Python数据可视化入门
发布时间
阅读量：
阅读量
python中数据可视化基础
-
- 1、numpy 模块
- 2、 pandas 模块
- 3、数据读取与导入
- 4、matolotlib 模块
- 1、numpy 模块
本篇文章重点介绍Python语言在数据可视化方面的基础知识，所涵盖的内容涉及numpy、pandas以及matolotlib等模块。
上一篇： python数据分析之pandas
1、numpy模块功能与应用
# -*- coding: utf-8 -*-
# --------------------------------------
# @Time : 2019/10/14 14:32
# @Author : hxf
# @Email : 1870212598@qq.com
# @File : shuju1_numpy.py
# Description :numpy模块
# ----------------------------------
'''
1、创建数组格式
一维数组：numpy.array([元素1,元素2,元素3,...,元素n])
二维数据：numpy.array([[元素1,元素2,...,元素n],[元素1,元素2,...,元素n],[元素1,元素2,...,元素n]])
2、数组排序
sort()
3、数组取最大值和最小值
max()、min()
4、数组的切片操作
数组[起始下标:最终下标+1]
'''
import numpy as np
#创建数组
print('---------------------一维数组---------------------')
x=np.array(["a","8","9","12"])
print(x)
print(type(x))
print('---------------------二维数组----------------------')
y=np.array([[1,7,3],[5,8,2],[9,4,7]])
print(y)
print(type(y))
print('---------------------取特定元素---------------------')
print(x[2])
print(y[1][2])
#数组排序
print('---------------------排序后的数组---------------------')
x.sort()
print(x)
y.sort()
print(y)
#数组最大值和最小值
print('---------------------数组最大值和最小值---------------------')
y1=y.max() #list中也有求max和min，但数组的效率高
y2=y.min()
print('y的最大值：',y1)
print('y的最小值：',y2)
#数组的切片操作
print(x[1:3]) #1-2号元素
2、pandas模块功能与应用
'''
panda模块：
Series #index 索引
DataFrame # columns列名
'''
import pandas as pda
print('--------------------------Series创建一串数据-----------------------------')
a=pda.Series([8,9,2,1])
print(a)
'''
0 8
1 9
2 2
3 1
dtype: int64
'''
#指定索引
b=pda.Series([8,9,2,1],index=['One','Two','Three','Four'])
print(b)
'''
One 8
Two 9
Three 2
Four 1
dtype: int64
'''
print('--------------------------DataFrame 创建数据框-----------------------------')
c=pda.DataFrame([[5,6,2,3],[8,4,6,3],[6,4,31,2]])
print(c)
'''
0 1 2 3
0 5 6 2 3
1 8 4 6 3
2 6 4 31 2
'''
print('-------------------------------------------------------')
d=pda.DataFrame([[5,6,2,3],[8,4,6,3],[6,4,31,2]],columns=['One','Two','Three','Four'])#指定列名
print(d)
'''
One Two Three Four
0 5 6 2 3
1 8 4 6 3
2 6 4 31 2
'''
print('-------------------------------------------------------')
e=pda.DataFrame({ # 通过字典创建数据
"one":4,
"two":[6,2,3],
"three":list(str(982))
})
print(e)
'''
one two three
0 4 6 9
1 4 2 8
2 4 3 2
'''
print('-------------------------------------------------------')
print(d.head()) # 头部数据，默认前5行
'''
One Two Three Four
0 5 6 2 3
1 8 4 6 3
2 6 4 31 2
'''
print('-------------------------------------------------------')
print(d.tail(2)) # 取后两行
'''
One Two Three Four
1 8 4 6 3
2 6 4 31 2
'''
print('-------------------------------------------------------')
print(d.describe()) # 按列统计描述
'''
One Two Three Four
count 3.000000 3.000000 3.000000 3.000000
mean 6.333333 4.666667 13.000000 2.666667
std 1.527525 1.154701 15.716234 0.577350
min 5.000000 4.000000 2.000000 2.000000
25% 5.500000 4.000000 4.000000 2.500000
50% 6.000000 4.000000 6.000000 3.000000
75% 7.000000 5.000000 18.500000 3.000000
max 8.000000 6.000000 31.000000 3.000000
'''
#转置
print('-------------------------------------------------------')
print(d.T) # 转置
'''
0 1 2
One 5 8 6
Two 6 4 4
Three 2 6 31
Four 3 3 2
'''
3、数据读取与导入
# ----------------------------------
'''
数据导入
导入csv文件
导入excel文件
导入MySQLS数据库中的数据
导入html数据
导入文本数据 read_table
'''
import pandas as pda
print('----------------------------------读取csv文件------------------------------------------------')
i=pda.read_csv('data/hexun.csv')
print('----------------------------------------------------------------------------------')
print(i)
print(i.describe())
