

Navicat数据表的数据添加,删除及使用sql完成数据的添加过程

《Navicat数据表的数据添加,删除及使用sql完成数据的添加过程》:本文主要介绍Navicat数据表的数据添加,删除及使用sql完成数据的添加过程,具有很好的参考价值,希望对大家有所帮助,如有... 目录Navicat数据表数据添加,删除及使用sql完成数据添加选中操作的表则出现如下界面,查看左下角从左

SpringBoot中4种数据水平分片策略

《SpringBoot中4种数据水平分片策略》数据水平分片作为一种水平扩展策略,通过将数据分散到多个物理节点上,有效解决了存储容量和性能瓶颈问题,下面小编就来和大家分享4种数据分片策略吧... 目录一、前言二、哈希分片2.1 原理2.2 SpringBoot实现2.3 优缺点分析2.4 适用场景三、范围分片

Redis分片集群、数据读写规则问题小结

《Redis分片集群、数据读写规则问题小结》本文介绍了Redis分片集群的原理,通过数据分片和哈希槽机制解决单机内存限制与写瓶颈问题,实现分布式存储和高并发处理,但存在通信开销大、维护复杂及对事务支持... 目录一、分片集群解android决的问题二、分片集群图解 分片集群特征如何解决的上述问题?(与哨兵模

浅析如何保证MySQL与Redis数据一致性

《浅析如何保证MySQL与Redis数据一致性》在互联网应用中,MySQL作为持久化存储引擎,Redis作为高性能缓存层,两者的组合能有效提升系统性能,下面我们来看看如何保证两者的数据一致性吧... 目录一、数据不一致性的根源1.1 典型不一致场景1.2 关键矛盾点二、一致性保障策略2.1 基础策略:更新数