Python数据可视化编程实战-1
2020-12-24 21:29
标签：func 实验 image 调用 根据 循环读取 关键字 sheet 读取 有两种方式更改运行参数：使用参数字典(rcparams)或调用matplotlib.rc()命令。第一种方式中，可以通过 rcparams字典访问并修改所有已经加载的配置项；第二种方式中，可以通过matplotlib.rc()传入属性的关键字元组来修改配置项。 使用 matplotlib. rcparams的例子。
使用 matplotlib.rc()函数调用的例子。 示例： 1.9为项目设置参数 配置文件包括以下配置项： 2.2 csv文件 2.3 读取excel文件 xlrd模块使用的对象模型：每一个工作簿workbook中包含多个工作表sheet，每个工作表中有多个单元格对象cell，我们从单元格中将值提取出来。 主要方法： 2.10 读取大块文件数据 对于数据特别大的数据，如包含几千万行数据的，处理起来很困难。这类文件不能一次性把文件数据读取进内存中，而是分很多次。 这一类读取文件的函数有两个参数：chunksize，iterator 1）指定CHUNKSIZE分块读取文件 2）指定迭代=真 2020-06-28 18:11:12 2.13 生成可控的随机数据集合 标准差：表示个体和群体之间的差异。如果差异越大，标准差会越大；如果所有个体实验在整组范围内基本相同，标准差会比较小。 方差：标准差的平方。 总体 样本：总体的子集。 主要用python的random模块生成数据，其主要用法如下： 创建一个均匀分布的样本： （pylab库结合了pyplot和numpy，对交互式使用来说比较方便，既可以画图又可以进行简单的计算。） 补充说明： figure()：创建一个新的图表，给该方法传递字符串参数，这个字符串就会成为窗口的标题。 subplot(2, 3, 1)：第一个参数是行数，第二个参数为列数，第三个参数表示图形的标号。 箱线图：一种用作显示一组数据分散情况资料的统计图。 绘制的基本图表包含以下元素： xlim()和ylim()：坐标轴的最大和最小刻度。 xticks()和yticks()：设置坐标轴的刻度间隔。 Python数据可视化编程实战-1 标签：func 实验 image 调用 根据 循环读取 关键字 sheet 读取 原文地址：https://www.cnblogs.com/cucu/p/13199217.html第1章
import matplotlib as mpl
mpl. rcparams [ ‘lines.linewidth‘] = 2
mpl. rcparams [‘lines color‘] = ‘r‘
import matplotlib as mpl
mpl. rc(‘lines‘, linewidth = 2, color= ‘r‘) import matplotlib. pyplot as plt
import numpy as np
t = np. arange(0.0,1.0,0.01)
s=np.sin(2 *np.pi *t)
# 设置线为红色
plt.rcParams [‘lines.color‘] = ‘r‘
plt.plot(t, s)
c=np.sin(2 *np.pi *t)
# 设置线的宽度（3有无引号均可）
plt. rcParams[‘lines.linewidth‘] = ‘3‘
plt.plot(t,c)
plt.show()
◆ axes：设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示。
◆ backend：设置目标输出 TkAgg和 GTKAgg。
◆ figure：控制dpi、边界颜色、图形大小和子区（subplot）设置。
◆ font：字体集（ font family）、字体大小和样式设置。
◆ grid：设置网格颜色和线型。
◆ legend：设置图例和其中文本的显示。
◆ line：设置线条（颜色、线型、宽度等）和标记。
◆ patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
◆ savefig：可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
◆ text：设置字体颜色、文本解析（纯文本或 latex标记）等。
◆ verbose：设置 matplotlib在执行期间信息输出，如 silent、 helpful、 debug和debug- annoying。
◆ xticks和 yticks：为x、y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
第2章 了解数据
import csv
filename = "E:\\python_data_plot\\ch02\\ch02_data.csv"
data = []
# 打开文件
with open(filename) as f:
reader = csv.reader(f)
header = next(reader) # 读取文件头
for row in reader:
temp = int(row[1]) # 读取第二列的数据，原格式为字符串型，化为整型
data.append(row[1]) # 存入数组
print(data)
sheet.row_values(1) #读取第2行的值
sheet.cell(1, 1).value #读取特定单元格（第2行第2列）的值
