python数据分析和可视化【1】

简介: python数据分析和可视化【1】

前言

这学期开了门课是python数据分析和可视化,今天第一次实验课主要是复习了一下python基础和常用的一些操作

【1】读取txt,csv文件和文件的写入

#读取txt,csv文件
file=open("C:\\Users\86178\Downloads\泰戈尔的诗.txt",mode='r') #以只读方式打开文件
content=file.read() #一次性读取整个文件内容
print(content)
file.close()
#读取csv文件
import csv
with open("C:\\Users\86178\Downloads\student.csv","r") as f:
    reader=csv.reader(f)
    rows=[row for row in reader]
for item in rows:
    print(item)
#csv文件的写入
content=[
    ["5","hanmeimei","23","81"],
    ["1","mali","18","99"],
    ["2","jcak","21","89"],
    ["3","zhanghua","23","88"], ]
f=open("C:\\Users\86178\Downloads\person.csv", "w",encoding="utf-8", newline="")  #不加newline="",就会出现空行
content_out=csv.writer(f) #1.创建writer对象
for con in content:  #遍历列表,将每一行的数据写入csv
    content_out.writerow(con)
f.close()

写入后的文件:

【2】白葡萄酒的数据分析

1.查看白葡萄酒中共分为几种品质等级

① 查看当前葡萄酒文件的格式,选择合适的方法进行数据载入

② 明确描述“品质等级”的具体位置,即quality属性

③ 遍历数据,将每行数据的quality值放于列表

④ 对此列表进行去重

2.按白葡萄酒等级将数据集划分为7个子集,并统计每种品质等级的数量

① 考虑保存数据的数据结构,要求既有等级又有对应的等级的数量,可用字典

② 遍历文件,相同等级的数据可放于一个列表,每一个等级创建一个列表

③ 计算列表的长度

白葡萄酒的数据集:

代码:

import  csv
f=open("C:\\Users\86178\Desktop\winequality-red.csv","r",encoding="utf-8")
reader=csv.reader(f)
content=[]
for i in reader:
    content.append(i)  #把每一行数据放到列表中,列表中每一个元素是每一行数据
f.close()
quality_list=[]  #存放每列quality的值
for row in content[1:]:
    quality_list.append(int(row[-1]))  #把每列的quality的值放到列表中
quality_count=set(quality_list)#去重
print("白葡萄酒共有%d种等级,分别是:%r"%(len(quality_count),quality_count))
content_dict={}
for row in content[1:]:
    quality = int(row[-1])
    if quality not in content_dict.keys():
        content_dict[quality] = [row]   # 创建values:[ [] ]
    else:
        content_dict[quality].append(row)  #向字典中添加values值,例如[ [],[],[] ]
for key in content_dict:
    print("质量",key,"级的数量:",len(content_dict[key]))

运行结果:

目录
相关文章
|
8天前
|
数据挖掘 计算机视觉 Python
Python数据分析13
Pillow 是 PIL(Python Imaging Library)的升级版本,适应 Python 3 的更新而诞生,带来了诸多新特性。它采用模块化结构,主要包括:图像功能模块(Image)、图像滤波功能模块(ImageFilter)、图像增强功能模块(ImageEnhance)和图像绘画功能模块(ImageDraw)。Pillow 支持从多种图像格式读取数据,进行处理,并能输出为常见格式,其官网提供了丰富的应用示例供学习参考。
24 4
|
6天前
|
SQL 数据采集 数据可视化
深入 Python 数据分析:高级技术与实战应用
本文系统地介绍了Python在高级数据分析中的应用,涵盖数据读取、预处理、探索及可视化等关键环节,并详细展示了聚类分析、PCA、时间序列分析等高级技术。通过实际案例,帮助读者掌握解决复杂问题的方法,提升数据分析技能。使用pandas、matplotlib、seaborn及sklearn等库,提供了丰富的代码示例,便于实践操作。
121 64
|
2天前
|
数据可视化 数据挖掘 大数据
Python 数据分析入门:从零开始处理数据集
Python 数据分析入门:从零开始处理数据集
|
2天前
|
数据采集 数据可视化 数据挖掘
Python中的数据分析:从零开始的指南
Python中的数据分析:从零开始的指南
10 2
|
2天前
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
7 2
|
2天前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析:从入门到实践
使用Python进行数据分析:从入门到实践
8 2
|
7天前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析的入门指南
【9月更文挑战第33天】本文旨在为初学者提供一个关于使用Python进行数据分析的全面概述。我们将从基本的安装和设置开始,逐步介绍数据处理、数据可视化以及机器学习的基本概念和应用。文章将通过实际代码示例来展示如何使用Python及其相关库来解决常见的数据分析问题。
|
2天前
|
数据采集 数据挖掘 API
Python数据分析加速器:深度挖掘Pandas与NumPy的高级功能
在Python数据分析的世界里,Pandas和NumPy无疑是两颗璀璨的明星,它们为数据科学家和工程师提供了强大而灵活的工具集,用于处理、分析和探索数据。今天,我们将一起深入探索这两个库的高级功能,看看它们如何成为数据分析的加速器。
15 1
|
10天前
|
数据挖掘 Serverless 计算机视觉
Python数据分析 11
SciPy是一款专为数学、科学及工程应用设计的开源软件,它基于NumPy的n维数组构建,提供了丰富的数值例程,包括积分、优化、线性代数等,适用于各种操作系统,安装简易且免费。它还包含了如快速傅里叶变换、信号处理、图像处理、特殊函数计算等功能,满足了科学计算与工程需求。相较于NumPy的一般数组,SciPy提供了真正的矩阵及其相关运算支持。
30 7
|
10天前
|
机器学习/深度学习 数据挖掘 算法框架/工具
Python数据分析6
Keras是一个用Python编写的深度学习框架,支持TensorFlow等多种后端,以其高度模块化、用户友好性和易扩展性著称。它不仅适用于搭建普通神经网络,还能够构建自编码器、循环神经网络、卷积神经网络等多种模型,并且可以无缝切换CPU和GPU。相比Theano,Keras极大简化了神经网络模型的搭建过程,使普通用户也能轻松创建复杂的深度学习模型,仅需几十行代码即可完成。需要注意的是,Keras的预测函数采用`model.predict()`输出概率,`model.predict_classes()`输出分类结果。
24 6

热门文章

最新文章