#numpy与matplotlib的应用
import numpy as np
from matplotlib import pyplot as plt
us_file_path = './US_video_data_numbers.csv'
uk_file_path = './GB_video_data_numbers.csv'
#加载国家数据
uk_data = np.loadtxt(uk_file_path,dtype='int',delimiter=",")
us_data = np.loadtxt(us_file_path,dtype='int',delimiter=",")
#为两组数据添加国家信息
#构造全为0的数组,代表UK,全为1的数组,代表US
zero_data = np.zeros((uk_data.shape[0],1)).astype("int")#不用科学计数法表示
ones_data = np.ones((us_data.shape[0],1)).astype("int")
#将添加的国家信息拼接到对应国家的数组中
uk_data = np.hstack((uk_data,zero_data))
us_data = np.hstack((us_data,ones_data))
#拼接两组国家的数据
all_data = np.vstack((uk_data,us_data))
#查看评论数的分布情况———————直方图
#提取最后一列的数据
comments = all_data[:,-2]#所有行,随后一列
comments = comments[comments<=5000]
#print(comments)
#绘制直方图
d = 300
bin_nums = (comments.max()-comments.min())//d
plt.figure(figsize=(20,8),dpi=80)
plt.hist(comments,bin_nums)
plt.show()
#numpy与matplotlib的应用
import numpy as np
from matplotlib import pyplot as plt
us_file_path = './US_video_data_numbers.csv'
uk_file_path = './GB_video_data_numbers.csv'
#加载国家数据
uk_data = np.loadtxt(uk_file_path,dtype='int',delimiter=",")
us_data = np.loadtxt(us_file_path,dtype='int',delimiter=",")
#为两组数据添加国家信息
#构造全为0的数组,代表UK,全为1的数组,代表US
zero_data = np.zeros((uk_data.shape[0],1)).astype("int")#不用科学计数法表示
ones_data = np.ones((us_data.shape[0],1)).astype("int")
#将添加的国家信息拼接到对应国家的数组中
uk_data = np.hstack((uk_data,zero_data))
us_data = np.hstack((us_data,ones_data))
#拼接两组国家的数据
all_data = np.vstack((uk_data,us_data))
#查看评论数和喜欢数的关系——————散点图
all_data1 = all_data[all_data[:,1]<=500000]
likes = all_data1[:,1]
comments1 = all_data1[:,-2]
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(likes,comments1)
plt.show()