import xlrd
#读取excel文件一列数据
def excel():
# 1.打开Excel文件
wb = xlrd.open_workbook(‘E:\\python_data_plot\\ch02\\MK.xlsx‘)
# 2.通过excel表格名称(rank)获取工作表
sheet = wb.sheet_by_name(‘Sheet1‘)
dat = [] # 创建空list
# 根据行数（nrows）和列数（ncols）读取单元格的内容
for a in range(1, sheet.nrows): # 从第二行开始，循环读取表格内容（每次读取一行数据）
cells = sheet.row_values(a) # 每行数据赋值给单元格cells
data = int(cells[0]) # 因为表内可能存在多列数据，0代表第一列数据，1代表第二列，以此类推
dat.append(data) # 把每次循环读取的数据插入到list
return dat
a = excel() #返回整个函数的值
print(a)
read_csv 和 read_table 有一个chunksize参数，用以指定一个块大小（每次读取多少行），返回一个可迭代的 TextFileReader 对象。table=pd.read_table(path+‘kuaishou.txt‘,sep=‘\t‘,chunksize=1000000)
reader = pd.read_table(‘tmp.sv‘, sep=‘\t‘, iterator=True)
import random
print(random.randint(1, 10)) # 产生 1 到 10 的一个整数型随机数
print(random.random()) # 产生 0 到 1 之间的随机浮点数
print(random.uniform(1.1, 5.4)) # 产生 1.1 到 5.4 之间的随机浮点数，区间可以不是整数
print(random.choice(‘tomorrow‘)) # 从序列中随机选取一个元素
print(random.randrange(1, 100, 2)) # 生成从1到100的步长为2的随机整数（如得到33，33-1=32，为2的倍数）
print(random.sample(‘zyxwvutsrqponmlkjihgfedcba‘, 5)) # 多个字符中生成指定数量的随机字符
a = [1,3,5,6,7] # 将序列a中的元素顺序打乱
random.shuffle(a)
print(a)
print(random.normalvariate(0.2, 1.2)) # 从中值为0.2，标准差为1.2的正态分布中选取一个随机值
import pylab
import random
random.seed()
real_vars = []
real_vars = [random.randint(0, 16) for val in range(100)] # 生成100个在0-16之间的随机整数
print(real_vars)
# 创建分为10段的柱状直方图
pylab.hist(real_vars, 10)
# 定义x轴和y轴的坐标轴标题
pylab.xlabel("number range")
pylab.ylabel("count")
# 显示图形
pylab.show()
第3章 绘制并定制化图表
3.2 定义图表类型----柱状图、线型图和堆积柱状图
from matplotlib.pyplot import *
# 数据
x = [1, 2, 3, 4, 5, 6]
y = [3, 4, 6, 7, 3, 2]
# 创建新图形
figure()
# 把分区划分为2*3的网格，选择#1的位置
subplot(2, 3, 1)
plot(x, y)
# 柱状图，选择#2的位置
subplot(2, 3, 2)
bar(x, y)
# 水平(horizontal)柱状图，选择#3的位置
subplot(2, 3, 3)
barh(x, y)
# 叠加柱状图
subplot(2, 3, 4)
bar(x, y)
# 叠加柱状图所需要的补充数据
y1 = [2, 3, 4, 5, 6, 7]
bar(x, y1, bottom=y, color=‘r‘)
# 箱线图
subplot(2, 3, 5)
boxplot(x)
# 散点图
subplot(2, 3, 6)
scatter(x, y)
show()
3.3 简单的正弦图和余弦图
from matplotlib.pyplot import *
import numpy as np
# 取-pi到pi之间具有相同线性距离的256个点
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y = np.cos(x) # 计算正弦值和余弦值
y1 = np.sin(x)
plot(x, y) # 画正弦图和余弦图
plot(x, y1)
title("Function sin and cos") # 定义题目
xlim(-3.0, 3.0) # 设置x和y的范围
ylim(-1.0, 1.0)
# 设置坐标轴的刻度间隔
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
show()
# xlim(-3.0, 3.0) # 设置x和y的范围
# ylim(-1.0, 1.0)
