matplotlib的学习和使用

matplotlib的安装

pip3 install matplotlib

简单的折线图

import  matplotlib.pyplot as plt
#绘制简单的图表
input_values = [1,2,3,4,5]
squares = [1,4,9,16,25]
plt.plot(input_values,squares,linewidth=5) #设置图表的标题 并给坐标轴加上标签
plt.title("Square Number",fontsize=24)
plt.xlabel("Value",fontsize=24)
plt.ylabel("Square of Value",fontsize=14) #设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14)
#显示图表
plt.show()
#保存在当前的目录下,文件名为squares_plot.png
#plt.savefig('squares_plot.png', bbox_inches='tight')

绘制简单的散点图

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25] plt.scatter(x_values, y_values, s=100) #设置图表的标题 并给坐标轴加上标签
plt.title("Square Number",fontsize=24)
plt.xlabel("Value",fontsize=24)
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()

import  matplotlib.pyplot as plt

#绘制散点图并设置其样式

x_value = list(range(1,1001))
y_value = [x**2 for x in x_value] #点的颜色 c=(0,0,1,0.5) edgecolors = 'red' 点的边缘颜色
plt.scatter(x_value,y_value,c=y_value,cmap=plt.cm.Blues,edgecolors='none',s=40)
# plt.scatter(2,4,s=200) #设置图表的标题 并给坐标轴加上标签
plt.title("Square Number",fontsize=24)
plt.xlabel("Value",fontsize=24)
plt.ylabel("Square of Value",fontsize=14) #设置刻度标记的大小
plt.tick_params(axis='both',labelsize=14) #设置每个坐标系的取值范围
# plt.axis([0,110,0,110000]) #显示
plt.show()
#显示并保存
#plt.savefig('pyplot_scatter.png',bbox_inches='tight')

绘制随机漫步图

random_walk.py

from  random import choice

class RandomWalk():
"""一个生成随机漫步数据的类""" def __init__(self,num_points=5000):
"""一个生成随机漫步的数据的类"""
self.num_points = num_points;
#所有的随机漫步都始于(0,0)
self.x_value = [0]
self.y_value = [0] def fill_walk(self):
"""计算随机漫步包含的点""" #不断漫步,直到列表达到指定的长度
while len(self.x_value) < self.num_points:
#决定前进的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])
x_step = x_direction*x_distance 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_value[-1] + x_step
next_y = self.y_value[-1] + y_step self.x_value.append(next_x)
self.y_value.append(next_y)

rw_visual.py

import  matplotlib.pyplot as plt
#引用同级目录下的文件
from Random_Walk.random_walk import RandomWalk #创建一个RandomWalk的实例 并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
print("test")
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_value,rw.y_value,c=point_numbers, cmap=plt.cm.Blues,edgecolor='none',s=15)
# 突出起点和终点
plt.scatter(0, 0, c='green',edgecolors='none',s=100)
plt.scatter(rw.x_value[-1], rw.y_value[-1],c='red',edgecolors='none',s=100) # 设置绘图窗口的尺寸
# plt.figure(figsize=(10, 6))
plt.figure(dpi=128, figsize=(10, 6)) # 隐藏坐标轴
# plt.axes().get_xaxis().set_visible(False)
# plt.axes().get_yaxis().set_visible(False) plt.show()

Pygal的学习和使用

安装Pygal

pip3 install pygal

绘制简单的直方图

创建骰子类 die.py

from  random import  randint

class Die():

    """表示一个骰子的类"""
def __init__(self,num_sides=6):
"""骰子默认为6面"""
self.num_sides = num_sides def roll(self):
"""返回一个位于1和骰子面数之间的随机值"""
return randint(1,self.num_sides)

掷骰子die_visual.py

from  Pygal_learn.die import  Die
import pygal
#创建一个D6
die = Die() #掷几次骰子 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) frequencies = []
#分析结果
for value in range(1,die.num_sides+1):
frequency = results.count(value)
frequencies.append(frequency) #对结果进行可视化
hist = pygal.Bar()
hist.title = "Result of rolling one d6 1000 times"
hist.x_labels = ['1','2','3','4','5','6']
hist.x_title = "Result"
hist.y_title = "Frequency of result" hist.add("D6",frequencies) hist.render_to_file("die_visual.svg")

