【Python数据处理】导入txt文本文件并绘图

有一个.txt文本数据如下:

Data
%%%1351
x        y
1E-02    2.1E-02
2.5E-01    3.0E-1
3.55E+00   4.2E+00
…(后面的数据省略)

现在要绘制有关x-y的数据图像。

1. 加载指定行数据


def loadData(flieName):
    '''
    从.txt文件中读取数据
    可选择读取所有数据也可选择读取选定行数据
    '''
    lnum=0
    x=[]  #创建空表存放x数据
    y=[]  #创建空表存放y数据
    with open(flieName, 'r') as f: #以只读形式打开某.txt文件
        for line in f:
            lnum += 1
            if(lnum>=4):  #从第四行开始添加数据
                line=line.strip('\n') #去掉换行符
                line=line.split('\t') #分割掉两列数据之间的制表符             
                x.append(line[0])
                y.append(line[1])
    #NOTE:此时所得到的x列表中的数据类型是str类型,因此需要进行转换,转换为float类型
    x=np.array(x)  
    x=x.astype(np.float).tolist()
    
    y=np.array(y)
    y=y.astype(np.float).tolist()     
    
    return (x,y)

2. 绘图

def plotdata(x,y):
    fig = plt.figure(figsize=(10, 10))  # 创建绘图窗口,并设置窗口大小
    ax = fig.add_subplot(1,1,1)
    ax.plot(x, y, 'red', label='unknown')  # 画x-y的值,颜色红
    ax.legend(loc='upper left')  # 绘制图例,plot()中的label值
    ax.set_xlabel('x-axis')  # 设置X轴名称
    ax.set_ylabel('y-axis')  # 设置Y轴名称
   
    plt.show()  # 显示绘制的图

还有一种使用pylab库绘制图的方法如下,参考该博客,其效果见该博客:参考博客

## 绘制该文件中的数据
## 需要引入pylab库,里面用到的函数和MATLAB里的非常类似
def plotData(x, y):
    length = len(y)
            
    pylab.figure(1)
 
    pylab.plot(x, y, 'rx')
    pylab.xlabel('x')
    pylab.ylabel('y')
 
    pylab.show()#让绘制的图像在屏幕上显示出来

友情提醒

在加载数据之后,如若要对数据进行其他操作,请一定要确保数据格式已经转换为float或int等这些类型,否则后续对数据求最值等操作都会出现错误。因此在返回x y数组之后,最好确认一下数组中各个元素的类型print(type(x[0]))


参考资料:
python 读取、写入txt文本内容
matplotlib详解

  • 6
    点赞
  • 55
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要用Python进行数据分析,需要使用一些第三方库和工具。下面是使用Python进行数据分析的一些基本步骤: 1. 准备数据:首先需要准备一份TXT文本文件。确保文件路径正确,并且文本内容格式正确。 2. 导入必要的库:Python中有许多库可以用于数据分析,如NumPy、Pandas、Matplotlib等。在开始数据分析之前,需要导入这些库。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt ``` 3. 读取文本文件:使用Pandas库中的`read_csv()`函数可以读取文本文件并将其转换为DataFrame格式。 ```python df = pd.read_csv('filename.txt', delimiter='\t', header=None) ``` 其中,`delimiter`参数指定了分隔符,这里是Tab键;`header`参数指定是否包含列名,这里是没有列名的。 4. 数据清洗和预处理:在对数据进行分析之前,需要对数据进行清洗和预处理。这可能包括删除无用的列、处理缺失值、标准化数据等。 ```python # 删除第一列和第三列 df.drop([0, 2], axis=1, inplace=True) # 处理缺失值 df.fillna(0, inplace=True) # 标准化数据 df = (df - df.mean()) / df.std() ``` 5. 数据分析和可视化:完成数据清洗和预处理后,可以进行数据分析和可视化。这可以使用NumPy、Pandas和Matplotlib等库进行。 ```python # 计算均值、中位数、标准差等统计量 print(df.mean()) print(df.median()) print(df.std()) # 绘制直方图 df.plot.hist(bins=20) # 绘制散点图 df.plot.scatter(x=0, y=1) ``` 这些步骤只是数据分析的基础,具体的分析方法和可视化方式取决于具体问题和数据类型。 ### 回答2: 要用Python进行数据分析,可以按照以下步骤处理一份TXT文本数据: 1. 导入所需的库:首先,需要导入Python中的相关库,如numpy、pandas和matplotlib等。这些库提供了进行数据处理和分析的常用函数和工具。 2. 读取数据:使用pandas库中的read_csv函数来读取TXT文本文件,并加载到一个数据框中。可以通过指定分隔符、列名等参数来确保数据的正确加载。 3. 数据预处理:对于数据分析,通常需要进行一些数据清洗和预处理工作。可以使用pandas库提供的函数进行数据过滤、去除缺失值、处理异常数据等操作。 4. 数据分析:根据具体问题,选择合适的统计分析方法。可以使用numpy库进行数值计算和统计分析,如计算均值、中位数、方差等。还可以使用pandas库进行数据聚合、透视表等高级数据处理操作。 5. 数据可视化:使用matplotlib库中的函数,通过制作图表和图形,将数据可视化。这样可以更直观地呈现数据分析结果,如绘制折线图、柱状图、散点图等。 6. 结果报告:最后,根据分析结果来撰写一份数据分析报告。可以使用Python的文本处理库,如docx库来生成报告文档,并通过将结果导出为CSV或Excel文件来保存。 通过以上步骤,就可以使用Python进行数据分析了。当然,在实际应用中,可能需要根据具体问题和数据特点做一些额外的处理和分析工作,但以上基本步骤可以作为一个指导来帮助完成数据分析任务。 ### 回答3: 使用Python进行数据分析可以利用Python的强大的数据处理和分析库,如pandas、numpy、matplotlib等。 首先,需要将TXT文本数据读入Python中。可以使用pandas库中的read_csv函数来读取TXT文件,并将其转换为DataFrame格式进行进一步分析。 接下来,可以使用pandas和numpy库对数据进行清洗和预处理。通过去除无效数据、填充缺失值、数据类型转换等操作,使得数据符合分析所需的格式。 在数据预处理完成后,可以利用pandas和numpy库对数据进行统计分析。例如,可以使用pandas的describe函数来计算数据的基本统计量,如平均值、中位数、最大值、最小值等。此外,还可以使用pandas和numpy提供的函数进行数据聚合、分组、筛选等操作。 此外,使用matplotlib库可以进行数据可视化分析。可以使用matplotlib的各种绘图函数,如折线图、柱状图、饼图等,来展示数据的分布情况、趋势、比较等。 最后,可以根据数据分析的需求,结合以上操作,对TXT文本数据进行更深入的分析。可以使用Python提供的统计学和机器学习库,如scipy、scikit-learn等,进行更高级的数据分析,如回归、分类、聚类等。 总之,使用Python进行数据分析,可以通过pandas库对数据进行读取、清洗和预处理,利用numpy库进行数据统计分析,使用matplotlib库进行数据可视化分析,并结合其他统计学和机器学习库进行更深入的数据分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值