《Python编程:从入门到实践》学习记录(16)项目-解析CSV与JSON;matplotlib, pygal绘图

本文涉及的产品
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
简介: 《Python编程:从入门到实践》学习记录(16)项目-解析CSV与JSON;matplotlib, pygal绘图


# 解析CSV天气数据并使用matplotlib将数据绘制成折线图


  • 数据


image.png

  • 解析数据与绘图

import csv
from matplotlib import pyplot as plt
from datetime import datetime
def read_data_from_csv():
    """
    从CSV文件中读取日期/最高温/最低温数据
    :return:
    """
    # file_path = 'data/sitka_weather_07-2014.csv'
    file_path = 'data/sitka_weather_2014.csv'
    # file_path = 'data/death_valley_2014.csv'
    with open(file_path) as csv_file:
        csv_reader = csv.reader(csv_file)
        # enumerate(iterable)可用来获取每个元素的索引
        for index, item in enumerate(next(csv_reader)):
            print(index, item)
        # 日期
        dates = []
        # 用于保存每天的最高气温
        highs = []
        # 最低温
        lows = []
        for row in csv_reader:
            # 将字符串转换为指定格式的datetime
            dates.append(datetime.strptime(row[0], '%Y-%m-%d'))
            # 最最高温数据
            highs.append(int(row[1]))
            # 最低温数据
            lows.append(int(row[3]))
        return [dates, highs, lows]
def draw(data):
    """
    绘图
    :param data: 日期与温度
    :return:
    """
    plt.figure(dpi=128, figsize=(10, 6))
    # 绘制最高温
    plt.plot(data[0], data[1], c='red')
    # 绘制最低温
    plt.plot(data[0], data[2], c='blue')
    # 填充温度之间的区域
    plt.fill_between(data[0], data[1], data[2], facecolor='blue', alpha=0.1)
    plt.show()
draw(read_data_from_csv())


  • 结果:

image.png


日期参数


image.png

image.png


# 解析股价走势json数据并使用pygal绘制折线图

数据


image.png

image.png

  • 代码

import json
import pygal
def read_json_data_from_file(file_path: str):
    """
    读取json文件数据
    :param file_path:
    :return:    解析的字典
    """
    date = "date"
    month = "month"
    week = "week"
    weekday = "weekday"
    close = "close"
    # 打开文件
    with open(file_path) as json_file:
        # 解析为json
        json_data = json.load(json_file)
        # 存储数据集
        dates, months, weeks, weekdays, closes = [], [], [], [], []
        # 遍历json数组
        for json_obj in json_data:
            # 每个json对象都是一个dict,取到json的每个属性值
            dates.append(json_obj[date])
            months.append(json_obj[month])
            weeks.append(json_obj[week])
            weekdays.append(json_obj[weekday])
            closes.append(float(json_obj[close]))
        return {"dates": dates, "months": months, "weeks": weeks, "weekdays": weekdays, "closes": closes}
def draw(data: dict):
    """绘图"""
    line_chart = pygal.Line(x_label_rotation=20, show_minor_x_labels=False)
    line_chart.title = "收盘价折线图"
    line_chart.x_labels = data["dates"]
    # X轴每隔20天显示一次
    N = 20
    line_chart.x_labels_major = data["dates"][::N]
    line_chart.add("收盘价", data["closes"])
    line_chart.render_to_file('收盘价折线图.svg')
json_file_path = "btc/btc_close_2017.json"
draw(read_json_data_from_file(json_file_path))