使用Web API

安装requests

pip3 install requests

绘制图表

通过抓取GitHub上受欢迎程度最高的Python项目,绘制出图表

import  requests
import pygal
from pygal.style import LightColorizedStyle as LCS,LightenStyle as LS #执行API调用并存储响应
url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
r = requests.get(url)
print("Staus code:",r.status_code) response_dict = r.json()
print("Total repositories:", response_dict['total_count'])
#探索有关仓库的信息
repo_dicts = response_dict['items']
print('Repositories returned:',len(repo_dicts)) #研究第一个仓库
# repo_dict = repo_dicts[0]
# for key in sorted(repo_dict.keys()):
# print(key) #研究仓库有关的信息 # Name: macOS-Security-and-Privacy-Guide
# Owner: drduh
# Stars: 12348
# Repository: https://github.com/drduh/macOS-Security-and-Privacy-Guide
# Description: A practical guide to securing macOS. names,plot_dicts = [],[]
for repo_dict in repo_dicts:
names.append(repo_dict["name"])
# stars.append(repo_dict["stargazers_count"])
plot_dict = {
'value': repo_dict['stargazers_count'],
'label': str(repo_dict['description']),
'xlink': repo_dict['html_url']
}
plot_dicts.append(plot_dict) #可视化数据 my_config = pygal.Config()
my_config.x_label_rotation = 45
my_config.show_legend = False
my_config.title_font_size = 24
my_config.label_font_size = 14
my_config.major_label_font_size = 18
my_config.truncate_label = 15
my_config.show_y_guides = False
my_config.width = 1000 my_style = LS('#333366',base_style=LCS)
chart = pygal.Bar(my_config,style=my_style)
chart.title = "Most-Stared Python Project on Github"
chart.x_labels = names
print(plot_dicts)
chart.add('',plot_dicts)
chart.render_to_file('python_repos.svg')

4 从json文件中提取数据,并进行可视化

4.1 数据来源:population_data.json。

4.2 一个简单的代码段:

  1. import json  #导入json模版
  2. filename = 'population_data.png'
  3. with open(filename) as f:
  4. pop_data = json.load(f)  #加载json文件数据

通过小的代码段了解最基本的原理,具体详情还要去查看手册。

4.3制作简单的世界地图(代码如下)

  1. import pygal  #导入pygal
  2. wm = pygal.maps.world.World()  #正确导入世界地图模块
  3. wm.title = 'populations of Countries in North America'
  4. wm.add('North America',{'ca':34126000,'us':309349000,'mx':113423000})
  5. wm.render_to_file('na_populations.svg')  #生成svg文件

结果:

4.4 制作世界地图

代码段:

  1. import json
  2. import pygal
  3. from pygal.style import LightColorizedStyle as LCS, RotateStyle as RS
  4. from country_codes import get_country_code
  5. # Load the data into a list.
  6. filename = 'population_data.json'
  7. with open(filename) as f:
  8. pop_data = json.load(f)
  9. # Build a dictionary of population data.
  10. cc_populations = {}
  11. for pop_dict in pop_data:
  12. if pop_dict['Year'] == '2010':
  13. country_name = pop_dict['Country Name']
  14. population = int(float(pop_dict['Value']))
  15. code = get_country_code(country_name)
  16. if code:
  17. cc_populations[code] = population
  18. # Group the countries into 3 population levels.
  19. cc_pops_1, cc_pops_2, cc_pops_3 = {}, {}, {}
  20. for cc, pop in cc_populations.items():
  21. if pop < 10000000:                #分组
  22. cc_pops_1[cc] = pop
  23. elif pop < 1000000000:
  24. cc_pops_2[cc] = pop
  25. else:
  26. cc_pops_3[cc] = pop
  27. # See how many countries are in each level.
  28. print(len(cc_pops_1), len(cc_pops_2), len(cc_pops_3))
  29. wm_style = RS('#336699', base_style=LCS)
  30. wm = pygal.maps.world.World(style=wm_style)   #已修改,原代码有错误!
  31. wm.title = 'World Population in 2010, by Country'
  32. wm.add('0-10m', cc_pops_1)
  33. wm.add('10m-1bn', cc_pops_2)
  34. wm.add('>1bn', cc_pops_3)
  35. wm.render_to_file('world_population.svg')

辅助代码段country_code.py如下:

    1. from pygal.maps.world import COUNTRIES
    2. from pygal_maps_world import i18n      #原代码也有错误,现已订正
    3. def get_country_code(country_name):
    4. """Return the Pygal 2-digit country code for the given country."""
    5. for code, name in COUNTRIES.items():
    6. if name == country_name:
    7. return code
    8. # If the country wasn't found, return None.
    9. return None

监视API的速率限制

大多数API都存在速率限制,即你在特定时间内可执行的请求数存在限制。要获悉你是否接近了GitHub的限制,请在浏览器中输入https://api.github.com/rate_limit ,你将看到类似于下 面的响应:

参考内容:《Python编程:从入门到实践》

Python3 数据可视化之matplotlib、Pygal、requests的更多相关文章

  1. 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 Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D ...

