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
