数据挖掘入门与实战 公众号： datadw
第1步：确保MySQL已安装且在运行
安装教程：
亲测：MySQL安装与python下的MySQLdb使用（附软件与模块包）
第2步：使用Python连接MySQL
连接教程：
mysqldb库安装与python交互操作
第3步：Python中执行MySQL查询
cursor对象使用MySQL查询字符串执行查询，返回一个包含多个元组的元组——每行对应一个元组。如果你刚接触MySQL语法和命令，在线的MySQL参考手册
https://dev.mysql.com/doc/refman/5.7/en/select.html
是一个很不错的学习资源。
本教程使用MySQL经典的“world”样例数据库。如果你想跟随我们的步骤，可以在MySQL文档中心
https://dev.mysql.com/doc/world-setup/en/下载world数据库。
1 2 | >>> cursor.execute('select Name, Continent, Population, LifeExpectancy, GNP from Country');
>>> rows = cursor.fetchall()
|
rows，也就是查询的结果，是一个包含多个元组的元组，像下面这样：
使用Pandas的DataFrame来处理每一行要比使用一个包含元组的元组方便。下面的Python代码片段将所有行转化为DataFrame实例：
?
1 2 3 4 | >>> import pandas as pd
>>> df = pd.DataFrame( [[ij for ij in i] for i in rows] )
>>> df.rename(columns={0: 'Name', 1: 'Continent', 2: 'Population', 3: 'LifeExpectancy', 4:'GNP'}, inplace=True);
>>> df = df.sort(['LifeExpectancy'], ascending=[1]);
|
完整的代码可以参见IPython notebook
http://nbviewer.jupyter.org/gist/jackparmer/5485807511a58be48bf2
第4步：使用Plotly绘制MySQL数据
现在，MySQL的数据存放在Pandas的DataFrame中，可以轻松地绘图。下面的代码用来绘制国家GNP（国民生产总值）VS平均寿命的图，鼠标悬停的点会显示国家名称。确保你已经下载了python的Plotly库。如果没有，你可以参考一下它的入门指南。https://plot.ly/python/bubble-charts-tutorial/
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | import plotly.plotly as py
from plotly.graph_objs import *
trace1 = Scatter(
x=df['LifeExpectancy'],
y=df['GNP'],
text=country_names,
mode='markers'
)
layout = Layout(
xaxis=XAxis( title='Life Expectancy' ),
yaxis=YAxis( type='log', title='GNP' )
)
data = Data([trace1])
fig = Figure(data=data, layout=layout)
py.iplot(fig, filename='world GNP vs life expectancy')
|
完整的代码在这份IPython notebook中。下面是作为一个iframe嵌入的结果图：
利用Plotly的Python用户指南中的气泡图教程，我们可以用相同的MySQL数据绘制一幅气泡图，气泡大小表示人口的多少，气泡的颜色代表不同的大洲，鼠标悬停会显示国家名称。下面显示的是作为一个iframe嵌入的气泡图。
创建这个图表以及这个博客中的所有python代码都可以从这个IPython notebook中拷贝。http://nbviewer.jupyter.org/gist/jackparmer/5485807511a58be48bf2
数据挖掘入门与实战
搜索添加微信公众号：datadw
教你机器学习，教你数据挖掘
长按图片，识别二维码，点关注
公众号： weic2c
据分析入门与实战
长按图片，识别二维码，点关注
