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

Python实现批量CSV转Excel的高性能处理方案

《Python实现批量CSV转Excel的高性能处理方案》在日常办公中,我们经常需要将CSV格式的数据转换为Excel文件,本文将介绍一个基于Python的高性能解决方案,感兴趣的小伙伴可以跟随小编一... 目录一、场景需求二、技术方案三、核心代码四、批量处理方案五、性能优化六、使用示例完整代码七、小结一、

Python中 try / except / else / finally 异常处理方法详解

《Python中try/except/else/finally异常处理方法详解》:本文主要介绍Python中try/except/else/finally异常处理方法的相关资料,涵... 目录1. 基本结构2. 各部分的作用tryexceptelsefinally3. 执行流程总结4. 常见用法(1)多个e

C++统计函数执行时间的最佳实践

《C++统计函数执行时间的最佳实践》在软件开发过程中,性能分析是优化程序的重要环节,了解函数的执行时间分布对于识别性能瓶颈至关重要,本文将分享一个C++函数执行时间统计工具,希望对大家有所帮助... 目录前言工具特性核心设计1. 数据结构设计2. 单例模式管理器3. RAII自动计时使用方法基本用法高级用法

PHP应用中处理限流和API节流的最佳实践

《PHP应用中处理限流和API节流的最佳实践》限流和API节流对于确保Web应用程序的可靠性、安全性和可扩展性至关重要,本文将详细介绍PHP应用中处理限流和API节流的最佳实践,下面就来和小编一起学习... 目录限流的重要性在 php 中实施限流的最佳实践使用集中式存储进行状态管理(如 Redis)采用滑动

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

Python自动化处理PDF文档的操作完整指南

《Python自动化处理PDF文档的操作完整指南》在办公自动化中,PDF文档处理是一项常见需求,本文将介绍如何使用Python实现PDF文档的自动化处理,感兴趣的小伙伴可以跟随小编一起学习一下... 目录使用pymupdf读写PDF文件基本概念安装pymupdf提取文本内容提取图像添加水印使用pdfplum

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

基于Python实现自动化邮件发送系统的完整指南

《基于Python实现自动化邮件发送系统的完整指南》在现代软件开发和自动化流程中,邮件通知是一个常见且实用的功能,无论是用于发送报告、告警信息还是用户提醒,通过Python实现自动化的邮件发送功能都能... 目录一、前言:二、项目概述三、配置文件 `.env` 解析四、代码结构解析1. 导入模块2. 加载环