python编程之数据可视化2--下载数据

python编程之数据可视化1--生成数据

python编程之数据可视化2--下载数据

python编程之数据可视化3--API的使用

下载数据

在本文学习之后，你将能够处理各种类型和格式的数据集，并对如何创建复杂的图表有更深入的认识。

1.CSV文件格式

CSV的文件格式是使用逗号（,）将数据分隔开来，例如：

2019-1-6,63,52,96,85,85

本文使用CSV格式的文件是天气的数据，可以从http://www.wunderground.com/history中下载。

我已经存入百度网盘，读者可以自行下载。

链接：https://pan.baidu.com/s/1MZgZghOADlKBdVUV9u7Qow 
提取码：ssnp

1.1 分析CSV的头

我们接下来使用csv模块分析CSV文件的数据行，可以快速提取感兴趣的值。首先，我们来看第一行，包含了一系列有关的数据描述：

highs_lows.py

---

import csv 
filename = "sitka_weather_07-2014.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    print(header_row)

输出结果：

['AKDT', 'Max TemperatureF', 'Mean TemperatureF', 'Min TemperatureF', 'Max Dew PointF', 'MeanDew PointF', 'Min DewpointF', 'Max Humidity', ' Mean Humidity', ' Min Humidity', ' Max Sea Level PressureIn', ' Mean Sea Level PressureIn', ' Min Sea Level PressureIn', ' Max VisibilityMiles', ' Mean VisibilityMiles', ' Min VisibilityMiles', ' Max Wind SpeedMPH', ' Mean
Wind SpeedMPH', ' Max Gust SpeedMPH', 'PrecipitationIn', ' CloudCover', ' Events', ' WindDirDegrees']

1.2 打印文件头及其位置

highs_lows.py

---

import csv 
filename = "sitka_weather_07-2014.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    # print(header_row)

for index, column_header in enumerate(header_row):
    print(index,column_header)

输出结果：

0 AKDT
1 Max TemperatureF
2 Mean TemperatureF
3 Min TemperatureF
4 Max Dew PointF
5 MeanDew PointF
6 Min DewpointF
7 Max Humidity
8  Mean Humidity
9  Min Humidity
10  Max Sea Level PressureIn
11  Mean Sea Level PressureIn
12  Min Sea Level PressureIn
13  Max VisibilityMiles
14  Mean VisibilityMiles
15  Min VisibilityMiles
16  Max Wind SpeedMPH
17  Mean Wind SpeedMPH
18  Max Gust SpeedMPH
19 PrecipitationIn
20  CloudCover
21  Events
22  WindDirDegrees

1.3 提取并读取数据

读取每天的最高气温

highs_lows.py

---

import csv 
filename = "sitka_weather_07-2014.csv"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    # print(header_row)
    highs = []
    for row in reader:
        highs.append(row[1])
    print(highs)

输出结果：

['64', '71', '64', '59', '69',