  • 结果

image.png

相关文章
|
1天前
|
存储 索引 Python
Python入门:6.深入解析Python中的序列
在 Python 中,**序列**是一种有序的数据结构,广泛应用于数据存储、操作和处理。序列的一个显著特点是支持通过**索引**访问数据。常见的序列类型包括字符串(`str`)、列表(`list`)和元组(`tuple`)。这些序列各有特点,既可以存储简单的字符,也可以存储复杂的对象。 为了帮助初学者掌握 Python 中的序列操作,本文将围绕**字符串**、**列表**和**元组**这三种序列类型,详细介绍其定义、常用方法和具体示例。
Python入门:6.深入解析Python中的序列
|
1天前
|
存储 Linux iOS开发
Python入门:2.注释与变量的全面解析
在学习Python编程的过程中,注释和变量是必须掌握的两个基础概念。注释帮助我们理解代码的意图,而变量则是用于存储和操作数据的核心工具。熟练掌握这两者,不仅能提高代码的可读性和维护性,还能为后续学习复杂编程概念打下坚实的基础。
Python入门:2.注释与变量的全面解析
|
7天前
|
监控 算法 安全
内网桌面监控软件深度解析:基于 Python 实现的 K-Means 算法研究
内网桌面监控软件通过实时监测员工操作,保障企业信息安全并提升效率。本文深入探讨K-Means聚类算法在该软件中的应用,解析其原理与实现。K-Means通过迭代更新簇中心,将数据划分为K个簇类,适用于行为分析、异常检测、资源优化及安全威胁识别等场景。文中提供了Python代码示例,展示如何实现K-Means算法,并模拟内网监控数据进行聚类分析。
28 10
|
25天前
|
存储 算法 安全
控制局域网上网软件之 Python 字典树算法解析
控制局域网上网软件在现代网络管理中至关重要,用于控制设备的上网行为和访问权限。本文聚焦于字典树(Trie Tree)算法的应用,详细阐述其原理、优势及实现。通过字典树,软件能高效进行关键词匹配和过滤,提升系统性能。文中还提供了Python代码示例,展示了字典树在网址过滤和关键词屏蔽中的具体应用,为局域网的安全和管理提供有力支持。
50 17
|
28天前
|
运维 Shell 数据库
Python执行Shell命令并获取结果:深入解析与实战
通过以上内容,开发者可以在实际项目中灵活应用Python执行Shell命令,实现各种自动化任务,提高开发和运维效率。
56 20
|
1月前
|
数据采集 供应链 API
Python爬虫与1688图片搜索API接口:深度解析与显著收益
在电子商务领域,数据是驱动业务决策的核心。阿里巴巴旗下的1688平台作为全球领先的B2B市场,提供了丰富的API接口,特别是图片搜索API(`item_search_img`),允许开发者通过上传图片搜索相似商品。本文介绍如何结合Python爬虫技术高效利用该接口,提升搜索效率和用户体验,助力企业实现自动化商品搜索、库存管理优化、竞品监控与定价策略调整等,显著提高运营效率和市场竞争力。
89 3
|
2月前
|
存储 缓存 Java
Java 并发编程——volatile 关键字解析
本文介绍了Java线程中的`volatile`关键字及其与`synchronized`锁的区别。`volatile`保证了变量的可见性和一定的有序性,但不能保证原子性。它通过内存屏障实现,避免指令重排序,确保线程间数据一致。相比`synchronized`,`volatile`性能更优,适用于简单状态标记和某些特定场景,如单例模式中的双重检查锁定。文中还解释了Java内存模型的基本概念,包括主内存、工作内存及并发编程中的原子性、可见性和有序性。
Java 并发编程——volatile 关键字解析
|
2月前
|
数据挖掘 vr&ar C++
让UE自动运行Python脚本:实现与实例解析
本文介绍如何配置Unreal Engine(UE)以自动运行Python脚本,提高开发效率。通过安装Python、配置UE环境及使用第三方插件,实现Python与UE的集成。结合蓝图和C++示例,展示自动化任务处理、关卡生成及数据分析等应用场景。
178 5
|
2月前
|
数据采集 JSON API
如何利用Python爬虫淘宝商品详情高级版(item_get_pro)API接口及返回值解析说明
本文介绍了如何利用Python爬虫技术调用淘宝商品详情高级版API接口(item_get_pro),获取商品的详细信息,包括标题、价格、销量等。文章涵盖了环境准备、API权限申请、请求构建和返回值解析等内容,强调了数据获取的合规性和安全性。
|
2月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
87 8

热门文章

最新文章

推荐镜像

更多