python可视化界面编程_python数据可视化——编程小白篇
相信各位在学习python过程中不可避免得会要学习数据可视化，通俗来讲就是用python进行绘图，而对于一些简单数据的处理，网上已经有很多教程，在此我就不一一展开咯。现在我想分享的是对于那些较大的数据，我们该如何进行数据可视化呢。
既然是分享给像我一样的编程小白看的，就从最简单的开始啦~
首先是导入数据，一般来说导入excel文件用pd.read_excel(r’路径+文件类型(如 .xlsx )’),导入csv文件用pd.read_csv(r’路径+文件类型(如 .csv )’)，导入过程中，可能部分人会出现报错的情况，解决办法就是在其后加上encoding=’gbk’，问题就能解决啦~ 接下来我们要把需要用到的数据定义给一个变量，这时候会用到iloc函数来提取数据。例如data.iloc[:,[0]]表示取第1列所有行的数据，data.iloc[1:,:]表示取第2行所有列的数据，注意python中表示行列时是以0开始的。
接下来就用两个小例子来演示一下吧~
首先这个例子是用数据绘制简单的折线图和散点图，代码如下： import matplotlib as mpl import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv(r'C:\Users\asus\Desktop\weather.csv',encoding='gbk')#导入数据并读取 datetime1 = df.iloc[1:,0]#取第1列自第2行之后的所有数据赋值给datetime Max_TemperatureF = df.iloc[1:,1]#取第2列自第2行之后的所有数据赋值给Max_TemperatureF Min_TemperatureF = df.iloc[1:,3]#取第4列自第2行之后的所有数据赋值给Min_TemperatureF fig = plt.figure(dpi = 128,figsize = (10,6))#创建一个空白的图 plt.plot(datetime1,Max_TemperatureF,c = 'red',alpha = 0.5)#画出最高温度的折线图 plt.plot(datetime1,Min_TemperatureF,c = 'blue',alpha = 0.5)#画出最低温度的折线图 plt.show()#显示图片 fig.savefig('.000.png',dpi=600,bbox_inches='tight')#存储在桌面命名为000的图片 plt.scatter(datetime1,Max_TemperatureF)#画出最高温度的散点图 运行一下，会得到两张图，分别是这一年中最高温度与最低温度的折线图和这一年中最高温度的散点图，如下所示：
但这个例子显示的图不是很理想，仔细看可以看到横轴标签过于密集，这是因为我们没有把转化时间数据，在接下来的这个例子里会有演示，感兴趣的可以继续往下看哦~
这个例子是在前面的例子的基础上的改进，代码如下： import csv from matplotlib import pyplot as plt import datetime #中文支持 plt.rcParams['font.sans-serif']=['FangSong'] plt.rcParams['axes.unicode_minus'] = False plt.rcParams['font.style']='normal' #读取CSV文件数据 filename = r'C:\Users\asus\Desktop\weather.csv' with open(filename) as f: #打开这个文件，并将结果文件对象存储于f中 reader = csv.reader(f) #创建一个阅读器reader header_row = next(reader) #返回文件中的下一行 dates,highs,lows = [],[],[] #声明存储日期，最值的列表 for row in reader: current_date = datetime.datetime.strptime(row[0],'%Y-%m-%d') #将日期数据转化为datetime对象 dates.append(current_date) #存储日期 high = int(row[1]) #将字符串转化为数字 highs.append(high) #存储温度最大值 low = int(row[3]) lows.append(low) #存储温度最小值 #根据数据绘制图形 fig = plt.figure(dpi = 128,figsize = (10,6)) plt.plot(dates,highs,c = 'red',alpha = 0.5) #实参alpha指定颜色透明度，0表示完全透明，1(默认值)为完全不透明 plt.plot(dates,lows,c = 'blue',alpha = 0.5) plt.fill_between(dates,highs,lows,facecolor = 'blue',alpha = 0.1) #给图表区域填充颜色 plt.title('2004年温度分布图',fontsize=24)#设置图的标题 plt.xlabel('',fontsize = 16) plt.ylabel('Temperature(F)',fontsize = 16)#设置y轴的标签 plt.tick_params(axis = 'both',which = 'major',labelsize = 16) fig.autofmt_xdate() #绘制斜的日期标签 plt.show()#显示图形 fig.savefig('.001.png',dpi=600,bbox_inches='tight')#存储在桌面命名为001的图 在这个例子中我所用到的导入数据的方法与上面不同，在实际操作中，两种方法用得都比较多，所以都学会是最好的呢。而且我加入了中文支持，因为图的标题我想用中文显示，但如果没有添加这个中文设置的话，我们的图的中文部分就无法显示，所以这个小tips希望你们能掌握哦~ 运行一下，可以得到图如下所示：
是不是看起来其实很简单，不如自己动手试试哦~
数据来源于网络，如果需要请用百度网盘下载
链接：https://pan.baidu.com/s/1khZtQud6XEWf-vyWpgGIJQ
提取码：4uk5
文字来源|李竟
编辑|李瑀璇
审核|邱泉
欢迎投稿至：[email protected]
