Python 数据可视化
- 安装Matplotlib 库
python -m pip install matplotlib
- 绘制简单折线图
importmatplotlib.pyplotasplt #导入matplotlib的pyplot squares=[1,4,9,16,25] fig,ax=plt.subplots()#其中fig表示整张图片；ax表示图片中的各个图表；subplots在一张图中绘制一个或多个图表 ax.plot(squares)#根据给定的数据以有意义的方式绘制图表 plt.show()#打开matplotlib查看器并显示绘制的图表
- 修改标签文字和线条粗细 的复杂折线图
import matplotlib.pyplot as plt # 导入matplotlib的pyplot input_values=[1,2,3,4,5] squares=[1,4,9,16,25] plt.style.use('seaborn') # 使用图表内置样式 fig,ax=plt.subplots() # 其中fig表示整张图片；ax表示图片中的各个图表； subplots 在一张图中绘制一个或多个图表 ax.plot(input_values,squares,linewidth=3) # 根据给定的数据以有意义的方式绘制图表 plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 plt.rcParams['axes.unicode_minus']=False #这两行需要手动设置 # 设置图表标题，坐标轴标签 ax.set_title("平方数",fontsize=24) ax.set_xlabel("值",fontsize=14) ax.set_ylabel("值的平方",fontsize=14) # 设置刻度标记的大小 ax.tick_params(axis='both',labelsize=14) plt.show() #打开matplotlib 查看器并显示绘制的图表
- 散点图
import matplotlib.pyplot as plt # 导入matplotlib的pyplot x_values=range(1,100) y_values=[x**2 for x in x_values] plt.style.use('seaborn') # 使用图表内置样式 fig,ax=plt.subplots() # 其中fig表示整张图片；ax表示图片中的各个图表； subplots 在一张图中绘制一个或多个图表 # ax.scatter(x_values,y_values,c='red',s=3) # 使用scatter绘制散点图，c 点的颜色，s 点的尺寸 # 使用scatter绘制散点图，c 点的颜色，s 点的尺寸，cmap 使用颜色映射，从浅到深 ax.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=3) plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 plt.rcParams['axes.unicode_minus']=False #这两行需要手动设置 # 设置图表标题，坐标轴标签 ax.set_title("平方数",fontsize=24) ax.set_xlabel("值",fontsize=14) ax.set_ylabel("值的平方",fontsize=14) # 设置刻度标记的大小 ax.tick_params(axis='both',which='major',labelsize=14) # 设置每个坐标轴的取值范围 ax.axis([0,110,0,11000]) # plt.show() # 自动保存图片，这里show之后再save就是另外一张新的图了，一般是空白的；也有可能是程序再show中断 plt.savefig('squares_plot.png',bbox_inches='tight') # 第一个参数为文件名，第二个参数表示将图表多余的空白区域拆剪掉
- 随机漫步
from random import choice import matplotlib.pyplot as plt class RandomWalk: """生成一个随机漫步数据的类""" def __init__(self,num_points=5000): self.num_points=num_points self.x_values=[0] self.y_values=[0] def fill_walk(self): while len(self.x_values)<self.num_points: # 通过choice随机方向和距离 x_direction=choice([1,-1]) x_distance=choice([0,1,2,3,4]) x_step=x_direction*x_distance y_direction = choice([1, -1]) y_distance = choice([0, 1, 2, 3, 4]) y_step = y_direction * y_distance # 拒绝原地踏步 if(x_step==0 and y_step==0): continue # 计算下一个点的x值和y值 x=self.x_values[-1]+x_step y=self.y_values[-1]+y_step self.x_values.append(x) self.y_values.append(y) if __name__=='__main__': while True: rw=RandomWalk(50_000) rw.fill_walk() plt.style.use('classic') fig, ax = plt.subplots(figsize=(6, 4.5),dpi=128) # figsize指定生成图形的尺寸，dpi表示分辨率 point_numbers=range(rw.num_points) ax.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none',s=1) # edgecolor 删除每个点周围的轮廓 # 突出起始点和终止点 ax.scatter(0,0,c='green',edgecolor='none',s=100) ax.scatter(rw.x_values[-1], rw.y_values[-1], c='red',edgecolor='none',s=100) # 隐藏坐标轴 ax.get_xaxis().set_visible(False) ax.get_yaxis().set_visible(False) plt.show() keep_running=input("Make anthoer walk?(y/n): ") if(keep_running=='n'): break
- 使用Plotly模拟投骰子
- 安装plotly
python -m pip install plotly
- 程序代码
from random import randint # 导入绘制直方图的库 from plotly.graph_objs import Bar,Layout from plotly import offline class Die: """表示一个骰子的类""" def __init__(self,num_sides=6): self.num_sides=num_sides def roll(self): return randint(1,self.num_sides) if __name__ == '__main__': # 存储变量 die_1=Die() die_2=Die(8) results=[] # 生成随机数 for roll_num in range(50_000): result=die_1.roll()+die_2.roll() results.append(result) # print(results) # 分析结果，每类计数 frequencies=[] max_result=die_1.num_sides+die_2.num_sides for value in range(2,max_result+1): frequency=results.count(value) #计数 frequencies.append(frequency) print(frequencies) # 对结果进行可视化 x_values=list(range(2,max_result+1)) data=[Bar(x=x_values,y=frequencies)] x_axis_config={'title':'结果','dtick':1} # dtick 指定x轴显示的刻度间距 y_axis_config={'title':'结果的频率'} my_layout=Layout(title='掷两个D6 1000次骰子的结果',xaxis=x_axis_config,yaxis=y_axis_config) offline.plot({'data':data,'layout':my_layout},filename='d6_d8.html') # 在桌面生成一个html文件
