【Python从入门到实践】之 数据可视化

Windows系统首先要安装Visual Studio

绘制简单的折线图

首先安装matplotlib库，Matplotlib 可以绘制多种形式的图形包括普通的线图，直方图，饼图，散点图以及误差线图

import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()

运行得到的图形：

修改标签文字和线条粗细

tick_params语法：
Axes.tick_params(axis=‘both’, **kwargs)

参数：
axis : {‘x’, ‘y’, ‘both’}
参数axis的值为’x’、 ‘y’、‘both’，分别代表设置X轴、Y轴以及同时设置，默认值为’both’。
labelsize：设置刻度线标签的字体大小，可以是 medium，large，或者具体的字号。
which： 可以设置值’major’、‘minor’、‘both’，分别代表设置主刻度线、副刻度线以及同时设置，默认值为’major’ 。

import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)

plt.show()

运行得到的图形：

校正图形

当向 plot() 函数提供一系列数字时，它默认第一个数据点对应的 x 坐标值是0，为改变这种默认值，我们可以给 plot() 同时提供输入值和输出值。

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y, linewidth=5)

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)

plt.show()

运行得到的图形：

使用scatter()函数绘制散点图并设置其样式

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.scatter(x, y, s=100)  # s用于设置绘制图形时使用的点的尺寸

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14, which='major')

plt.show()

运行得到的图形：

自定义颜色

在 scatter() 函数中，可以直接指定颜色，例如：c=‘red’，也可以将c设置成元组，其中包含三个0~1之间的小数，分别表示红色、绿色和蓝色的分量，例如：c=(0, 0, 0.8)。

import matplotlib.pyplot as plt
x = list(range(1, 1001))
y = [i**2 for i in x]
plt.scatter(x, y, c='red', s=40)  # s用于设置绘制图形时使用的点的尺寸

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

#  设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])  # x 和 y 坐标的最大值和最小值

plt.show()

运行得到的图形：

颜色映射是一系列颜色，他们从起始颜色渐变到结束颜色。

import matplotlib.pyplot as plt
x = list(range(1, 1001))
y = [i**2 for i in x]
plt.scatter(x, y, c=y, cmap=plt.cm.Reds, s=40)  # s用于设置绘制图形时使用的点的尺寸
'''可以直接指定颜色，也可以将c设置成元组，其中包含三个0~1之间的小数，
分别表示红色、绿色和蓝色的分量，例如：c=(0, 0, 0.8)'''

# 设置图表标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
#plt.tick_params(axis='both', labelsize=14, which='major')

#  设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])  # x 和 y 坐标的最大值和最小值

plt.show()

运行得到的图形：

自动保存图表

要让程序自动将图表保存到文件中，可将对 plt.show() 的调用替换为对 plt.savefig() 的调用。
第一个参数指定文件的存储路径及图表文件名；第二个参数指定将图表多余的空白区域裁剪掉。

plt.savefig('D:\\PythonCodes\\1.png', bbox_inches='tight')

找到指定的存储路径，可以看到 图表1.png 。

随机漫步

随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确方向，结果是由一系列随机策略决定的。

from random import choice
import matplotlib.pyplot as plt

class RandomWalk:
    '''一个生成随机漫步数据的类'''

    def __init__(self, num_points=5000):
        '''初始化随机漫步的属性'''
        self.num_points = num_points

        '''所有的随机漫步都始于(0, 0)'''
        self.x_values = [0]
        self.y_values = [0]

    def fill_walk(self):
        '''计算随机漫步的所有点'''

        # 不断漫步，直到列表达到指定的长度
        while len(self.x_values) < self.num_points:
            '''决定前进方向以及沿这个方向前进的距离'''
            x_direction = choice([1, -1])
            x_distance = choice([0, 1, 2, 3, 4]) # 随机选择0~4之间的整数
            x_step = x_direction * x_distance # 移动方向乘以移动距离，确定沿x轴移动的距离。

            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x和y值
            next_x = self.x_values[-1] + x_step
            next_y = self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

# 创建一个RandomWalk实例，将其中包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show()

运行得到的图表：

使用Pygal模拟掷筛子

首先要安装 pygal 模块，pygal是Python的第三方库，他的主要功能就是将数字转化成图表的形式来呈现，它提供的图表样式有柱状图、折线图、饼状图、雷达图。
柱状图：pygal.Bar()
折线图：pygal.Line()
饼状图：pygal.Pie()
雷达图：pygal.Radar()

from random import randint
import pygal

class Die:
    '''表示一个骰子的类'''

    def __init__(self, num_sides=6):
        '''骰子默认面是6'''
        self.num_sides = num_sides

    def roll(self):
        '''返回一个位于1和骰子面之间的随机数'''
        return randint(1, self.num_sides)  # 起始值1，终止值num_sides之间的任何整数

die = Die()

# 掷骰子，并将结果存储在一个列表中
results = []
for roll_num in range(1000):
    result = die.roll()
    results.append(result)

'''print(results)'''