  2. python 数据可视化(matplotlib)

    matpotlib 官网 :https://matplotlib.org/index.html matplotlib 可视化示例:https://matplotlib.org/gallery/inde ...

  3. python的数据可视化库 matplotlib 和 pyecharts

    Matplotlib大家都很熟悉    不谈. ---------------------------------------------------------------------------- ...

  4. 学机器学习,不会数据分析怎么行——数据可视化分析(matplotlib)

    前言 前面两篇文章介绍了 python 中两大模块 pandas 和 numpy 的一些基本使用方法,然而,仅仅会处理数据还是不够的,我们需要学会怎么分析,毫无疑问,利用图表对数据进行分析是最容易的, ...

  5. 绘图和数据可视化工具包——matplotlib

    一.Matplotlib介绍 Matplotlib是一个强大的Python**绘图**和**数据可视化**的工具包. # 安装方法 pip install matplotlib # 引用方法 impo ...

  6. Python数据可视化库-Matplotlib(一)

    今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废 ...

  7. 数据可视化之Matplotlib的使用

    1.什么是数据可视化 数据可视化在量化分析当中是一个非常关键的辅助工具,往往我们需要通过可视化技术,对我们的数据进行更清晰的展示,这样也能帮助我们理解交易.理解数据.通过数据的可视化也可以更快速的发现 ...

  8. Python数据可视化之Matplotlib实现各种图表

    数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotlib和 ...

  9. Windows系统中python3.7安装数据可视化模块Matplotlib、numpy的各种方法汇总

    安装环境:Windows10 64位Python3.7 32位 确保已经安装PIP工具命令窗口输入PIP出现以下窗口说明PIP已经成功安装 方法1:(1)在Matplotlib的官网下载电脑对应的版本 ...

随机推荐

  1. C++11 并发指南三(Lock 详解)(转载)

    multithreading 多线程 C++11 C++11多线程基本使用 C++11 并发指南三(Lock 详解) 在 <C++11 并发指南三(std::mutex 详解)>一文中我们 ...

  2. Truck History - poj 1789 (Prim 算法)

      Time Limit: 2000MS   Memory Limit: 65536K Total Submissions: 20884   Accepted: 8075 Description Ad ...

  3. 修改Liunx服务器SSH端口

    为提高Linux系统安全性,我们经常会修改ssh端口,下面以CentOS 6为例: vi /etc/ssh/sshd_config 修改ssh端口,默认配置如下: 修改为自己想要的端口号(小于6553 ...

  4. 从零开始搭建android框架系列(转)

    网址:从零开始搭建android框架系列 githup:https://github.com/CameloeAnthony/Ant

  5. CentOS 7 mini 试用笔记

    CentOS 7 mini 试用笔记 安装过程中,网卡是默认关闭的,要手动打开. 安装好以后,查看IP地址:# ip addr----------------------1: lo: 本地回环2: e ...

  6. C语言基础知识【存储类】

    C 存储类1.存储类定义 C 程序中变量/函数的范围(可见性)和生命周期.这些说明符放置在它们所修饰的类型之前autoregisterstaticextern2.auto 只能用在函数内,即 auto ...

  7. CAFFE学习笔记(四)将自己的jpg数据转成lmdb格式

    1 引言 1-1 以example_mnist为例,如何加载属于自己的测试集? 首先抛出一个问题:在example_mnist这个例子中,测试集是人家给好了的.那么如果我们想自己试着手写几个数字然后验 ...

  8. 九度OJ 1000:计算a+b

    时间限制:1 秒 内存限制:32 兆 特殊判题:否 提交:35767 解决:15660 题目描述: 求整数a,b的和. 输入: 测试案例有多行,每行为a,b的值. 输出: 输出多行,对应a+b的结果. ...

  9. spring web app的结构

    1 入口是web.xml tomcat加载war的时候会去读该入库文件. 2 web.xml中spring mvc的配置 定义servlet到servlet-mapping之间的映射,org.spri ...

  10. 监控httpd的shell脚本

    #!/bin/bash # Apache httpd进程监控shell # 如果你在使用RHEL / CentOS / Fedora Linux,使用这个重启命令 RESTART="/sbi ...