- 处理CSV文件数据
import csv from datetime import datetime import matplotlib.pyplot as plt filename='weather.csv' # 地点 日期 最高温度 最低温度 平均温度 with open(filename,encoding='UTF-8') as f: reader=csv.reader(f) reader_row=next(reader) # for index,column_header in enumerate(reader_row): # 对列表调用enumerate 获取其索引和值 # print(index,column_header) dates,highs,lows=[],[],[] for row in reader: current_date=datetime.strptime(row[1],'%Y-%m-%d') try: high=int(row[2]) # 行号row索引从0开始 low=int(row[3]) except ValueError: print(f"Missing data for {current_date}") else: dates.append(current_date) highs.append(high) lows.append(low) print(dates) print(highs) # 根据最高温绘制图形 plt.style.use('seaborn') fig,ax=plt.subplots() ax.plot(dates,highs,c='red',alpha=0.5) # alpha 指透明度 0 为完全透明 ax.plot(dates,lows,c='green',alpha=0.5) ax.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1) # 区域颜色填充 plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签 plt.rcParams['axes.unicode_minus']=False #这两行需要手动设置 # 设置图形的格式 ax.set_title('每日最高温度',fontsize=24) ax.set_xlabel('',fontsize=16) fig.autofmt_xdate() ax.set_ylabel("温度（C）",fontsize=16) ax.tick_params(axis='both',which='major',labelsize=16) plt.show()
数据文件weather.csv utf编码
地点,日期,最高温度,最低温度,平均温度 武汉,2020-05-11,26,24,25 武汉,2020-05-12,32,25,26 武汉,2020-05-13,40,20,27 武汉,2020-05-14,37,21,28 武汉,2020-05-15,26,21,29 武汉,2020-05-16,38,32,30 武汉,2020-05-17,22,20,31 武汉,2020-05-18,28,27,32 武汉,2020-05-19,32,29,33 武汉,2020-05-20,34,27,25 武汉,2020-05-21,29,26,25 武汉,2020-05-22,33,28,26 武汉,2020-05-23,34,30,27 武汉,2020-05-24,,21,28 武汉,2020-05-25,34,31,25
- 处理json格式
主要利用之前的json load和dump 加载和写入数据，然后就是根据字典特性直接提取数据使用plotly绘图
最后了解一下pandas 数据分析工具
import pandas as pd data=pd.DataFrame( data=zip(lons,lats,titles,mags),columns=['经度','纬度','位置','震级'])
- 使用API
- 使用Web API 其是网站的一部分，用于与使用具体URL请求特定信息的程序交互
https://api.github.com/search/repositories?q=language:python&stars
- 安装 Requests 包能够让python程序能够轻松地向网站请求信息并检查返回的响应
python -m pip install requests
- 监视API的速率限制
https://api.github.com/rate_limit
- 调用github API并将其中的数据进行可视化
import requests # 导入plotly from plotly.graph_objs import Bar from plotly import offline # 执行API调用并存储响应 url='https://api.github.com/search/repositories?q=language:python&stars' headers={'Accept':'application/vnd.github.v3+json'} r=requests.get(url,headers=headers) print(f"Status code: {r.status_code}") # 将API响应赋给一个变量 response_dict=r.json() print(f"Total repositories:{response_dict['total_count']}") # 探索有关仓库的信息 repo_dicts=response_dict['items'] print(f"Repositories returned:{len(repo_dicts)}") # 研究第一个仓库 # repo_dict=repo_dicts[0] # print(f"\nKeys:{len(repo_dict)}") # for key in sorted(repo_dict.keys()): # print(key) # 概述最受欢迎的仓库 # print("\n Selected information about each repository:") # for repo_dict in repo_dicts: # print(f"\nName:{repo_dict['name']}") # print(f"Owner:{repo_dict['owner']['login']}") # print(f"Stars:{repo_dict['stargazers_count']}") # print(f"Repository:{repo_dict['html_url']}") # print(f"Created:{repo_dict['created_at']}") # print(f"Updated:{repo_dict['updated_at']}") # print(f"Description:{repo_dict['description']}") # 处理结果 repo_links,stars,labels=[],[],[] for repo_dict in repo_dicts: repo_name=repo_dict['name'] repo_url=repo_dict['html_url'] repo_link=f"<a href='{repo_url}'>{repo_name}</a>" repo_links.append(repo_link) stars.append(repo_dict['stargazers_count']) owner=repo_dict['owner']['login'] description=repo_dict['description'] label=f"Owner:{owner}<br />Description:{description}" labels.append(label) # 可视化 data=[{ 'type':'bar', 'x':repo_links, 'y':stars, 'hovertext':labels, 'marker':{ 'color':'rgb(60,100,150)', 'line':{'width':1.5,'color':'rgb(25,25,25)'} # 轮廓 }, 'opacity':0.6,# 透明度 }] my_layout={ 'title':'Github 上最受欢迎的Python项目', 'titlefont':{'size':28}, 'xaxis':{ 'title':'Repository', 'titlefont':{'size':24}, 'tickfont':{'size':14}, # 刻度标签字号 }, 'yaxis':{ 'title':'Stars', 'titlefont': {'size': 24}, 'tickfont': {'size': 14}, } } fig={'data':data,'layout':my_layout} offline.plot(fig,filename='python_repos.html')