# 分析结果，统计每个点数出现的次数
frequencies = []
for value in range(1, die.num_sides + 1):
    frequency = results.count(value)
    frequencies.append(frequency)

print(frequencies)

# 对结果进行可视化 绘制条形图
hist = pygal.Bar()

hist.title = "掷骰子1000次的结果"
hist.x_labels = ['1', '2', '3', '4', '5', '6']
hist.x_title = "点数"
hist.y_title = "次数"

hist.add('die', frequencies)
hist.render_to_file('die_visual.svg') # 在浏览器中查看

运行得到的图形：

如果同时掷两个骰子，修改原来的代码，创建两个骰子对象。

需将result改变
result = die1.roll() + die2.roll()
将计算次数的代码改成
max_result = die1.num_sides + die2.num_sides
for value in range(2, max_result + 1):
    frequency = results.count(value)
    frequencies.append(frequency)

运行得到的图形：

如果要掷两个不同面数的骰子，可以在创建骰子对象时，传入一个参数，例如创建一个10面的骰子：
die2 = Die(10)

CSV文件格式

CSV是逗号分割值文件格式，其文件以纯文本的形式存储表格数据。
分析CSV文件头：

enumerate()函数用于将一个可遍历的数据对象(如列表，元组或字符串)组合成一个索引序列，同时列出数据和数据下标。

import csv
filename = "D:\\PythonCodes\\CSVPractice.CSV"  # CSV文件位置
with open(filename) as f:
    reader = csv.reader(f)  
    header_row = next(reader)  # 得到文件的第一行
    
for i, element in enumerate(header_row):
    print(i, element)

运行得到的结果是：

'''
0 Year
1 Agriculture
2 Architecture
3 Art and Performance
4 Biology
5 Business
6 Communications and Journalism
7 Computer Science
8 Education
9 Engineering
10 English
11 Foreign Languages
12 Health Professions
13 Math and Statistics
14 Physical Sciences
15 Psychology
16 Public Administration
17 Social Sciences and History
'''可以看到得到的是文件的第一行内容

提取并读取数据：
我们来读取第12列的数据 Foreign Languages。

import csv
filename = "D:\\PythonCodes\\CSVPractice.CSV"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    Foreign_Languages = []
    for row in reader:
        Foreign_Language = float(row[11])  # 将得到的列表中的每个字符串转化成float数字形式，便于后续的数据可视化。
        Foreign_Languages.append(Foreign_Language)

print(Foreign_Languages)

运行得到的结果是：

'''
[73.8, 73.9, 74.6, 74.9, 75.3, 75.0, 74.4, 74.3, 74.3, 74.2, 74.1, 73.9, 72.7, 71.8, 72.1, 70.8, 71.2, 72.0, 72.3, 72.4, 71.2, 71.1, 71.0, 70.0, 69.1, 69.6, 69.7, 70.0, 70.1, 70.9, 70.9, 71.2, 70.5, 70.6, 70.8, 69.9, 69.6, 70.2, 70.2, 69.3, 69.0, 69.5]
'''

绘制图表：

figure(figsize=None, dpi=None)
figsize：指定figure的宽和高，单位为英寸
dpi：指定绘图对象的分辨率，即每英寸多少个像素，dpi越大则图形越大

import csv
from matplotlib import pyplot as plt

# 从文件中获取Foreign Languages列的数据，即上面的代码要那到这里用


# 根据数据绘制图形
fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(Foreign_Languages, c='red')

# 设置图形的格式
plt.title('Foreign Languages')
plt.xlabel('', fontsize=16)
plt.ylabel('FL', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)

plt.show()

运行得到的图形：

在图表中添加时间：
只需导入 datetime 模块中的 datetime 类，然后调用方法 strptime() 根据指定的格式把一个时间字符串解析为相应日期的对象。

import csv
from matplotlib import pyplot as plt
from datetime import datetime
filename = "D:\\PythonCodes\\CSVPractice.CSV"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)

    dates, Foreign_Languages = [], []
    for row in reader:
        current_date = datetime.strptime(row[0], "%Y")
        dates.append(current_date)
        Foreign_Language = float(row[11])
        Foreign_Languages.append(Foreign_Language)

print(Foreign_Languages)

# 根据数据绘制图形
fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, Foreign_Languages, c='red')

# 设置图形的格式
plt.title('Foreign Languages')
plt.xlabel('', fontsize=16)
fig.autofmt_xdate()  # 调用该函数来绘制斜的日期标签，以防止他们重叠
plt.ylabel('FL', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)

plt.show()

