无用之学matplotlib,numpy，pandas

一、matplotlib学习

matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建

例子1：

# coding=utf-
from matplotlib import pyplot as plt

x = range(,,)
y = [,,14.5,,,,,,,,,]

#设置图片大小
plt.figure(figsize=(,),dpi=)

#绘图
plt.plot(x,y)

#设置x轴的刻度
_xtick_labels = [i/ for i in range(,)]
plt.xticks(range(,))
plt.yticks(range(min(y),max(y)+))

#保存
# plt.savefig("./t1.png")

#展示图形
plt.show()

图片如下

例子2

# coding=utf-
from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager

#windws和linux设置字体的放
# font = {'family' : 'MicroSoft YaHei',
#         'weight': 'bold',
#         'size': 'larger'}
# matplotlib.rc("font",**font)
# matplotlib.rc("font",family='MicroSoft YaHei',weight="bold")

#另外一种设置字体的方式
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")

x = range(,)
y = [random.randint(,) for i in range()]

plt.figure(figsize=(,),dpi=)

plt.plot(x,y)

#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range()]
_xtick_labels += ["11点{}分".format(i) for i in range()]
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::],_xtick_labels[::],rotation=,fontproperties=my_font) #rotaion旋转的度数

#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位(℃)",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)

plt.show()

例子3

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")

y = [,,,,,,,,,,,,,,,,,,,]
x = range(,)

#设置图形大小
plt.figure(figsize=(,),dpi=)

plt.plot(x,y)

#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
plt.yticks(range(,))

#绘制网格
plt.grid(alpha=0.1)

#展示
plt.show()

例子4

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")

y_1 = [,,,,,,,,,,,,,,,,,,,]
y_2 = [,,,,,,,,, ,,,,,,,,,,]

x = range(,)

#设置图形大小
plt.figure(figsize=(,),dpi=)

plt.plot(x,y_1,label="自己",color="#F08080")
plt.plot(x,y_2,label="同桌",color="#DB7093",linestyle="--")

#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
# plt.yticks(range(,))

#绘制网格
plt.grid(alpha=0.4,linestyle=':')

#添加图例
plt.legend(prop=my_font,loc="upper left")

#展示
plt.show()

例子5

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")
y_3 = [,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,]
y_10 = [,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,]

x_3 = range(,)
x_10 = range(,)

#设置图形大小
plt.figure(figsize=(,),dpi=)

#使用scatter方法绘制散点图,和之前绘制折线图的唯一区别
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")

#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-) for i in x_10]
plt.xticks(_x[::],_xtick_labels[::],fontproperties=my_font,rotation=)

#添加图例
plt.legend(loc="upper left",prop=my_font)

#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("标题",fontproperties=my_font)
#展示
plt.show()

例子6

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置图形大小
plt.figure(figsize=(,),dpi=)
#绘制条形图
plt.bar(range(len(a)),b,width=0.7)
#设置字符串到x轴
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=)

plt.savefig("./movie.png")

plt.show()

例子6-2

#绘制横着的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置图形大小
plt.figure(figsize=(,),dpi=)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到x轴
plt.yticks(range(len(a)),a,fontproperties=my_font)

plt.grid(alpha=0.3)
# plt.savefig("./movie.png")

plt.show()

例子7

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="C:\\Windows\\Fonts\\STHUPO.ttf")

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [,,,]
b_15 = [,,,]
b_14 = [,,,]

bar_width = 0.2

x_14 = list(range(len(a)))
x_15 =  [i+bar_width for i in x_14]
x_16 = [i+bar_width* for i in x_14]

#设置图形大小
plt.figure(figsize=(,),dpi=)

plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")

#设置图例
plt.legend(prop=my_font)

#设置x轴的刻度
plt.xticks(x_15,a,fontproperties=my_font)

plt.show()

例子8

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

a=[,  , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,  , , , ,  , , , ,, , , , , , ,  ,  , , , , ,, , , , , , , , ,  , ,  , ,, , , , , , , , , , , , ,, , , , , , , , , , , , ,, , , , , , , , , , , , ,, , , , , , , , ,  , , ,,, , , , , , , , , , , , ,, , , , , , , , , , , , ,, , , , , ,  , , , , , , ,, , , , , , , , , , , , ,, , , , , , , , , , , , ,, , , , , , , , , , , ,  ,, , ,  , , ,  , , ,  ,  , , ,, , , , , , , , , , , , ,, , , , , , , ,  ,  , , , ,, , ,  , , , , , , , , , ,, , ]

#计算组数
d =   #组距
num_bins = (max(a)-min(a))//d
print(max(a),min(a),max(a)-min(a))
print(num_bins)

#设置图形的大小
plt.figure(figsize=(,),dpi=)
plt.hist(a,num_bins,normed=True)

#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))

plt.grid()

plt.show()

例子9

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

interval = [,,,,,,,,,,,]
width = [,,,,,,,,,,,]
quantity = [,,,,,,,,,,,]

print(len(interval),len(width),len(quantity))

#设置图形大小
plt.figure(figsize=(,),dpi=)

plt.bar(range(),quantity,width=)

#设置x轴的刻度
_x = [i-0.5 for i in range()]
_xtick_labels =  interval+[]
plt.xticks(_x,_xtick_labels)

plt.grid(alpha=0.4)
plt.show()

例子9-2

# coding=utf-
from matplotlib import pyplot as plt
from matplotlib import font_manager

interval = [,,,,,,,,,,,]
width = [,,,,,,,,,,,]
quantity = [,,,,,,,,,,,]

print(len(interval),len(width),len(quantity))

