【Python】项目实战二：数据可视化 - 《Python编程：从入门到实践》

最新推荐文章于 2021-09-09 00:30:49 发布

THDoO

最新推荐文章于 2021-09-09 00:30:49 发布

阅读量1.5k

点赞数 4

分类专栏： Python 文章标签： python 数据可视化

本文链接：https://blog.csdn.net/THDoO/article/details/109481890

版权

本项目实战涵盖了Python数据可视化的基础，包括绘制折线图、散点图，实现随机漫步的可视化；还涉及数据下载，如CSV和JSON格式的数据处理；同时，通过调用GitHub和Hacker News API获取实时数据。

摘要由CSDN通过智能技术生成

1、生成数据

（1）绘制简单的图像：折线图、散点图、自动计算数据

import matplotlib.pyplot as plt
"""注释内替换：折线图变为散点图"""
input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
plt.plot(input_values, squares, linewidth=5)    # plt.scatter(input_values, squares, s=100)

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)     # plt.tick_params(axis='both', which='major', labelsize=14)

plt.show()

import matplotlib.pyplot as plt
"""自动计算数据"""

x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
# c='red'   c=(0, 0.9, 0.9)  0-1之间取值，值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅
# colormap 颜色映射；用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s=40)     
# 默认蓝色点和黑色轮廓，删除数据点的轮廓

# 设置图表标题并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])

plt.show()   # 自动保存图表：plt.savefig('squares_plot.png', bbox_inches='tight')

# 保存在项目文件中；   第二个参数：将图表多余的空白区域裁剪掉

（2）随机漫步

rw_visual.py 绘制随机漫步的点

import matplotlib.pyplot as plt
from random_walk import RandomWalk


# 只要程序处于活动状态，就不断的模拟随机漫步
while True:
    # 创建一个RandomWalk实例
    rw = RandomWalk(50000)      # 默认是5000
    rw.fill_walk()

    # 设置绘图窗口的尺寸
    plt.figure(figsize=(10,6))

    point_numbers = list(range(rw.num_points))
    plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)

    # 突出起点和终点
    plt.scatter(0, 0, c='green', edgecolors='none', s=100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)

    # 隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)