运行得到的图形：

再绘制一个数据系列并给图表区域着色：

plot 函数可添加实参 alpha，用于指定颜色的透明度，alpha 值为0表示完全透明，1(默认设置)表示完全不透明，下面程序将 alpha 的值设置为0.5，可以使红色和绿色的折线颜色看起来更浅。
fill_between() 函数可以接收一个 x 值系列和两个 y 值系列，并填充两个 y 值系列之间的空间。实参 facecolor 指定了填充区域的颜色。

import csv
from matplotlib import pyplot as plt
from datetime import datetime
filename = "D:\\PythonCodes\\CSVPractice.CSV"
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)
    # print(header_row)

    dates, Foreign_Languages, Health_Professions = [], [], []
    for row in reader:
        '''Foreign_Languages.append(row[11])'''
        current_date = datetime.strptime(row[0], "%Y")
        dates.append(current_date)
        Foreign_Language = float(row[11])
        Foreign_Languages.append(Foreign_Language)
        Health_Profession = float(row[12])
        Health_Professions.append(Health_Profession)

print(Foreign_Languages)

# 根据数据绘制图形
fig = plt.figure(dpi=128, figsize=(10, 6))
plt.plot(dates, Foreign_Languages, c='red', alpha=0.5)
plt.plot(dates, Health_Professions, c='green', alpha=0.5)
plt.fill_between(dates, Foreign_Languages, Health_Professions, facecolor='blue', alpha=0.1)

# 设置图形的格式
plt.title('Foreign Languages and HealthProfessions')
plt.xlabel('', fontsize=16)
fig.autofmt_xdate()  # 调用该函数来绘制斜的日期标签，以防止他们重叠
plt.ylabel('FL', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)

plt.show()

运行得到的图形：

JSON文件格式

JSON(JavaScript Object Notation) 是用来存储简单的数据结构和对象的文件，是一种轻量级的数据交换格式。
提取JSON文件中的数据：

import json

# 将数据加载到一个列表中
filename = 'D:\\PythonCodes\\btc_close_2017.json'
with open(filename) as f:
    btc_data = json.load(f)

# 打印每一天的信息
for btc_dict in btc_data:
    date = btc_dict['date']
    month = btc_dict['month']
    week = btc_dict['week']
    weekday = btc_dict['weekday']
    close = btc_dict['close']
    print("{} is month {} week {}, {}, the close price is {}".format(date, month, week, weekday, close))

运行得到的结果是：

2017-01-01 is month 01 week 52, Sunday, the close price is 6928.6492
2017-01-02 is month 01 week 1, Monday, the close price is 7070.2554
2017-01-03 is month 01 week 1, Tuesday, the close price is 7175.1082
.....
2017-12-11 is month 12 week 50, Monday, the close price is 110642.88
2017-12-12 is month 12 week 50, Tuesday, the close price is 113732.6745

将字符串转化为数字值：

import json

# 将数据加载到一个列表中
filename = 'D:\\PythonCodes\\btc_close_2017.json'
with open(filename) as f:
    btc_data = json.load(f)

# 打印每一天的信息
for btc_dict in btc_data:
    date = btc_dict['date']
    month = int(btc_dict['month'])
    week = int(btc_dict['week'])
    weekday = btc_dict['weekday']
    close = int(float(btc_dict['close']))  # 不能直接将含小数点的字符串转化为int类型，因此要先转化成float类型，再转化成int
    print("{} is month {} week {}, {}, the close price is {}".format(date, month, week, weekday, close))

运行得到的结果：

2017-01-01 is month 1 week 52, Sunday, the close price is 6928
2017-01-02 is month 1 week 1, Monday, the close price is 7070
2017-01-03 is month 1 week 1, Tuesday, the close price is 7175
......
2017-12-11 is month 12 week 50, Monday, the close price is 110642
2017-12-12 is month 12 week 50, Tuesday, the close price is 113732

绘制折线图：

import json
import pygal

# 将数据加载到一个列表中
filename = 'D:\\PythonCodes\\btc_close_2017.json'
with open(filename) as f:
    btc_data = json.load(f)

# 创建五个列表，分别存储日期和收盘价
dates, months, weeks, weekdays, close = [], [], [], [], []
# 每一天的信息
for btc_dict in btc_data:
    dates.append(btc_dict['date'])
    months.append(int(btc_dict['month']))
    weeks.append(int(btc_dict['week']))
    weekdays.append(btc_dict['weekday'])
    close.append(int(float(btc_dict['close'])))

# 设置图表样式
line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
line_chart.title = '收盘价(￥)'
line_chart.x_labels = dates
N = 20 # x 轴坐标每隔20天显示一次
line_chart.x_labels_major = dates[::N]
line_chart.add('收盘价', close)
line_chart.render_to_file('收盘价折线图(￥).svg')

在创建 Line 实例时，分别设置了 x_label_rotation 和 show_minor_x_labels 作为初始化参数。x_label_rotation 让 x 轴上的日期标签顺时针旋转 20°，show_minor_x_labels=False 告诉图形不用显示所有的 x 轴标签，然后设置 x_labels_major 属性，让 x 轴坐标每隔20天显示一次。

运行得到的 svg 文件在浏览器中打开的图表是：

上面使用的文件是网盘地址，提取码：9tko
我是快斗，欢迎批评指正！