#设置图形大小
plt.figure(figsize=(,),dpi=)

plt.bar(interval,quantity,width=width)

#设置x轴的刻度

temp_d = []+ width[:-]
_x = [i-temp_d[interval.index(i)]*0.5 for i in interval]

plt.xticks(_x,interval)

plt.grid(alpha=0.4)
plt.show()

二、常用问题总结

应该选择那种图形来呈现数据
matplotlib.plot(x,y)
matplotlib.bar(x,y)
matplotlib.scatter(x,y)
matplotlib.hist(data,bins,normed)
xticks和yticks的设置
label和titile,grid的设置
绘图的大小和保存图片

做法流程：

　　　　明确问题 选择图形的呈现方式 准备数据 绘图和图形完善

三、推荐网址

　　　　1、matplotlib支持的图形是非常多的，如果有其他的需求，我们 可以查看一下url地址： http://matplotlib.org/gallery/index.html

　　　　2、plotly:可视化工具中的github,相比于matplotlib更加简单,图形更加漂亮,同时兼容matplotlib和pandas 使用用法:简单,照着文档写即可 文档地址: https://plot.ly/python/

　　　　3、echarts,前端框架，JS

　　　　4、seaborn

四、numpy

一个在Python中做科学计算的基础库，重在数值计算，也是大部分PYTHON科学计算库的基础库，多用于在大型、多维数组上执行数值运算

# coding=utf-
import numpy as np
import random

#使用numpy生成数组,得到ndarray的类型
t1 = np.array([,,,])
print(t1)
print(type(t1))

t2 = np.array(range())
print(t2)
print(type(t2))

t3 = np.arange(,,)
print(t3)
print(type(t3))

print(t3.dtype)
print("*"*)
#numpy中的数据类型

t4 = np.array(range(,),dtype="i1")
print(t4)
print(t4.dtype)

##numpy中的bool类型
t5 = np.array([,,,,,],dtype=bool)
print(t5)
print(t5.dtype)

#调整数据类型
t6 = t5.astype("int8")
print(t6)
print(t6.dtype)

#numpy中的小数
t7 = np.array([random.random() for i in range()])
print(t7)
print(t7.dtype)

t8 = np.round(t7,)
print(t8)

1、读取本地数据

# coding=utf-
import numpy as np

us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

# t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t2 = np.loadtxt(us_file_path,delimiter=",",dtype="int")

# print(t1)
print(t2)

print("*"*)

#取行
# print(t2[])

#取连续的多行
# print(t2[:])

#取不连续的多行
# print(t2[[,,]])

# print(t2[,:])
# print(t2[:,:])
# print(t2[[,,],:])

#取列
# print(t2[:,])

#取连续的多列
# print(t2[:,:])

#取不连续的多列
# print(t2[:,[,]])

#去行和列，取第3行，第四列的值
# a = t2[,]
# print(a)
# print(type(a))

#取多行和多列，取第3行到第五行，第2列到第4列的结果
#去的是行和列交叉点的位置
b = t2[:,:]
# print(b)

#取多个不相邻的点
#选出来的结果是（，） （，） （，）
c = t2[[,,],[,,]]
print(c)

2、exer

# coding=utf-
import numpy as np

# print(t1)
def fill_ndarray(t1):
    for i in range(t1.shape[]):  #遍历每一列
        temp_col = t1[:,i]  #当前的一列
        nan_num = np.count_nonzero(temp_col!=temp_col)
        if nan_num !=: #不为0，说明当前这一列中有nan
            temp_not_nan_col = temp_col[temp_col==temp_col] #当前一列不为nan的array

            # 选中当前为nan的位置，把值赋值为不为nan的均值
            temp_col[np.isnan(temp_col)] = temp_not_nan_col.mean()
    return t1

if __name__ == '__main__':
    t1 = np.arange().reshape((, )).astype("float")
    t1[, :] = np.nan
    print(t1)
    t1 = fill_ndarray(t1)
    print(t1)

3、exer2

import numpy as np
from matplotlib import  pyplot as plt

us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

# t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t_us = np.loadtxt(us_file_path,delimiter=",",dtype="int")

#取评论的数据
t_us_comments = t_us[:,-]

#选择比5000小的数据
t_us_comments = t_us_comments[t_us_comments<=]

print(t_us_comments.max(),t_us_comments.min())

d = 

bin_nums = (t_us_comments.max()-t_us_comments.min())//d

#绘图
plt.figure(figsize=(,),dpi=)

plt.hist(t_us_comments,bin_nums)

plt.show()

exer2-2

import numpy as np
from matplotlib import  pyplot as plt

us_file_path = "./youtube_video_data/US_video_data_numbers.csv"
uk_file_path = "./youtube_video_data/GB_video_data_numbers.csv"

# t1 = np.loadtxt(us_file_path,delimiter=",",dtype="int",unpack=True)
t_uk = np.loadtxt(uk_file_path,delimiter=",",dtype="int")

#选择喜欢书比50万小的数据
t_uk = t_uk[t_uk[:,]<=]

t_uk_comment = t_uk[:,-]
t_uk_like = t_uk[:,]

plt.figure(figsize=(,),dpi=)
plt.scatter(t_uk_like,t_uk_comment)

plt.show()

五、pandas

1、为什么要学习pandas

那么问题来了：numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？

numpy能够帮我们处理处理数值型数据，但是这还不够
很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等
比如：我们通过爬虫获取到了存储在数据库中的数据
比如：之前youtube的例子中除了数值之外还有国家的信息，视频的分类(tag)信息，标题信息等

所以，numpy能够帮助我们处理数值，但是pandas除了处理数值之外(基于numpy)，还能够帮助我们处理其他类型的数据

2、