python编程从入门到实战16章x轴刻度_PYTHON编程：从入门到实践之数据可视化

数据可视化是指的通过可视化来表示探索数据，与数据挖掘紧密相关，数据挖掘是指的使用代码来探索数据集的规律和关联。可视化的目的是为了简洁的展示给观看者数据的规律和意义。

本文中使用的可视化模块为matplotlib和pygal

一、准备工作

1.1安装matplotliblinux：sudo apt-get install python3-matplotlib

windows:使用anaconda安装或者安装pip之后用pip install matplotlib

mac OS：pip install –user matplotlib

1.2测试并进行简单绘画1

2

3

4

5import matplotlib.pyplot as plt

squares = [1,4,9,16,25]

plt.plot(squares)

plt.show()

1.3修改标签文字和线条粗细1

2

3

4

5

6

7

8

9

10

11

12

13plt.plot(squares, linewidth=size)#修改线条粗细

plt.title('name', fontsize=n)#修改图表名字

#给坐标轴加上标签

plt.xlabel('name', fontsize=n)

plt.ylabel('name', fontsize=n)

#设置刻度标记的大小

plt.tick_params(axis='both', labelsize=14)

#plot函数可以同时传入自变量和因变量

plt.plot(x, y, linewidth=14)

#图标区域涂色

#利用plt.fill_between(x,y1,y2,facecolor='red',alpha=0.1)其中alpha设置透明度0为透明，1为不透明

1.4散点图1

2

3

4#scatter_squares.py

import matplotlib.pyplot as plt

plt.scatter(2, 4, s=200)#s可以设置散点的大小

plt.show()

1

2

3

4

5

6

7

8#绘制系列散点

import matplotlib.pyplot as plt

x=[1,2,3,4,5,6,7]

y=[3,4,6,8,3,4,5]

plt.scatter(x, y, c='yellow', edgecolor='none', s=100)#去除数据点的轮廓

plt.axis([0, 8, 0, 11])#设置坐标轴范围

plt.show()

1

2

3

4

5

6

7

8

9#绘制系列散点,并使用颜色映射colormap

import matplotlib.pyplot as plt

x=[1,2,3,4,5,6,7]

y=[3,4,6,8,3,4,5]

plt.scatter(x, y, c=y, cmap=plt.cm.Blues, edgecolor='none', s=100)#colormap颜色映射，看出数据的变化趋势

plt.axis([0, 8, 0, 11])#设置坐标轴范围

plt.show()

plt.savefig('filename', bbox_inches='tight')#自动保存图表，第二参数是裁掉多余空白区域

1.5随机漫步

每次行走都是随机的，意味着方向不一定，行走步数不一定。

1.5.1创建RandWalk类1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47from random import choice

import matplotlib.pyplot as plt

class ():

'''随机生成漫步数据的类'''

def __init__(self, num_points=5000):

'''初始化属性'''

self.num_points = num_points

self.x_values = [0]#随机漫步从(0,0)出发

self.y_values = [0]

def fill_walk(self):

'''计算随机漫步的所有点'''

#不断漫步，直到达到指定的长度

while len(self.x_values) < self.num_points:

#决定前进的方向和前进距离

x_direction = choice([1,-1])

x_distance = choice([0, 1, 2, 3, 4])

x_step = x_direction * x_distance

y_direction = choice([1,-1])

y_distance = choice([0, 1, 2, 3, 4])

y_step = y_direction * y_distance

#拒绝原地踏步

if x_step == 0 and y_step == 0:

continue

#计算下一个点的xy的值

next_x = self.x_values[-1] + x_step

next_y = self.y_values[-1] + y_step

#更新坐标值

self.x_values.append(next_x)

self.y_values.append(next_y)

#开始绘制

plt.figure(figsize=(10,6)) #可以传入的参数包括dpi像素，大小，背景色

rw = RandWalk()

rw.fill_walk()

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

#突出起点和终点

plt.scatter(0, 0, edgecolors='none', c='red', s=40)

plt.scatter(rw.x_values[-1], rw.y_values[-1], edgecolors='none', c='yellow', s=40)

#隐藏坐标轴

plt.axes().get_xaxis().set_visible(False)

plt.axes().get_yaxis().set_visible(False)

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41from random import choice

class ():

'''随机生成漫步数据的类'''

def __init__(self, num_points=5000):

self.num_points = num_points

self.x_values = [0]#随机漫步从(0,0)出发

self.y_values = [0]

def fill_walk(self):

'''计算随机漫步的所有点'''

#不断漫步，直到达到指定的长度

while len(self.x_values) < self.num_points:

