数据分析CSV模块的基本使用（以分析复杂的天气情况为例），附完整的Python代码及csv文件详解---数据可视化
目录
- 一、前提准备
- 二、代码解释
- 2.1分析CSV文件头
- 2.2提取并读取数据
- 2.3绘制气温图表
- 2.4在图表中添加日期（datetime模块）
- 2.4.1书上源代码
- 2.4.2完善代码
- 2.5覆盖更广的时间
- 2.5.1书上源代码
- 2.5.2完善代码
- 2.6再绘制一个数据系列--添加最低气温数据
- 2.6.1添加最低气温数据
- 2.6.2给图表区域着色
- 2.7错误检查---异常处理
一、前提准备
建立一个文件夹，如图所示，里面包含三个csv文件，我在百度网盘里面分享出来了，可以点击下载
百度网盘：数据文件
链接：点击此处
提取码：cin1
二、代码解释
2.1分析CSV文件头
header_row.py
# coding = utf-8
import csv
"""分析CSV文件头"""
filename = 'sitka_weather_07-2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 调用enumerate获取每个元素的索引及其值
for index, colum_header in enumerate(header_row):
print(index, colum_header)
运行结果
注意：
AKDT=阿拉斯加时间（Alaska Daylight Time）
2.2提取并读取数据
max_temperature.py
# coding = utf-8
import csv
"""提取并读取数据：读取每天的最高气温"""
filename = 'sitka_weather_07-2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建一个为max_temperature的空列表
max_temperature = []
# 遍历文件中余下的各行
for row in reader:
#每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
print(max_temperature)
运行结果
2.3绘制气温图表
temperature_chart.py
# coding = utf-8
import csv
from matplotlib import pyplot as plt
"""提取并读取数据：读取每天的最高气温"""
filename = 'sitka_weather_07-2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建一个为max_temperature的空列表
max_temperature = []
# 遍历文件中余下的各行
for row in reader:
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将最高气温传给plot
plt.plot(max_temperature, c='blue')
# 设置图形的格式
plt.title("Daily max temperature,july 2014", fontsize=24)
plt.xlabel('', fontsize=16)
plt.ylabel('Temperature(F)', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)
plt.show()
运行结果
2.4在图表中添加日期（datetime模块）
模块datetime中设置日期和时间格式的参数（常用）：点击此处
2.4.1书上源代码
chart_addtime.py
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
"""提取并读取数据：读取每天的最高气温"""
filename = 'sitka_weather_07-2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature = [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='blue')
# 设置图形的格式
plt.title("Daily max temperature,july 2014", fontsize=24)
plt.xlabel('', fontsize=16)
#使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
plt.ylabel('Temperature(F)', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)
plt.show()
运行结果
注意上面是书上的代码运行之后的原图
2.4.2完善代码
我花了快一天的时间在网上查资料，咋改这东西才能跟书上的图片一模一样，运行书上的代码，我真的醉了我去。以下是更改过后的代码：
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
from matplotlib import dates as mdates
"""提取并读取数据：获取日期和最高气温"""
filename = 'sitka_weather_07-2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature = [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red')
# 设置图形的格式
plt.title("Daily max temperature,July 2014", fontsize=24)
# 设置横坐标日期的上下限
plt.xlim([datetime(2014, 7, 1), datetime(2014, 7, 31)]) # 日期上下限
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%b %d %Y')) # 日期格式，%B为月份名，%b为月份名缩写
plt.gca().xaxis.set_major_locator(mdates.DayLocator(interval=3)) # 日期间隔
plt.xlabel('', fontsize=16)
# 使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
# 温度上下限和间隔
plt.yticks(range(54, 74, 2))
plt.ylabel('Temperature(F)', fontsize=16)
# pyplot模块中的tick_params()方法可以修改坐标刻度，刻度标签和网格线的外观
plt.tick_params(axis='both', which='major', direction='in', labelsize=16)
plt.show()
运行结果
2.5覆盖更广的时间
2.5.1书上源代码
这里只需要将表名filename改一下就行了,当然也可以更改一下标题，我这里还改了颜色为red
complete_chart.py
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
"""提取并读取数据：获取日期和最高气温"""
filename = 'sitka_weather_2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature = [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red')
# 设置图形的格式
plt.title("Daily max temperature,--2014", fontsize=24)
plt.xlabel('', fontsize=16)
#使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
plt.ylabel('Temperature(F)', fontsize=16)
plt.tick_params(axis='both', which='major', labelsize=16)
plt.show()
运行结果
2.5.2完善代码
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
from matplotlib import dates as mdates
"""提取并读取数据：获取日期和最高气温"""
filename = 'sitka_weather_2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature = [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red')
# 设置图形的格式
plt.title("Daily max temperature,2014", fontsize=24)
# 设置横坐标日期的上下限
plt.xlim([datetime(2014, 1, 1), datetime(2014, 12, 22)]) # 日期上下限
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%b %Y')) # 日期格式，%B为月份名，%b为月份名缩写
plt.xlabel('', fontsize=16)
# 使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
# 温度上下限和间隔
plt.yticks(range(20, 80, 5))
plt.ylabel('Temperature(F)', fontsize=16)
# pyplot模块中的tick_params()方法可以修改坐标刻度，刻度标签和网格线的外观
plt.tick_params(axis='both', which='major', direction='in', labelsize=16)
plt.show()
