Получите всю информацию о любой стране с помощью Python

Привет мир!

В этой статье в блоге мы узнаем, как получать данные из любой страны. Мы увидим реализацию на Python.

Проверьте репозиторий для Ultimate Resource на python. Бросьте звездочку, если сочтете это полезным! Есть что добавить? Открыть пиар же!

Вы можете обратиться к моему видеоуроку на YouTube, чтобы увидеть рабочее руководство для лучшего понимания и пошаговое руководство к тому же.

О чем будет рассказано в этом блоге

1. Countryinfo Introduction
2. Fetching data of any Country

Приступим!

Что такое Countryinfo?

Countryinfo - это модуль Python для возврата данных о странах, информации ISO и штатах / провинциях в них. Чтобы получить доступ к одному из доступных свойств страны, вам необходимо использовать один из методов API.

Если вы хотите узнать о нем больше, вы можете обратиться к Countryinfo Documentation. Используйте эту ссылку, чтобы перейти к документации.

Теперь, когда вы ознакомились с нашей программой и приобрели базовые знания о модуле Countryinfo, мы можем перейти к разделу кодирования.

Время писать код!

Вы можете найти весь код в моем репозитории GitHub. Поставьте звездочку, если сочтете это полезным.

Чтобы получить доступ к библиотеке Python, вам необходимо сначала установить ее.

pip install countryinfo

После установки давайте импортируем его в вашу среду Python. Используйте следующую команду, чтобы импортировать countryinfo его в ваш скрипт python.

from countryinfo import CountryInfo

Теперь давайте сохраним название страны, для которой мы хотим получить информацию. Я хочу получить подробную информацию о моей стране, India, поэтому я сохраню то же самое в name.

name = 'India'

Теперь давайте создадим экземпляр. Мы воспользуемся CountryInfo и передадим name в качестве аргумента.

country = CountryInfo(name)

После этого давайте рассмотрим некоторые методы один за другим.

1. alt_spellings ()

Возвращает альтернативные варианты написания названия указанной страны.

data1 = country.alt_spellings()
print(data1)
#Output:
['IN', 'Bhārat', 'Republic of India', 'Bharat Ganrajya']

2. заглавная ()

Возвращает столицу указанной страны

data2 = country.capital()
print(data2)
#Output:
New Delhi

3. валюты ()

Возвращает официальную валюту указанной страны.

data3 = country.currencies()
print(data3)
#Output:
['INR']

4. языки ()

Возвращает официальные языки для указанной страны

data4 = country.languages()
print(data4)
#Output:
['hi', 'en']

5. часовые пояса ()

Возвращает все часовые пояса для указанной страны

data5 = country.timezones()
print(data5)
#Output:
['UTC+05:30']

6. область ()

Возвращает площадь (км²) для указанной страны.

data6 = country.area()
print(data6)
#Output:
3287590

7. границы ()

Возвращает массив строк, коды ISO3 стран, граничащих с данной страной.

data7 = country.borders()
print(data7)
#Output:
['AFG', 'BGD', 'BTN', 'MMR', 'CHN', 'NPL', 'PAK', 'LKA']

8.calling_codes ()

Возвращает международные телефонные коды для указанной страны

data8 = country.calling_codes()
print(data8)
#Output:
['91']

9.wiki ()

Возвращает ссылку на страницу Википедии для указанной страны

data9 = country.wiki()
print(data9)
#Output:
https://en.wikipedia.org/wiki/india

Если вы хотите полностью извлечь сводку методов, в этом случае мы можем использовать метод info. Он извлекает все данные о данной стране. Давайте попробуем.

10. info ()

Возвращает всю доступную информацию для указанной страны.