#决定前进的方向和前进距离

x_direction = choice([1,-1])

x_distance = choice([0, 1, 2, 3, 4])

x_step = x_direction * x_distance

y_direction = choice([1,-1])

y_distance = choice([0, 1, 2, 3, 4])

y_step = y_direction * y_distance

#拒绝原地踏步

if x_step == 0 and y_step == 0:

continue

#计算下一个点的xy的值

next_x = self.x_values[-1] + x_step

next_y = self.y_values[-1] +y_step

#更新坐标值

self.x_values.append(next_x)

self.y_values.append(next_y)

#开始绘制

plt.figure(figsize=(10,6))#可以传入的参数包括dpi像素，大小，背景色

rw = RandWalk()

rw.fill_walk()

plt.plot(rw.x_values, rw.y_values, linewidth=1)

#突出起点和终点

#plt.plot(0, 0, edgecolors='none', c='red', s=40)

#plt.plot(rw.x_values[-1], rw.y_values[-1], edgecolors='none', c='yellow', linewidth=4)

plt.show()

1.6Pygal1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41#掷骰子的类

from random import randint

import pygal

class Die():

'''表示一个骰子的类'''

def __init__(self, num_sides):

self.num_sides = num_sides

def roll(self):

return randint(1,self.num_sides)

#测试上面的类是否可行

sides = 6

die = Die(sides)

results = []

for roll_num in range(1000):

result = die.roll()

results.append(result)

#print(results)

num_values = []

#分析结果，做统计

for value in range(1,1+sides):

values = results.count(value)

num_values.append(values)

#print(num_values)

#绘制直方图，将数据可视化

hist = pygal.Bar()

hist.title= 'Results of rolling D6 1000 times'

hist.x_labels = ['1','2','3','4','5','6']

hist.x_title = 'num_values'

hist.y_title = 'Frequency of Result'

#add函数

hist.add('D6',num_values)

hist.render_to_file('die_visual.svg')

二、下载数据后的数据的处理

下载后的数据文件一般分为两种格式：

csv格式 用逗号隔开

json格式 列表中的元素是字典类型[{}, {}, {}] json.load() json.dump()

1

2

3

4

5

6

7

8

9import csv

filename = ''

with open(filename) as f:

reader = csv.reader(f)

header_csv = next(reader)

#获取文件头的数据和索引

for index,value = enumerate(header_csv):

print(index+':'+value)

File "", line 8

for index,value = enumerate(header_csv):

^

SyntaxError: invalid syntax

三、使用API1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30#导入requests模块，使用pygal来可视化数据

import requests

import pygal

from pygal.style import LightColorizedStyle as LCS, LightenStyle as LS

url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'

r = requests.get(url)

print('status code：', r.status_code)

reponse_dict = r.json()

print(reponse_dict.keys())#响应字典

#研究第一个仓库

repo_dicts = reponse_dict['items']

repo_dict = repo_dicts[0]

#第一个仓库包含的信息

print(len(repo_dict.keys()))

for key in sorted(repo_dict.keys()):

print(key)

names,stars = [],[]

for repo_dict in repo_dicts:

names.append(repo_dict['name'])

stars.append(repo_dict['stargazers_count'])

my_style = LS('#333366',base_style=LCS)

chart = pygal.Bar(style=my_style, x_label_rotation=45, show_legend=False)

chart.title = 'Most-Starred Python Projects on Github'

chart.x_labels = names

chart.add('',stars)

chart.render_to_file('python_repos.svg')

status code： 200

dict_keys(['total_count', 'incomplete_results', 'items'])

73

archive_url

archived

assignees_url

blobs_url

branches_url

clone_url

collaborators_url

comments_url

commits_url

compare_url

contents_url

contributors_url

created_at

default_branch

deployments_url

description

downloads_url

events_url

fork

forks

forks_count

forks_url

full_name

git_commits_url

git_refs_url

git_tags_url

git_url

has_downloads

has_issues

has_pages

has_projects

has_wiki

homepage

hooks_url

html_url

id

issue_comment_url

issue_events_url

issues_url

keys_url

labels_url

language

languages_url

license

merges_url

milestones_url

mirror_url

name

node_id

notifications_url

open_issues

open_issues_count

owner

private

pulls_url

pushed_at

releases_url

score

size

ssh_url

stargazers_count

stargazers_url

statuses_url

subscribers_url

subscription_url

svn_url

tags_url

teams_url

trees_url

updated_at

url

watchers

watchers_count

下面还有hacker news示例，就不再总结了，主要包括通过api请求资源，将响应按照json格式进行处理，最后进行信息提取展示。还是要熟练json的格式