运行结果
2.6再绘制一个数据系列–添加最低气温数据
2.6.1添加最低气温数据
high_low_chart.py
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
from matplotlib import dates as mdates
"""提取并读取数据：获取日期和最高气温和最低气温"""
filename = 'sitka_weather_2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature, min_temperature = [], [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
min = int(row[3])
min_temperature.append(min)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red')
plt.plot(dates, min_temperature, c='green')
# 设置图形的格式
plt.title("Daily max temperature and min temperature,2014", fontsize=24)
# 设置横坐标日期的上下限
plt.xlim([datetime(2014, 1, 1), datetime(2014, 12, 22)]) # 日期上下限
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%b %Y')) # 日期格式，%B为月份名，%b为月份名缩写
plt.xlabel('', fontsize=16)
# 使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
# 温度上下限和间隔
plt.yticks(range(20, 80, 5))
plt.ylabel('Temperature(F)', fontsize=16)
# pyplot模块中的tick_params()方法可以修改坐标刻度，刻度标签和网格线的外观
plt.tick_params(axis='both', which='major', direction='in', labelsize=16)
plt.show()
运行结果
2.6.2给图表区域着色
high_low_chart.py
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
from matplotlib import dates as mdates
"""提取并读取数据：获取日期和最高气温和最低气温"""
filename = 'sitka_weather_2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature, min_temperature = [], [], []
# 遍历文件中余下的各行
for row in reader:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
dates.append(current_date)
# 每次执行该循环时，我们都将索引1（第二列）的数据附加到max_temperature的末尾
max = int(row[1])
max_temperature.append(max)
min = int(row[3])
min_temperature.append(min)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red', alpha=0.5)
plt.plot(dates, min_temperature, c='green', alpha=0.5)
#中间传红色哈哈哈哈
plt.fill_between(dates, max_temperature, min_temperature, facecolor='pink', alpha=0.8)
# 设置图形的格式
plt.title("Daily max temperature and min temperature,2014", fontsize=24)
# 设置横坐标日期的上下限
plt.xlim([datetime(2014, 1, 1), datetime(2014, 12, 22)]) # 日期上下限
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%b %Y')) # 日期格式，%B为月份名，%b为月份名缩写
plt.xlabel('', fontsize=16)
# 使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
# 温度上下限和间隔
plt.yticks(range(20, 80, 5))
plt.ylabel('Temperature(F)', fontsize=16)
# pyplot模块中的tick_params()方法可以修改坐标刻度，刻度标签和网格线的外观
plt.tick_params(axis='both', which='major', direction='in', labelsize=16)
plt.show()
运行结果
2.7错误检查—异常处理
将high_low_chart.py的第十行filename改为death_valley_2014.csv，如
运行的时候就会报错：
Traceback (most recent call last):
File "F:/Z/Python/project/project2/csva/high_low_chart.py", line 28, in <module>
max = int(row[1])
ValueError: invalid literal for int() with base 10: ''
如图：
报错原因：ValueError:基为10的int（）的文本无效：“” ，说明death_valley_2014.csv文件中存在空字符串
death_valley_2014.csv中发现2014-2-16这一天
因此，我们就需要进行异常处理
异常处理
# coding = utf-8
import csv
from matplotlib import pyplot as plt
from datetime import datetime
from matplotlib import dates as mdates
"""提取并读取数据：获取日期和最高气温和最低气温，异常处理"""
filename = 'death_valley_2014.csv'
# 打开这个文件，将文件对象存储在f中
with open(filename) as f:
# 创建一个与该文件相关联的阅读器
reader = csv.reader(f)
# 返回文件的下一行，前面的代码中，我们只调用了next()一次，因此得到的是文件第一行
header_row = next(reader)
# 创建两个为dates和max_temperature的空列表,用来存储从文件中提取的日期和最高气温
dates, max_temperature, min_temperature = [], [], []
# 遍历文件中余下的各行
for row in reader:
try:
current_date = datetime.strptime(row[0], "%Y-%m-%d")
max = int(row[1])
min = int(row[3])
except ValueError:
print(current_date, 'missing data')
else:
dates.append(current_date)
max_temperature.append(max)
min_temperature.append(min)
"""根据数据绘制图形"""
# dpi:每英寸的点数 figsize:宽高
fig = plt.figure(dpi=100, figsize=(10, 6))
# 将日期和最高气温传给plot
plt.plot(dates, max_temperature, c='red', alpha=0.5)
plt.plot(dates, min_temperature, c='green', alpha=0.5)
#中间传红色哈哈哈哈
plt.fill_between(dates, max_temperature, min_temperature, facecolor='pink', alpha=0.8)
# 设置图形的格式
plt.title("Daily max temperature and min temperature,2014", fontsize=24)
# 设置横坐标日期的上下限
plt.xlim([datetime(2014, 1, 1), datetime(2014, 12, 22)]) # 日期上下限
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%b %Y')) # 日期格式，%B为月份名，%b为月份名缩写
plt.xlabel('', fontsize=16)
# 使用autofmt_xdate来绘制倾斜的日期标签，以免彼此重叠
fig.autofmt_xdate()
# 温度上下限和间隔
plt.yticks(range(20, 80, 5))
plt.ylabel('Temperature(F)', fontsize=16)
# pyplot模块中的tick_params()方法可以修改坐标刻度，刻度标签和网格线的外观
plt.tick_params(axis='both', which='major', direction='in', labelsize=16)
plt.show()
运行结果
学习《python编程从入门到实战》16章第一节，通过敲这些代码，发现一句真理：实践是检验真理的唯一标准！
书上的源码有些不足，我以为是我哪里代码打错了，检查了不下三遍，也可真够有耐烦心的，完善代码给整了一天，不过这也锻炼了自己的能力哈哈哈哈！
以上就是全部内容啦，如果有不懂的小伙伴欢迎提出来傲！