简单的针对CSV和JSON两种格式的数据利用matplotlib和pygal两个模块进行相关的数据可视化操作。绘制了温度变化图像和人口分布地图。

例子来自: 《Python编程从入门到实战》【美】Eric Matthes

CSV 文件

定义

逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。纯文本意味着该文件是一个字符序列，不含必须像二进制数字那样被解读的数据。

导入数据并分析

import csv
from matplotlib import pyplot as pltfilename = 'weather_test.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)# 打印数据的表头for index,column_header in enumerate(header_row):print(index,column_header)# 提取最高温度highs = []for row in reader:high = int (row[1])  # 转换为整形变量highs.append(high)# 根据数据绘制图形
fig = plt.figure(dpi=128,figsize=(10,6))
plt.plot(highs,c='blue')# 设置图形的格式
plt.title("Daily high temperatures, July 2014", fontsize=24)
plt.xlabel('', fontsize=16)
plt.ylabel("Temperature (F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)plt.savefig('highs_lows.png', bbox_inches='tight')
plt.show()

加载一组温度数据(CSV)。通过打印表头可知最高温度在第二列，提取数据，转换成整形，然后用过pyplot绘制相应的折线图。

结果

时间信息

datetime 模块

使用

from datetime import datetimemy_date = datetime.strptime('2017-10-1', '%Y-%m-%d')
print(my_date)

输出

2017-10-01 00:00:00

美化图表

导入全年的温度信息，提取最高温和最低温，然后绘制折线图。填充其间隔

import csv
from matplotlib import pyplot as plt
from datetime import datetimefilename = 'sitka_weather_2014.csv'
with open(filename) as f:reader = csv.reader(f)header_row = next(reader)dates,highs,lows = [],[],[]for row in reader:current_date = datetime.strptime(row[0],"%Y-%m-%d")dates.append(current_date)high = int (row[1])  # 转换为整形变量highs.append(high)      low = int(row[3])lows.append(low)# 根据数据绘制图形
fig = plt.figure(dpi=128,figsize=(10,6))
plt.plot(dates,highs,c='red',alpha=0.5)
plt.plot(dates, lows, c='blue',alpha=0.5)
plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)# 设置图形的格式
plt.title("Daily high and low temperatures - 2014", fontsize=24)
plt.xlabel('', fontsize=16)
fig.autofmt_xdate()
plt.ylabel("Temperature (F)", fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)plt.savefig('highs_lowswithdate.png', bbox_inches='tight')
plt.show()

结果

错误检测

如果导入的CSV文件中有错误，那么也许会导致程序崩溃，所以需要引入错误检测的相应功能。比如某一天的某些数据为空。

2014-2-15,82,60,37,20,17,14,39,21,9,30.05,29.97,29.91,10,10,10,23,7,28,0.00,0,,247
2014-2-16,,,,,,,,,,,,,,,,,,,0.00,,,-1
2014-2-18,75,56,37,25,21,16,51,25,13,30.08,30.01,29.93,10,10,10,9,3,,0.00,6,,157

在读取信息的过程中加入如下的代码：

for row in reader:try:current_date = datetime.strptime(row[0],"%Y-%m-%d")high = int (row[1])low = int(row[3])except ValueError:print(current_date, 'missing data')else:dates.append(current_date)highs.append(high)lows.append(low)

程序不会因为数据的缺失而卡死，可以继续往下执行。并且打印数据丢失的信息

2014-02-16 00:00:00 missing data

JSON 文件

JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。它基于 ECMAScript (w3c制定的js规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

JSON文件内容

[{"Country Name": "Arab World","Country Code": "ARB","Year": "1960","Value": "96388069"},......{"Country Name": "Arab World","Country Code": "ARB","Year": "1961","Value": "98882541.4"},
]

这个文件实际上就是一个很长的Python列表，其中每个元素都是一个包含四个键的字典：国家名、国别码、年份以及表示人口数量的值。
为了提取2010年各国的人口数。编写如下代码

import json# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)# 打印每个国家2010年的人口数量
for pop_dict in pop_data:if pop_dict['Year'] == '2010':country_name = pop_dict['Country Name']population = int(float(pop_dict['Value']))print(country_name + ": " + str(population))

应为每个国家的人数含有小数，直接有str转成int会报错，所以先转换成float，然后在转换成int型的变量。

输出结果

Chad: 11227000
Channel Islands: 153352
Chile: 17113688
China: 1338300000
Colombia: 46295000
Comoros: 735000

国别码

Pygal中的地图制作工具要求数据为特定的格式：用国别码表示国家，以及用数字表示人口数量。Pygal要求的是两位的国别码，但是原始数据包含的是三位。

Pygal使用的国别码存储在模块pygal_maps_world。字典COUNTRIES包含的键和值分别为两个字母的国别码和国家名。先通过命令pip install pygal_maps_world安装模块。

from pygal_maps_world.i18n import COUNTRIESfor country_code in sorted(COUNTRIES.keys()):print(country_code, COUNTRIES[country_code])

输出结果

ad Andorra
ae United Arab Emirates
af Afghanistan
al Albania
······

国别码转换

from pygal_maps_world.i18n import COUNTRIESdef get_country_code(country_name):"""根据指定的国家，返回Pygal使用的两个字母的国别码"""for code,name in COUNTRIES.items():if name == country_name:return code# 如果没有找指定的国家，就返回Nonereturn None

