5------youtube数据的练习（numpy）

【动手】
（1）英国和美国各自YouTube的数据结合之前的matplotlib绘制出各自的评论数量的直方图 ---- 直方图
注意：可以传列表，解决组距除不尽的情况

（2）希望了解英国的YouTube中视频的评论数和喜欢数的关系，应该如何绘制该图 ---- 散点图
注意：趋势是折线图，相关是散点图

【问题1】
英国和美国各自YouTube的数据结合之前的matplotlib绘制出各自的评论数量的直方图 ---- 直方图
注意：可以传列表，解决组距除不尽的情况

# 第一次绘图
'''
点击，       喜欢，      不喜欢，     评论数量 
([“views”，“likes”，“dislikes”，“comment_total”]）
'''
import numpy as np
from matplotlib import pyplot as plt

us_path = './code/youtube_video_data/US_video_data_numbers.csv'
t_us = np.loadtxt(us_path,dtype='int',delimiter=',')

t_us_comment = t_us[:,-1]                        # 评论：最后一列
print(t_us_comment.max(),t_us_comment.min())

#  组距取值为250，则组数为20
d = 10000    # 组距为10000
bin_nums = (t_us_comment.max()-t_us_comment.min())//d     # 组数为58
print(bin_nums)   # 组数除不尽，直方图会有偏移



# 直方图 plt.hist(a，组数)
plt.figure(figsize=(20,8),dpi=80)
plt.hist(t_us_comment,bin_nums)
plt.grid()
plt.show()


# 结论：
'''
（1）大多数数据集中在0---50000之间
（2）可以传列表，解决组距除不尽的情况
'''

582624 0
58

'\n（1）大多数数据集中在0---50000之间\n（2）可以传列表，解决组距除不尽的情况\n'

# 第二次绘图
'''
点击，       喜欢，      不喜欢，     评论数量 
([“views”，“likes”，“dislikes”，“comment_total”]）
'''
import numpy as np
from matplotlib import pyplot as plt

us_path = './code/youtube_video_data/US_video_data_numbers.csv'
t_us = np.loadtxt(us_path,dtype='int',delimiter=',')
print(t_us)


# 由于大多数数据集中于 0---50000，故组距取值为250，则组数为20
t_us = t_us[t_us[:,-1]<=50000]
t_us_comment = t_us[:,-1]
print(t_us_comment.max(),t_us_comment.min())

d = 250
bin_nums = (t_us_comment.max()-t_us_comment.min())//d

# 直方图 plt.hist（a，组数）
plt.figure(figsize=(20,8),dpi=80)
plt.hist(t_us_comment,bin_nums)
plt.grid()
plt.show()

# 结论
'''
大多数数据集中在0---5000，故准备调整组距为50，组数为100
'''

[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 ...
 [ 142463    4231     148     279]
 [2162240   41032    1384    4737]
 [ 515000   34727     195    4722]]
46245 0

'\n大多数数据集中在0---5000，故准备调整组距为50，组数为100\n'

# 第三次绘图
'''
点击，       喜欢，      不喜欢，     评论数量 
([“views”，“likes”，“dislikes”，“comment_total”]）
'''
import numpy as np
from matplotlib import pyplot as plt

us_path = './code/youtube_video_data/US_video_data_numbers.csv'
t_us = np.loadtxt(us_path,dtype='int',delimiter=',')
print(t_us)


# 由于大多数数据集中于 0---5000，故组距取值为250，则组数为20
t_us = t_us[t_us[:,-1]<=5000]
t_us_comment = t_us[:,-1]
print(t_us_comment.max(),t_us_comment.min())

d = 250
bin_nums = (t_us_comment.max()-t_us_comment.min())//d

# 直方图 plt.hist（a，组数）
plt.figure(figsize=(20,8),dpi=80)
plt.hist(t_us_comment,bin_nums)
plt.grid()
plt.show()

# 结论
'''
大多数数据集中在0---5000，故准备调整组距为250，组数为20
'''

[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 ...
 [ 142463    4231     148     279]
 [2162240   41032    1384    4737]
 [ 515000   34727     195    4722]]
4995 0

'\n大多数数据集中在0---5000，故准备调整组距为250，组数为20\n'

【问题2】
希望了解英国的YouTube中视频的评论数和喜欢数的关系，应该如何绘制该图 ---- 散点图
注意：趋势是折线图，相关是散点图

# 第一次绘图
'''
点击，       喜欢，      不喜欢，     评论数量 
([“views”，“likes”，“dislikes”，“comment_total”]）
'''

import numpy as np
from matplotlib import pyplot as plt

uk_path = './code/youtube_video_data/US_video_data_numbers.csv'
us_path = './code/youtube_video_data/US_video_data_numbers.csv'

# t1 = np.loadtxt(us_file_path，delimiter=','，dtype='int'，unpack=True)
t_uk = np.loadtxt(uk_path,dtype='int',delimiter=',')
print(t_uk)            

t_uk_comment = t_uk[:,-1]      # Y轴----评论：第4列
t_uk_like = t_uk[:,1]          # x轴----喜欢：第2列

# 散点图
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(t_uk_like,t_uk_comment)
plt.show()

# 结论
'''
大多数数据集中于 0 ---- 500000
保持数据的一致性
'''

[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 ...
 [ 142463    4231     148     279]
 [2162240   41032    1384    4737]
 [ 515000   34727     195    4722]]

# 第二次绘图 
'''
点击，       喜欢，      不喜欢，     评论数量 
([“views”，“likes”，“dislikes”，“comment_total”]）
'''
import numpy
from matplotlib import pyplot as plt

uk_path = './code/youtube_video_data/US_video_data_numbers.csv'
t_uk = np.loadtxt(uk_path,dtype='int',delimiter=',')
print(t_uk)

# （1）切片：选择部分数据  t_uk_lke <= 500000
# （2）保持数据的一致性
t_uk = t_uk[t_uk[:,1]<=500000]

t_uk_comment = t_uk[:,-1]
t_uk_like = t_uk[:,1]

# 散点图
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(t_uk_like,t_uk_comment)
plt.show()

[[4394029  320053    5931   46245]
 [7860119  185853   26679       0]
 [5845909  576597   39774  170708]
 ...
 [ 142463    4231     148     279]
 [2162240   41032    1384    4737]
 [ 515000   34727     195    4722]]