data10 = country.info()
for x,y in data10.items():
    print(f{x} --> {y}')
#Output:
name --> India
altSpellings --> ['IN', 'Bhārat', 'Republic of India', 'Bharat Ganrajya']
area --> 3287590
borders --> ['AFG', 'BGD', 'BTN', 'MMR', 'CHN', 'NPL', 'PAK', 'LKA']
callingCodes --> ['91']
capital --> New Delhi
capital_latlng --> [28.614179, 77.202266]
currencies --> ['INR']
demonym --> Indian
flag -->
geoJSON --> {'type': 'FeatureCollection', 'features': [{'type': 'Feature', 'id': 'IND', 'properties': {'name': 
'India'}, 'geometry': {'type': 'Polygon', 'coordinates': [[[77.837451, 35.49401], [78.912269, 34.321936], [78.811086, 33.506198], [79.208892, 32.994395], [79.176129, 32.48378], [78.458446, 32.618164], [78.738894, 31.515906], [79.721367, 30.882715], [81.111256, 30.183481], [80.476721, 29.729865], [80.088425, 28.79447], [81.057203, 28.416095], [81.999987, 27.925479], [83.304249, 27.364506], [84.675018, 27.234901], [85.251779, 26.726198], [86.024393, 26.630985], [87.227472, 26.397898], [88.060238, 26.414615], [88.174804, 26.810405], [88.043133, 27.445819], [88.120441, 27.876542], [88.730326, 28.086865], [88.814248, 27.299316], [88.835643, 27.098966], [89.744528, 26.719403], [90.373275, 26.875724], [91.217513, 26.808648], [92.033484, 26.83831], [92.103712, 27.452614], [91.696657, 27.771742], [92.503119, 27.896876], [93.413348, 28.640629], [94.56599, 29.277438], [95.404802, 29.031717], [96.117679, 29.452802], [96.586591, 28.83098], [96.248833, 28.411031], [97.327114, 28.261583], [97.402561, 27.882536], [97.051989, 27.699059], [97.133999, 27.083774], [96.419366, 27.264589], [95.124768, 26.573572], [95.155153, 26.001307], [94.603249, 25.162495], [94.552658, 24.675238], [94.106742, 23.850741], [93.325188, 24.078556], [93.286327, 23.043658], [93.060294, 22.703111], [93.166128, 22.27846], [92.672721, 22.041239], [92.146035, 23.627499], [91.869928, 23.624346], [91.706475, 22.985264], [91.158963, 23.503527], [91.46773, 24.072639], 
[91.915093, 24.130414], [92.376202, 24.976693], [91.799596, 25.147432], [90.872211, 25.132601], [89.920693, 25.26975], [89.832481, 25.965082], [89.355094, 26.014407], [88.563049, 26.446526], [88.209789, 25.768066], [88.931554, 25.238692], [88.306373, 24.866079], [88.084422, 24.501657], [88.69994, 24.233715], [88.52977, 23.631142], 
[88.876312, 22.879146], [89.031961, 22.055708], [88.888766, 21.690588], [88.208497, 21.703172], [86.975704, 21.495562], [87.033169, 20.743308], [86.499351, 20.151638], [85.060266, 19.478579], [83.941006, 18.30201], [83.189217, 17.671221], [82.192792, 17.016636], [82.191242, 16.556664], [81.692719, 16.310219], [80.791999, 15.951972], [80.324896, 15.899185], [80.025069, 15.136415], [80.233274, 13.835771], [80.286294, 13.006261], [79.862547, 12.056215], [79.857999, 10.357275], [79.340512, 10.308854], [78.885345, 9.546136], [79.18972, 9.216544], [78.277941, 8.933047], [77.941165, 8.252959], [77.539898, 7.965535], [76.592979, 8.899276], [76.130061, 10.29963], [75.746467, 11.308251], [75.396101, 11.781245], [74.864816, 12.741936], [74.616717, 13.992583], [74.443859, 14.617222], [73.534199, 15.990652], [73.119909, 17.92857], [72.820909, 19.208234], [72.824475, 20.419503], [72.630533, 21.356009], [71.175273, 20.757441], [70.470459, 20.877331], [69.16413, 22.089298], [69.644928, 22.450775], [69.349597, 22.84318], [68.176645, 23.691965], [68.842599, 24.359134], [71.04324, 24.356524], [70.844699, 25.215102], [70.282873, 25.722229], [70.168927, 26.491872], [69.514393, 26.940966], [70.616496, 27.989196], [71.777666, 27.91318], [72.823752, 28.961592], [73.450638, 29.976413], [74.42138, 30.979815], [74.405929, 31.692639], [75.258642, 32.271105], [74.451559, 32.7649], [74.104294, 33.441473], [73.749948, 34.317699], [74.240203, 34.748887], [75.757061, 34.504923], [76.871722, 34.653544], [77.837451, 35.49401]]]}}]}
ISO --> {'alpha2': 'IN', 'alpha3': 'IND'}
languages --> ['hi', 'en']
latlng --> [20, 77]
nativeName --> भारत
population --> 1263930000
provinces --> ['Andaman and Nicobar Islands', 'Andhra Pradesh', 'Arunachal Pradesh', 'Assam', 'Bihar', 'Chandigarh', 'Chhattisgarh', 'Dadra and Nagar Haveli', 'Daman and Diu', 'Delhi', 'Goa', 'Gujarat', 'Haryana', 'Himachal Pradesh', 'Jammu and Kashmir', 'Jharkhand', 'Karnataka', 'Kerala', 'Lakshadweep', 'Madhya Pradesh', 'Maharashtra', 'Manipur', 'Meghalaya', 'Mizoram', 'Nagaland', 'Odisha', 'Puducherry', 'Punjab', 'Rajasthan', 'Sikkim', 'Tamil Nadu', 'Telangana', 'Tripura', 'Uttar Pradesh', 'Uttarakhand', 'West Bengal']
region --> Asia
subregion --> Southern Asia
timezones --> ['UTC+05:30']
tld --> ['.in']
translations --> {'de': 'Indien', 'es': 'India', 'fr': 'Inde', 'ja': 'インド', 'it': 'India'}
wiki --> https://en.wikipedia.org/wiki/india

Вот и все. мы сделали. Вы можете дополнительно настроить свой код в соответствии с вашими потребностями. Вы можете сделать то же самое для любой страны по вашему выбору.

С помощью этих шагов мы успешно получили данные о стране. Вот и все! Вы можете поиграть с библиотекой countryinfo и даже изучить дополнительные возможности.

Просто, не правда ли? Надеюсь, этот урок помог. Я настоятельно рекомендую вам посмотреть YouTube видео того же самого и не забыть подписаться на мой канал.

Вы можете найти весь код в моем репозитории GitHub. Поставьте звездочку, если сочтете это полезным.

Спасибо, что прочитали, я хотел бы связаться с вами в Twitter | LinkedIn.

Делитесь своими ценными предложениями, я ценю ваш честный отзыв!

Вам обязательно стоит заглянуть в другие мои блоги:

Ресурсы:

Увидимся в моей следующей статье в блоге, Береги себя !!

смотрите также:

Новые материалы

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning