16.1.3 提取并读取数据
知道需要哪些列中的数据后，我们来读取一些数据。首先读取每天的最高气温：
highs_lows.py
import csv # 从文件中获取最高气温 filename = 'sitka_weather_07-2014.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) 1 highs = [] 2 for row in reader: 3 highs.append(row[1]) print(highs)
我们创建了一个名为highs的空列表（见1），再遍历文件中余下的各行（见2）。阅读器对象 从其停留的地方继续往下读取CSV文件，每次都自动返回当前所处位置的下一行。由于我们已经 读取了文件头行，这个循环将从第二行开始——从这行开始包含的是实际数据。每次执行该循环 时，我们都将索引1处（第2列）的数据附加到highs末尾（见3）。 下面显示了highs现在存储的数据：
['64', '71', '64', '59', '69', '62', '61', '55', '57', '61', '57', '59', '57', '61', '64', '61', '59', '63', '60', '57', '69', '63', '62', '59', '57', '57', '61', '59', '61', '61', '66']
我们提取了每天的最高气温，并将它们作为字符串整洁地存储在一个列表中。 下面使用int()将这些字符串转换为数字，让matplotlib能够读取它们：
highs_lows.py
--snip-- highs = [] for row in reader: 1 high = int(row[1]) highs.append(high) print(highs)
在1处，我们将表示气温的字符串转换成了数字，再将其附加到列表末尾。这样，最终的列 表将包含以数字表示的每日最高气温：
[64, 71, 64, 59, 69, 62, 61, 55, 57, 61, 57, 59, 57, 61, 64, 61, 59, 63, 60, 57, 69, 63, 62, 59, 57, 57, 61, 59, 61, 61, 66]
下面来对这些数据进行可视化。
16.1.4 绘制气温图表
为可视化这些气温数据，我们首先使用matplotlib创建一个显示每日最高气温的简单图形，如 下所示：
highs_lows.py
import csv from matplotlib import pyplot as plt # 从文件中获取最高气温 --snip-- # 根据数据绘制图形 fig = plt.figure(dpi=128, figsize=(10, 6)) 1 plt.plot(highs, c='red') # 设置图形的格式 2 plt.title("Daily high temperatures, July 2014", fontsize=24) 3 plt.xlabel('', fontsize=16) plt.ylabel("Temperature (F)", fontsize=16) plt.tick_params(axis='both', which='major', labelsize=16) plt.show()
我们将最高气温列表传给plot()（见1），并传递c='red'以便将数据点绘制为红色（红色显 示最高气温，蓝色显示最低气温）。接下来，我们设置了一些其他的格式，如字体大小和标签（见 2），这些都在第15章介绍过。鉴于我们还没有添加日期，因此没有给x轴添加标签，但plt.xlabel() 确实修改了字体大小，让默认标签更容易看清。图16-1显示了绘制的图表：一个简单的折线图， 显示了阿拉斯加锡特卡2014年7月每天的最高气温。
16.1.5 模块 datetime
下面在图表中添加日期，使其更有用。在天气数据文件中，第一个日期在第二行：
2014-7-1,64,56,50,53,51,48,96,83,58,30.19,--snip--
读取该数据时，获得的是一个字符串，因为我们需要想办法将字符串'2014-7-1'转换为一个 表示相应日期的对象。为创建一个表示2014年7月1日的对象，可使用模块datetime中的方法 strptime()。我们在终端会话中看看strptime()的工作原理：
>>> from datetime import datetime >>> first_date = datetime.strptime('2014-7-1', '%Y-%m-%d') >>> print(first_date) 2014-07-01 00:00:00
我们首先导入了模块datetime中的datetime类，然后调用方法strptime()，并将包含所需日 期的字符串作为第一个实参。第二个实参告诉Python如何设置日期的格式。在这个示例中，'%Y-' 让Python将字符串中第一个连字符前面的部分视为四位的年份；'%m-'让Python将第二个连字符前 面的部分视为表示月份的数字；而'%d'让Python将字符串的最后一部分视为月份中的一天 （1~31）。 方法strptime()可接受各种实参，并根据它们来决定如何解读日期。表16-1列出了其中一些 这样的实参。
16.1.6 在图表中添加日期
知道如何处理CSV文件中的日期后，就可对气温图形进行改进了，即提取日期和最高气温， 并将它们传递给plot()，如下所示：
highs_lows.py
import csv from datetime import datetime from matplotlib import pyplot as plt # 从文件中获取日期和最高气温 filename = 'sitka_weather_07-2014.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) 1 dates, highs = [], [] for row in reader: 2 current_date = datetime.strptime(row[0], "%Y-%m-%d") dates.append(current_date) high = int(row[1]) highs.append(high) # 根据数据绘制图形 fig = plt.figure(dpi=128, figsize=(10, 6)) 3 plt.plot(dates, highs, c='red') # 设置图形的格式 plt.title("Daily high temperatures, July 2014", fontsize=24) plt.xlabel('', fontsize=16) 4 fig.autofmt_xdate() plt.ylabel("Temperature (F)", fontsize=16) plt.tick_params(axis='both', which='major', labelsize=16) plt.show()
我们创建了两个空列表，用于存储从文件中提取的日期和最高气温（见1）。然后，我们将 包含日期信息的数据（row[0]）转换为datetime对象（见2），并将其附加到列表dates末尾。在 3处，我们将日期和最高气温值传递给plot()。在处，我们调用了fig.autofmt_xdate()来绘制 斜的日期标签，以免它们彼此重叠。图16-2显示了改进后的图表。
16.1.7 涵盖更长的时间
设置好图表后，我们来添加更多的数据，以成一幅更复杂的锡特卡天气图。请将文件 sitka_weather_2014.csv复制到存储本章程序的文件夹中，该文件包含Weather Underground提供的 整年的锡特卡天气数据。
现在可以创建覆盖整年的天气图了：
highs_lows.py
--snip-- # 从文件中获取日期和最高气温 1 filename = 'sitka_weather_2014.csv' with open(filename) as f: --snip-- # 设置图形的格式 2 plt.title("Daily high temperatures - 2014", fontsize=24) plt.xlabel('', fontsize=16) --snip--
我们修改了文件名，以使用新的数据文件sitka_weather_2014.csv（见1）；我们还修改了图表 的标题，以反映其内容的变化（见2）。图16-3显示了生成的图形。
16.1.8 再绘制一个数据系列
图16-3所示的改进后的图表显示了大量意义深远的数据，但我们可以在其中再添加最低气温 数据，使其更有用。为此，需要从数据文件中提取最低气温，并将它们添加到图表中，如下所示：
highs_lows.py
--snip-- # 从文件中获取日期、最高气温和最低气温 filename = 'sitka_weather_2014.csv' with open(filename) as f: reader = csv.reader(f) header_row = next(reader) 1 dates, highs, lows = [], [], [] for row in reader: current_date = datetime.strptime(row[0], "%Y-%m-%d") dates.append(current_date) high = int(row[1]) highs.append(high) 2 low = int(row[3]) lows.append(low) # 根据数据绘制图形 fig = plt.figure(dpi=128, figsize=(10, 6)) 3 plt.plot(dates, highs, c='red') plt.plot(dates, lows, c='blue') # 设置图形的格式 4 plt.title("Daily high and low temperatures - 2014", fontsize=24) --snip
在1处，我们添加了空列表lows，用于存储最低气温。接下来，我们从每行的第4列（row[3]） 提取每天的最低气温，并存储它们（见2）。在3处，我们添加了一个对plot()的调用，以使用蓝 色绘制最低气温。最后，我们修改了标题（见4）。图16-4显示了这样绘制出来的图表。
16.1.9 给图表区域着色
添加两个数据系列后，我们就可以了解每天的气温范围了。下面来给这个图表做最后的修饰， 通过着色来呈现每天的气温范围。为此，我们将使用方法fill_between()，它接受一个x值系列和 两个y值系列，并填充两个y值系列之间的空间：
highs_lows.py
--snip-- # 根据数据绘制图形 fig = plt.figure(dpi=128, figsize=(10, 6)) 1 plt.plot(dates, highs, c='red', alpha=0.5) plt.plot(dates, lows, c='blue', alpha=0.5) 2 plt.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1) --snip--
1处的实参alpha指定颜色的透明度。Alpha值为0表示完全透明，1（默认设置）表示完全不 透明。通过将alpha设置为0.5，可让红色和蓝色折线的颜色看起来更浅。
在2处，我们向fill_between()传递了一个x值系列：列表dates，还传递了两个y值系列：highs 和lows。实参facecolor指定了填充区域的颜色，我们还将alpha设置成了较小的值0.1，让填充区 域将两个数据系列连接起来的同时不分散观察者的注意力。图16-5显示了最高气温和最低气温之 间的区域被填充的图表。
通过着色，让两个数据集之间的区域显而易见。
