python数据可视化-matplotlib入门(6)-从文件中加载数据
前几篇都是手动录入或随机函数产生的数据。实际有许多类型的文件，以及许多方法，用它们从文件中提取数据来图形化。
比如之前python基础(12)介绍打开文件的方式，可直接读取文件中的数据，扩大了我们的数据来源。下面详细介绍从文件中加载数据。
一、使用内置的 csv 模块加载CSV文件
CSV文件是一种特殊的文本文件，文件中的数据以逗号作为分隔符，很适合进行数据的解析。先用excle建立如下表格和数据，另存为csv格式文件，放到代码目录下。
包含在Python标准库中自带CSV 模块，我们只需要import进来就能使用。比如我们需要将上面的CSV文件都打印出来，代码 如下:
import csv # import csv 用来导入csv模块 filename = ' E:\WorkSpace\python\coding\score.csv ' # 文件保存的绝对路径，如果在代码目录文件下，可以直接用文件名 with open(filename) as file_csv: # 是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中 reader = csv.reader(file_csv) # 直接调读取 用csv.read()读取文件内容 for row in reader: # 用for循环打印每一行 print (row)
运行结果如下：
[ ' Name ' , ' Grade ' , ' Class ' , ' Age ' , ' mathscore ' , ' Englishscore ' ]
[ ' Lucy ' , ' 7 ' , ' 2 ' , ' 14 ' , ' 95 ' , ' 86 ' ]
[ ' bush ' , ' 8 ' , ' 1 ' , ' 15 ' , ' 80 ' , ' 75 ' ]
[ ' lily ' , ' 7 ' , ' 3 ' , ' 14 ' , ' 93 ' , ' 95 ' ]
[ ' Jack ' , ' 8 ' , ' 2 ' , ' 14 ' , ' 87 ' , ' 84 ' ]
[ ' Mary ' , ' 9 ' , ' 1 ' , ' 15 ' , ' 85 ' , ' 86 ' ]
[ ' philip ' , ' 7 ' , ' 3 ' , ' 14 ' , ' 90 ' , ' 92 ' ]
[ ' Liming ' , ' 9 ' , ' 2 ' , ' 16 ' , ' 99 ' , ' 87 ' ]
1、打印文件头及其位置
读入文件，是为了获取其中的数据，需要将相关信息进行分离，先看看如何读出头即文件的第一行， next()返回文件中的下一行。
import csv # import csv 用来导入csv模块 filename = ' E:\WorkSpace\python\coding\score.csv ' # 文件保存的绝对路径 with open(filename) as file_csv: # 是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中 reader = csv.reader(file_csv) # 直接调读取 用csv.read()读取文件内容 header_row = next(reader) # 模块csv包含 函数 next() ，调用它并将阅读器对象传递给它时，它将返回文件中的下一行 。 # 调用了next()一次，因此得到的是文件的第一行，其中包含文件头
#for row in reader: # 用for循环打印每一行
# print(row)
for index, column_header in enumerate(header_row): # 对列表调用了enumerate()来获取每个元素的索引及其值 print (index, column_header)
运行后的结果如下所示：
0 Name 1 Grade 2 Class 3 Age 4 mathscore 5 Englishscore
提取其中索引，即name的索引为0，Grade的索引为1，知道了索引便可以读取其中的任何数据，比如我们要打印出mathscore，索引为4，于是代码如下：
scores = [] 定义一个空的list for row in reader:
scores.append(int(row[ 4])) # 读取的文件，默认为字符串，用int()转换为数字。 print (scores)
运行结果：
[95, 80, 93, 87, 85, 90, 99]
接下来，制作图表展示一下，先把mathscore和englishscore分数做个柱状对比。代码如下：
import matplotlib.pyplot as plt import csv # import csv 用来导入csv模块 filename = ' E:\WorkSpace\python\coding\score.csv ' # 文件保存的绝对路径 with open(filename) as file_csv: # 是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中 reader = csv.reader(file_csv) # 直接调读取 用csv.read()读取文件内容 header_row = next(reader) # 模块csv包含函数 next() ，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。 # 调用了 next() 一次，因此得到的是文件的第一行，其中包含文件头 mathscores =[] # 定义两个列表 englishscores= [] for row in reader:
mathscores.append(int(row[ 4])) # 读取索引为4的数据，默认为字符串，用int()转换为数字。 englishscores.append(int(row[5])) # 读取索引为5的数据，用int()转换为数字。 plt.bar([ 1,3,5,7,9,11,13],mathscores,label= ' math ' ,color= ' #FF2204 ' )
plt.bar([ 2,4,6,8,10,12,14],englishscores, label= ' englis ' , color= ' g ' )
plt.legend()
plt.title( ' scores ' )
plt.show()
已将那些打印相关代码删除。看运行结果：
接下来，我们读取文件 ，并根据文件中的时间来绘制图表
新建一个年份的数据（真的是胡编乱造的数据），第一列是年份，第二列每年毕业的人数，第三列是每年申请人数，如图所示：
要求：
1，按年份分别显示出每年两者的人数，并用不同的颜色表示；
2、两者间也用其他颜色进行填充。
完成代码如下：
import matplotlib.pyplot as plt import csv # import csv 用来导入csv模块 from datetime import datetime # 引入时间相关模块 filename = ' E:\WorkSpace\python\coding\graduatesNumbers.csv ' # 文件保存的绝对路径 with open(filename) as file_csv: # 是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中 reader = csv.reader(file_csv) # 直接调读取 用csv.read()读取文件内容 header_row = next(reader)
dates = []
numbers = []
application_numbers = [] for row in reader:
current_date = datetime.strptime(row[0], " %Y/%m/%d " ) # 年份，strptime()日期格式转化为字符串格式的函数 dates.append(current_date)
numbers.append(int(row[ 1])) # 读取索引为1的数据，默认为字符串，用int()转换为数字，即Numbers of graduates 。 application_numbers.append(int(row[2])) # 读取索引为2的数据，即Number of applicants plt.plot(dates,numbers,label = ' Numbers of graduate ' , c= ' red ' ) # 显示第一条线 plt.plot(dates,application_numbers,label= ' Number of applicant ' , c= ' green ' ) # 显示第二条线application_numbers折线 plt.fill_between(dates,numbers, application_numbers, facecolor= ' blue ' , alpha=0.5) # 在两线之间填充颜色 alpha透明度 plt.title( " The numbers of graduate " ,fontsize=24 )
plt.xlabel( ' Years ' , fontsize=16 )
plt.ylabel( " The numbers " , fontsize=16 )
plt.legend()
plt.show()
实际运行结果如下：
除了直接读取文件外，数据还有众多其他来源，比如后期涉及的爬虫等。