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. python3读取BJDA药品经营企业数据

    #-*- coding:utf-8 -*- #读取北京FDA的药品经营企业数据 # 20161125 zhangshaohua import re import urllib.request impo ...

  2. 阿里云服务器---centos编译安装ffmpeg

    环境 系统环境:CentOS release 6.7 (Final) 需求 编译安装ffmpeg 获取依赖 安装依赖包 yum install -y autoconf automake cmake f ...

  3. 自定义WPF ListBox的选择样式

    (下图:进行多项选择的ListBox) 首先介绍一种简单地方法:就是通过自定义SystemColors类的参数来自定义WPF ListBox选择颜色的,SystemColors的HighlightBr ...

  4. centos7.0 安装redis 3.2.9

    wget http://download.redis.io/releases/redis-3.2.9.tar.gz tar xzf redis-3.2.9.tar.gz cd redis-3.2.9 ...

  5. 素数定理 nefu 117

    素数定理: 随着x的增长,P(x) ≍x/ln(x) ,P(x)表示(1,x)内的素数的个数. 这个定理,说明在1-x中,当x大到一定程度时,素数分布的概率为ln(x) 竟然还有一道题目. 素数个数的 ...

  6. poj2349

    Arctic Network Time Limit: 2000MS   Memory Limit: 65536K Total Submissions: 0   Accepted: 0 Descript ...

  7. iOS GPUImage 滤镜介绍

    这里直接引用官方描述: The GPUImage framework is a BSD-licensed iOS library that lets you apply GPU-accelerated ...

  8. php建立一个空类: stdClass

    $pick = new stdClass; $pick->type = 'full'; ;

  9. apache虚拟主机配置: 设置二级目录访问跳转

    <VirtualHost *:> DocumentRoot "d:/www/abc" ServerName www.abc.com Alias /course &quo ...

  10. Python中为什么要使用线程池?如何使用线程池?

    系统处理任务时,需要为每个请求创建和销毁对象.当有大量并发任务需要处理时,再使用传统的多线程就会造成大量的资源创建销毁导致服务器效率的下降.这时候,线程池就派上用场了.线程池技术为线程创建.销毁的开销 ...