准备数据

# 打印每个国家2010年的人口数量
for pop_dict in pop_data:if pop_dict['Year'] == '2010':country_name = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country_name)if code:print(code + ":" + str(population))else:print('ERROR - ' + country_name)

输出结果

af:34385000
al:3205000
dz:35468000
ERROR - American Samoa
ad:84864
ao:19082000

制作世界地图

使用Pygal-Worldmap

通过一个简单的例子了解模块的使用

from pygal_maps_world.maps import World
wm = World()
wm.title = 'North, Central, and South America'
wm.add('North America', ['ca', 'mx', 'us'])
wm.add('Central America', ['bz', 'cr', 'gt', 'hn', 'ni', 'pa', 'sv'])
wm.add('South America', ['ar', 'bo', 'br', 'cl', 'co', 'ec', 'gf','gy', 'pe', 'py', 'sr', 'uy', 've'])wm.render_to_file('americas.svg')

输出

绘制

import json
import pygalfrom pygal.style import LightColorizedStyle, RotateStyle  #修改整个图表的主题
from pygal_maps_world.maps import Worldfrom country_codes import get_country_code# 将数据加载到一个列表中
filename = 'population_data.json'
with open(filename) as f:pop_data = json.load(f)# 创建一个包含人口数量的字典
cc_populations = {}
for pop_dict in pop_data:if pop_dict['Year'] == '2010':country = pop_dict['Country Name']population = int(float(pop_dict['Value']))code = get_country_code(country)   if code:cc_populations[code] = population# 根据人口数量将所有国家分成三组
cc_pops_1,cc_pops_2,cc_pops_3 = {},{},{}
for cc,pop in cc_populations.items():if pop < 10000000:cc_pops_1[cc] = popelif pop < 1000000000:cc_pops_2[cc] = popelse:cc_pops_3[cc] = pop# 看看每组分别包含多少个国家
print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))wm_style = RotateStyle('#336699', base_style=LightColorizedStyle)
wm = World(style=wm_style)
wm.title = 'World Population in 2010'
wm.add('0-10m', cc_pops_1)
wm.add('10m-1bn', cc_pops_2)
wm.add('>1bn', cc_pops_3)  wm.render_to_file('world_population.svg')

cc_populations是一个dict，里面存放了两位国别码与人口的键值对。
world = World(style=wm_style)这是一个地图类。
wm_style = RotateStyle(‘#336699’,base_style=LightColorizedStyle)这里修改了pygal默认的主题颜色。

输出

python 数据可视化练习(2)相关推荐

python数据可视化利用_利用pyecharts实现python数据可视化
**python 利用pyecharts实现python数据可视化 **web pyecharts是一种交互式图表的表达方式. pyecharts是一款将python与echarts结合的强大的数据可 ...
《Python数据可视化编程实战》——5.5　用OpenGL制作动画
本节书摘来异步社区<Python数据可视化编程实战>一书中的第5章,第5.5节,作者:[爱尔兰]Igor Milovanović,更多章节内容可以访问云栖社区"异步社区" ...
超硬核的 Python 数据可视化教程！
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:机器学习算法那些事 Python实现可视化的三个步骤: ...
php数据库查询中文方块,解决Python数据可视化中文部分显示方块问题
一.问题代码如下,发现标题的中文显示的是方块 import matplotlib import matplotlib.pyplot as plt fig = plt.figure() ax = fi ...
超硬核的 Python 数据可视化教程
来源:数据分析1480 本文约3000字,建议阅读6分钟本文为你介绍Python实现可视化的三个步骤. Python实现可视化的三个步骤: 确定问题,选择图形转换数据,应用函数参数设置,一目了然 ...
Python数据可视化工具怎么选？深度评测5款实用工具
来源:早起Python 本文约3100字,建议阅读9分钟本文通过真实绘图,为你深度测评Python五大数据可视化库. [ 导读 ]相信很多读者学习Python就是希望做出各种酷炫的可视化图表,当然你 ...
Python数据可视化教程之基础篇
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达开运张 | 作者知乎专栏 | 来源 https://zhuanlan.zhihu.c ...
Python数据可视化——使用Matplotlib创建散点图
Python数据可视化--使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物转载请注明网址:https://www.cnblogs.com/pengsky2016/p/812 ...
7步搞定Python数据可视化，业界大牛出品教程，Jupyter、Colab都有在线版
郭一璞发自凹非寺量子位报道 | 公众号 QbitAI 做图表,谁不会?打开Excel,自动就可以生成各种各样的图表. 但你看这些图表呢? 结合真实地理数据,展现美国每个县的失业率. 全球自然 ...
python 仪表盘-python数据可视化：pyecharts
发现了一个做数据可视化非常好的库:pyecharts. 非常便捷好用,大力推荐!! 官方介绍:pyecharts 是一个用于生成 Echarts 图表的类库.Echarts 是百度开源的一个数据可视化 ...

python 数据可视化练习(2)

CSV 文件

定义

导入数据并分析

时间信息

datetime 模块

美化图表

错误检测

JSON 文件

JSON文件内容

国别码

国别码转换

准备数据

制作世界地图

使用Pygal-Worldmap

绘制

python 数据可视化练习(2)相关推荐

最新文章

热门文章