print('----------------------------------------------------------------------------------')
print(i.sort_values(by="hits"))
print('----------------------------------读取excel文件------------------------------------------------')
j=pda.read_excel('data/hexun.xls')
print('----------------------------------------------------------------------------------')
print(j)
print(j.describe())
print('----------------------------------------------------------------------------------')
print(j.sort_values(by="hits"))
print('----------------------------------读取html数据------------------------------------------------')
k=pda.read_html('data/abc.html')
print(k)
l=pda.read_html('https://book.douban.com/')
print(l)
print('----------------------------------读取txt文件------------------------------------------------')
m=pda.read_table('data/abc.txt')
print(m)
'''
print('----------------------------------读取sql文件------------------------------------------------')
import pymysql
conn=pymysql.connect(host="127.0.0.1",user="root",passwd="123456",db="hexun")
sql="select * from myhexun"
n=pda.read_sql(sql,conn)
print(n)
'''
4、matolotlib 模块
'''
matplotlib.pyplot模块
1、折线图和散点图plot plot(x轴数据，y轴数据，展现形式)，参数是可以叠加的
颜色参数：
c-cyan--青色
r-red--红色
m-magente--品红
g-green--绿色
b-blue--蓝色
y-yellow--黄色
k-black--黑色
w-white--白色
线条样式：
- 直线
-- 虚线
-. -.式
: 细小虚线
点的样式：
s--方形
h--六角形
H--六角形
*--星形
+--加号
x--x形
d--菱形
D--菱形
p--五角星
2、直方图hist
随机数的生成
直方图绘制 hist(data,sty,histtype) # 数据 形式 轮廓参数
3、子图绘图
subplot(2,2,1)
4、可视化分析案例
读取和讯博客的数据并可视化分析
'''
'''
import matplotlib.pyplot as pyl
import numpy as np
# 1、折线图和散点图plot
x=[1,2,3,4,8]
y=[5,7,2,1,5]
'''
'''
pyl.plot(x,y) # 折线图
pyl.show()
pyl.plot(x,y,'o') # 散点图，会叠加
pyl.show()
pyl.plot(x,y,'oc') # 青色的散点图
pyl.show()
pyl.plot(x,y,'-') # 直线
pyl.show()
pyl.plot(x,y,'--') # 虚线
pyl.show()
pyl.plot(x,y,'-.') # 虚线
pyl.show()
pyl.plot(x,y,':') # 细小虚线
pyl.show()
pyl.plot(x,y,'*') # 星形
pyl.show()
pyl.plot(x,y,'d') # 菱形
pyl.show()
pyl.plot(x,y,'h') # 六角形
pyl.show()
'''
'''
pyl.plot(x,y)
x2=[1,3,6,8,10,12,19]
y2=[1,6,9,10,19,23,35]
pyl.plot(x2,y2)
pyl.title("show") # 添加标题
pyl.xlabel("ages") # 添加x轴标题
pyl.ylabel("temp") # 添加y轴标题
pyl.xlim(0,20) # 设置x轴范围
pyl.ylim(0,35) # 设置y轴范围
pyl.show()
'''
'''
# 2、直方图hist
# 随机数的生成
import numpy as np
data=np.random.random_integers(1,20,10) #(最小值，最大值，个数) 生成随机整数
# print(data)
data2=np.random.normal(5.0,2.0,10) # (均值,西格玛,个数) 生成正态分布的随机数
# print(data2)
data3=np.random.normal(10.0,1.0,10000)
# pyl.hist(data3)
# pyl.show()
data4=np.random.random_integers(1,25,1000)
# print(data4)
# pyl.hist(data4)
sty=np.arange(1,30,2)
# pyl.hist(data4,sty)
# pyl.hist(data4,sty,histtype='stepfilled')
# pyl.hist(data4,histtype='stepfilled')
# pyl.show()
# 更多随机数生成更多知识参考http://www.mamicode.com/info-detail-507676.html
#3、柱状图
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
num_list = [1.5, 0.6, 7.8, 6]
plt.bar(range(len(num_list)), num_list)
plt.show()
# 4、子图绘图
pyl.subplot(2,2,1)
x1=[1,2,3,4,5]
y1=[5,3,5,23,5]
pyl.plot(x1,y1)
pyl.subplot(2,2,2)
x2=[5,2,3,8,6]
y2=[7,9,12,12,3]
pyl.plot(x2,y2)
pyl.subplot(2,1,2)
x3=[5,6,7,10,19,20,29]
y3=[6,2,4,21,5,1,5]
pyl.plot(x3,y3)
pyl.show()
'''
'''
5.可视化分析案例
读取和讯博客的数据并可视化分析
'''
# 读取和讯博客的数据并可视化分析
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data=pd.read_csv('data/myhexun.csv')
# print(data.shape) # 查看数据结构
# print(data.values) # 查看 values[第几行][第几列]
# print(data.values[0])
# print(data.values[1][1])
# 转置
data2=data.T
y1=data2.values[3] # 获取阅读数
x1=data2.values[4] # 获取评论数
# plt.plot(x1,y1)
# plt.show()
x2=data2.values[0] # 取id
# plt.plot(x2,y1)
# plt.show()
plt.plot(x2,x1)
plt.show()
下一篇文章：数据探索与数据清洗
全部评论 (0)
还没有任何评论哟~