《Python编程:从入门到实践》笔记。
本篇是Python数据处理的第二篇,本篇将使用网上下载的数据,对这些数据进行可视化。
1. 前言
本篇将访问并可视化以两种常见格式存储的数据:CSV和JSON:
-
使用Python的
csv
模块来处理以CSV(逗号分隔的值)格式存储的天气数据,找出两个不同地区在一段时间内的最高温度和最低温度; -
使用
json
模块来访问以JSON格式存储的交易收盘价数据。
本文数据均可从 图书官网 下载。
2. CSV文件格式
新建一个项目,将文件
death_valley_2014.csv
复制到项目根目录,并新建
highs_lows.py
文件,改程序读取加州死亡谷2014年的温度数据,提取出每天的最高和最低气温,并绘制出折线图:
import csv
from datetime import datetime
from matplotlib import pyplot as plt
filename = "death_valley_2014.csv"
with open(filename) as f:
reader = csv.reader(f)
header_row = next(reader)
dates, highs, lows = [], [], []
for row in reader:
try:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
high = int(row[1])
low = int(row[3])
except ValueError:
print(current_date, "missing data")
else:
dates.append(current_date)
highs.append(high)
lows.append(low)
fig = plt.figure(dpi=141, figsize=(10, 6))
# 绘制最高气温折线图
plt.plot(dates, highs, c="red")
# 绘制最低气温折线图
plt.plot(dates, lows, c="blue")
# 填充两个折现之间的空间,alpha为透明度,0为全透明,1为不透明
plt.fill_between(dates, highs, lows, facecolor="blue", alpha=0.1)
plt.title("Daily high and low temperatures - 2014\nDeath Valley, CA", fontsize=20)
plt.xlabel("", fontsize=16)
# 自动排版x轴的日期数据,避免重叠
fig.autofmt_xdate()
plt.ylabel("Temperature(F)", fontsize=16)
plt.tick_params(axis="both", which="major", labelsize=16)
plt.show()
代码现将文件打开,然后通过
csv.reader()
函数创建一个CSV文件阅读器,参数就是刚才打开的文件;通过
next()
函数读取文件的一行,并自动将数据转换为列表;然后通过一个
for
循环读取全部数据。
for
循环中还添加了错误检查,以防文件中数据丢失等问题造成程序终止。我们还通过
fill_between()
函数将两个折现之间的区域着色。最后得到的图像如下:
同时我们还得到了一条信息输出:
2014-02-16 00:00:00 missing data
即该日的数据丢失了。
3. 制作交易收盘价走势图:JSON格式
现将将
btc_close_2017.json
拷贝到项目根目录下。本节中将绘制5幅图像:收盘折线图,收盘价对数变换,收盘价月日均值,收盘价周日均值,收盘价星期均值。均使用
Pygal
绘制。
3.1 绘制收盘价折线图
import json
import pygal
# 将数据加载到一个列表中,列表中的元素是字典
filename = "btc_close_2017.json"
with open(filename) as f:
btc_data = json.load(f)
dates, months, weeks, weekdays, close = [], [], [], [], []
for btc_dict in btc_data:
dates.append(btc_dict["date"])
months.append(int(btc_dict["month"]))
weeks.append(int(btc_dict["week"]))
weekdays.append(btc_dict["weekday"])
close.append(int(float(btc_dict["close"])))
# x轴坐标上的刻度顺时针旋转20度
line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
line_chart.title = "收盘价(¥)"
line_chart.x_labels = dates
N = 20 # x轴坐标每隔20天显示一次
line_chart.x_labels_major = dates[::N]
line_chart.add("收盘价", close)
line_chart.render_to_file("收盘价折线图(¥).svg")
最后得到的图像如下:
3.2 收盘价对数变换
从上图可以看出,收盘价基本呈指数增长,但其中有一些相似的波动(3,6,9月)。尽管这些波动被增长的趋势掩盖了,但也许其中有周期性。为了验证周期性的假设,需要首先将非线性的趋势消除。对数变换是常用的处理方法之一。我们使用Python标准库中的
math
模块来解决此问题。
-- snip --
import math
line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
line_chart.title = "收盘价对数变换(¥)"
line_chart.x_labels = dates
N = 20 # x轴坐标每隔20天显示一次
line_chart.x_labels_major = dates[::N]
# 对数变换
close_log = [math.log10(_) for _ in close]
line_chart.add("log收盘价", close_log)
line_chart.render_to_file("收盘价对数变换折线图(¥).svg")
得到了如下图像:
可以看出,3,6,9月都出现了剧烈的波动。下面再看看收盘价的月日均值和周日均值。
3.3 收盘价均值
3.3.1 月日均值
在继续新的代码之前,需要补充一些知识:
对于
zip()
函数,它将多个列表按照元素的位置组成新的列表,而新列表的元素是元组。如下:
# 代码
a = [1, 2, 3]
b = [4, 5, 6]
c = [7, 8, 9, 10]
zipped_1 = zip(a,b)
zipped_2 = zip(a, b, c)
print(zipped_1)
print(list(zipped_1))
print(list(zipped_2))
# 结果
<zip object at 0x0000021D732DCDC8>
[(1, 4), (2, 5), (3, 6