构造多段随机线性数据写入excel表格并绘制散点图

一、简介

进行数据分析时经常需要用到线性随机数据,本文给出了使用python构建4段200个线性变化随机数写入excel并绘制散点图的代码和效果展示。

二、代码

# -*- coding: utf-8 -*-


import random
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import openpyxl
from openpyxl import Workbook


#构造随机数据并写入excel(自动生成excel表格)

#构建1-50序号
numbers_x1 = list(range(1, 51))
#生成50个1到2之间的随机数据
numbers_y1 = np.random.uniform(1, 2, 50).tolist()
#构建51-100序号
numbers_x2 = list(range(51, 101))
#生成50个2到3之间的随机数据
numbers_y2 = np.random.uniform(2, 3, 50).tolist()
#构建101-150序号
numbers_x3 = list(range(101, 151))
#生成50个3到4之间的随机数据
numbers_y3 = np.random.uniform(3, 4, 50).tolist()
#构建151-200序号
numbers_x4 = list(range(151, 201))
#生成50个4到5之间的随机数据
numbers_y4 = np.random.uniform(4, 5, 50).tolist()
#创建excel文件
wb = Workbook()
#选择当前工作表
ws = wb.active
#工作表命名
ws.title = "线性数据"
#表格A1写入x
ws['A1'] = 'x'
#表格B1写入y
ws['B1'] = 'y'
#将50个x值写入A列
for i, x1 in enumerate(numbers_x1, start=2):
    cell = 'A{}'.format(i)
    ws[cell] = x1
#将50个y值写入B列
for i, y1 in enumerate(numbers_y1, start=2):
    cell = 'B{}'.format(i)
    ws[cell] = y1
#将50个x值写入A列
for i, x2 in enumerate(numbers_x2, start=52):
    cell = 'A{}'.format(i)
    ws[cell] = x2
#将50个y值写入B列
for i, y2 in enumerate(numbers_y2, start=52):
    cell = 'B{}'.format(i)
    ws[cell] = y2
#将50个x值写入A列
for i, x3 in enumerate(numbers_x3, start=102):
    cell = 'A{}'.format(i)
    ws[cell] = x3
#将50个y值写入B列
for i, y3 in enumerate(numbers_y3, start=102):
    cell = 'B{}'.format(i)
    ws[cell] = y3
#将50个x值写入A列
for i, x4 in enumerate(numbers_x4, start=152):
    cell = 'A{}'.format(i)
    ws[cell] = x4
#将50个y值写入B列
for i, y4 in enumerate(numbers_y4, start=152):
    cell = 'B{}'.format(i)
    ws[cell] = y4
#保存excel
wb.save('线性数据.xlsx')
#读取excel数据
data = pd.read_excel('线性数据.xlsx',sheet_name='线性数据')
#获取x列
x = data['x']
#获取y列
y = data['y']
#绘制散点图
plt.scatter(x,y,color = 'b')
#绘图显示
plt.show()

三、效果展示

### 回答1: 可以使用Python中的pandas库进行数据分析表格操作。pandas库提供了DataFrame和Series两种数据结构,可以方便地读取、处理和分析数据。以下是一个简单的例子: ```python import pandas as pd # 读取csv文件 data = pd.read_csv('data.csv') # 查看数据前5行 print(data.head()) # 统计每列数据的基本信息 print(data.describe()) # 对数据进行排序 data.sort_values('column_name', inplace=True) # 对数据进行分组并统计数量 grouped_data = data.groupby('column_name').size() # 可视化数据 import matplotlib.pyplot as plt plt.plot(data['column_name'], data['column_name2']) plt.show() ``` 以上代码仅提供了pandas库的部分功能,更多详细的用法可以参考官方文档。 ### 回答2: Python数据分析是使用Python编程语言进行数据处理和分析的一种方法。表格是一种常见的数据结构,常用于存储和展示数据。在Python中,可以使用各种库和工具来进行数据分析和处理表格数据。 在Python中,最常用的用于数据分析的库是pandas。pandas是一个功能强大且灵活的开源数据分析库,它提供了使用表格数据进行各种处理和分析的方法。使用pandas,可以读取和写入各种格式的表格数据,如csv、Excel数据库等。 在进行数据分析时,可以使用pandas来对表格进行各种操作,如数据清洗、转换和整理。通过pandas的功能,可以对表格数据进行筛选、排序、计算统计指标等操作,以获取对数据的深入理解。 另一个常用的库是matplotlib,它是一个用于绘制图表和可视化数据的库。使用matplotlib,我们可以将表格数据转换为各种图表类型,如折线图、柱状图、散点图等,以便更直观地理解和呈现数据。 此外,Python还提供了其他一些用于数据分析的库和工具,如NumPy、SciPy和scikit-learn等。这些库可以被用于进行数值计算、统计分析和机器学习等任务。 综上所述,Python数据分析可以通过使用pandas等库来处理和分析表格数据,以便更好地理解和利用数据。通过使用Python进行数据分析,我们可以进行各种操作,如数据清洗、转换和整理,同时还可以通过可视化工具来更直观地呈现数据。这些功能使得Python成为一种强大的工具,用于处理和分析表格数据。 ### 回答3: Python数据分析表格是利用Python编程语言进行数据处理和分析的一种方式。Python提供了丰富的库和工具,使得我们可以方便地处理和分析各种数据格式的表格数据。 在Python数据分析表格中,常用的库包括pandas、NumPy和Matplotlib等。pandas库提供了快速、灵活和易于使用的数据结构,如Series和DataFrame,可以方便地读取、处理和分析表格数据。NumPy库提供了高性能的数值计算功能,可以对表格数据进行数学运算和统计分析。而Matplotlib库则可以用于数据可视化,可以绘制各种类型的图表,如折线图、柱状图和散点图等,以更直观地展示数据分析结果。 在进行数据分析时,我们可以使用pandas库读取表格数据,并对数据进行清洗、转换和处理。例如,我们可以删除缺失值、重复值或异常值,进行数据类型转换和格式化等操作。接着,我们可以使用pandas提供的各种函数和方法进行数据分析。例如,我们可以进行数据聚合、排序、筛选和分组,计算统计指标如均值、中位数和标准差等。 同时,我们还可以使用NumPy库进行更高级的数值计算和统计分析。例如,我们可以使用NumPy中的函数和方法进行数组运算、线性代数运算和随机生成。此外,NumPy还提供了许多高级的统计分析工具,如线性回归、设检验和多元分析等。 最后,我们可以使用Matplotlib库对数据分析结果进行可视化展示。通过绘制图表,我们可以更直观地观察数据分布、趋势和关联等。这样,我们可以更深入地理解数据,并从中获取有价值的洞察和信息。 总之,Python数据分析表格是一种利用Python编程语言进行数据处理和分析的方法,通过使用pandas、NumPy和Matplotlib等库,我们可以方便地读取、处理、分析和可视化各种格式的表格数据。这种方法灵活且功能强大,已经成为数据科学和业务决策中的重要工具。
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