数据可视化 csv数据集 python学习 matplotlib学习

数据可视化，是希望通过一个直观的图例来展示自己的结论。

本实验是将一个目录下的多个数据集 中的代码修改量和软件缺陷的关系 通过数据可视化展示。

总体思路：就是先把73个项目的修改数存入churn中，然后从小到大排序，把churn里面的数据分成10份，如第一份是修改量的前百分之十，然后统计这百分之十有多少bug数

最后图是每份里面的bug数量占比

一、加载模块

import pandas as pd
import os
import matplotlib.pyplot as plt
from pylab import mpl
import csv

二、前期准备

path=r"C:\\Users\\86189\\Desktop\\学习资料\\大一\\python\\dataModified\\"
files=os.listdir(path)
churn=[]
dic={}
for j in range(0,10):
    dic[str(j*10)+"%~"+str(j*10+10)+"%"]=0
#将所有文件名存入files中

将文件夹的路径赋值给path，用os.path获取这个目录下的所有文件名 放在files中。

初始化列表churn为空列表，字典dic所有键对应的值都为0。

三、列表 字典

for i in files:
    path=r"C:\\Users\\86189\\Desktop\\学习资料\\大一\\python\\dataModified\\"+i
    with open(path,'r',encoding='utf-8')as stucsv:
        reader=csv.reader(stucsv)
        for row in reader:
            la=float(row[6])
            ld=float(row[7])
            if row[16]=='0':
                la=int(la)
                ld=int(ld)
            churn.append(la+ld)
    churn=sorted(churn)
    #将有软件缺陷的代码修改量存入churn，并排序.
    #其中含有软件缺陷的是float型数字，用来标记

    length=len(churn)
    a=0
    b=10
    c=0
    d=int(length/10)
    e=int(length/10)
    for item in churn:
        if d<length:
            if item>churn[d] and a<90:
                a=a+10
                c=d
                d=d+e
                count=0
        if d<length:
            if item>=churn[c] and item<=churn[d] :
                if '.'in str(item):
                    dic[str(a)+"%~"+str(a+10)+"%"]=dic[str(a)+"%~"+str(a+10)+"%"]+1
                    
    print(i+' 正在运行')
    #将每个项目的修改量的0~10%,10~20%……，每一段里面 总的软件缺陷数量 存入字典

写了一个循环，每一个文件对应一次循环。

将代码修改量（la+ld）存入churn列表中，然后从小到大进行排序，将churn里的所有项目分为十份 为：0~10%,10~20%……，将每一份里的代码修改量存入字典。

四、画图

labels=list(dic.keys())
sizes=list(dic.values())
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.title('代码修改量和软件缺陷的关系')
plt.pie(sizes,labels=labels,autopct='%1.1f%%',shadow=False, textprops={'fontsize': 8, 'color': 'w'},startangle=90)
plt.axis('equal')
plt.legend(loc='lower right')
plt.show()
#将上面字典的键名作为labels，画图

五、完整代码

import pandas as pd
import os
import matplotlib.pyplot as plt
from pylab import mpl
import csv
 


path=r"C:\Users\86189\Desktop\学习资料\大一\python\\dataModified\\"
files=os.listdir(path)
churn=[]
dic={}
for j in range(0,10):
    dic[str(j*10)+"%~"+str(j*10+10)+"%"]=0
#将所有文件名存入files中



for i in files:
    path=r"C:\Users\86189\Desktop\学习资料\大一\python\\dataModified\\"+i
    with open(path,'r',encoding='utf-8')as stucsv:
        reader=csv.reader(stucsv)
        for row in reader:
            la=float(row[6])
            ld=float(row[7])
            if row[16]=='0':
                la=int(la)
                ld=int(ld)
            churn.append(la+ld)
    churn=sorted(churn)
    #将有软件缺陷的代码修改量存入churn，并排序.
    #其中含有软件缺陷的是float型数字，用来标记

    

    length=len(churn)
    a=0
    b=10
    c=0
    d=int(length/10)
    e=int(length/10)
    for item in churn:
        if d<length:
            if item>churn[d] and a<90:
                a=a+10
                c=d
                d=d+e
                count=0
        if d<length:
            if item>=churn[c] and item<=churn[d] :
                if '.'in str(item):
                    dic[str(a)+"%~"+str(a+10)+"%"]=dic[str(a)+"%~"+str(a+10)+"%"]+1
                    
    print(i+' 正在运行')
    #将每个项目的修改量的0~10%,10~20%……，每一段里面 总的软件缺陷数量 存入字典



labels=list(dic.keys())
sizes=list(dic.values())
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.title('代码修改量和软件缺陷的关系')
plt.pie(sizes,labels=labels,autopct='%1.1f%%',shadow=False, textprops={'fontsize': 8, 'color': 'w'},startangle=90)
plt.axis('equal')
plt.legend(loc='lower right')
plt.show()
#将上面字典的键名作为labels，画图

六、结果展示