python欧拉距离和数据可视化项目实战
经典开场
坚持是光明的前身，光明给予万物生命。光明不灭，生命不息，坚持亦不止。
一、前言
简介
时间稍纵即逝，转眼间大三就来到第二个学期，还有一学年就要毕业了;马上也要开始准备 毕业设计 。 但是很多地方还需要进阶学习。然后这段时间也学习了很多的东西,让我也是收获颇满;但同时也 认识到了自己的不足，下面我将介绍一下做的一些内容。
温馨提示：如果想直接看结果请直接看:实战代码
二、项目简介
Python数据处理、分析与应用的实现过程，以及专业技术人员所使用的基本方法和技巧，
培养自己解决Python数据处理、分析与应用过程中遇到实际问题的能力，
掌握应用Python编写程序的技术，提高学生在Python数据处理、分析与应用方面的综合应用能力。
基本的知识目前就不哆嗦了,直接实战。
三、实战项目
实战1：中文词频统计并利用词云图进行数据可视化
（1）认识jieba库和wordcloud库；
（2）利用jieba库进行中文词频统计，强调字典、列表的应用；
（3）结合词频统计结果利用wordcloud库进行词云图的可视化；
（4）程序代码存为“学号姓名a.py”，词频统计结果存为“学号姓名a.csv”，词云图存为“学号姓名a.png”；
（5）每个步骤需要运行结果截图，截图中需要加上水印，水印为自己的学号姓名。
第一步、安装库
pip install 库名
第二步: 分析题目意思
题目需要利用jieba库和wordcloud库
首先认识一下这两个库
Jieba是什么
jieba（“结巴”）是Python中一个重要的第三方中文分词函数库，能够将一段中文文本分割成中文词语的序列。
jieba库的分词原理是利用一个中文词库，将待分词的内容与分词词库进行比对，通过图结构和动态规划方法找到最大概率的词组。 除了分词jieba还提供增加自定义中文单词的功能。
第二步、Jieba常用的方法
精确模式，将句子最精确地切开，适合文本分析；返回结果是列表类型
import jieba #导入库
a="爱上对方过后就哭了."
ls = jieba.lcut(a)
print(ls)
全模式，把句子中所有可以成词的词语都扫描出来，速度非常快，但是不能解决歧义；将字符串的所有分词可能均列出来，返回结果是列表类型，冗余性最大
import jieba
a="爱上对方过后就哭了."
ls = jieba.lcut(a,cut_all=True)
print(ls)
搜索引擎模式，在精确模式基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。
import jieba
a="爱上对方过后就哭了."
ls = jieba.lcut_for_search(a)
print(ls)
jieba.add_word()函数，用来向jieba词库增加新的单词。
import jieba
a="爱上对方过后就哭了"
jieba.add_word("过后就哭了")
ls = jieba.lcut(a)
print(ls)
第三步、Wordcloud常用的方法
在生成词云时，wordcloud默认会以空格或标点为分隔符对目标文本进行分词处理
根据文本中词语出现的频率等参数绘制词云 绘制词云的形状，尺寸和颜色都可以设定
过多的基础知识我这就不多余的讲解，不懂得请看以前的文章，嘿嘿
第四步、实战一代码
import matplotlib.pyplot as plt
from PIL import Image
import wordcloud as wc
import jieba
import csv
import numpy as np
#排除不合法字符
excludes = open("stoplist.txt", 'r+', encoding='utf-8').read()
b = []
i = 0
while i < len(excludes) - 1:
if excludes[i] not in {',', '、', '.', ' ', '\n', '\\'}:
b.append(excludes[i:i + 2])
i += 2
else:
i += 1
# 打开文件
counts = {}
with open('Praxis.txt', mode='r', encoding='utf-8') as fp:
content = fp.read()
words = jieba.lcut(content) # 精确模式，返回一个列表类型的分词结果
text = " ".join(words) #文本必须以空格的方式存入
# 统计词语的次数
for word in words:
if len(word) == 1:
continue
else:
rword = word
counts[rword] = counts.get(rword, 0) + 1
for word in b:
print(f'word{word}')
if word in counts:
del counts[word]
print(f'counts{counts}')
items = list(counts.items())
print(f'item{items}')
mask = np.array(Image.open('love.png'))
word_cloud = wc.WordCloud(
font_path=r'C:\Windows\Fonts\simkai.ttf',
background_color="#e6ebf1",
mask=mask, # 背景图片
max_words=2000, # 设置最大显示的词数
max_font_size=100, # 设置字体最大值
width=500, # 设置画布的宽度
height=500, # 设置画布的高度
) # 创建文本对象
word_cloud.generate(text) # 加载文本
fn = '888888小猿.csv'
with open(fn, 'w', encoding='gbk', newline='') as csvfile: # 打开文件
csvWiter = csv.writer(csvfile) # 建立Writer对象
for key in counts:
csvWiter.writerow([key, counts[key]])
print("数据加载完毕")
plt.imshow(word_cloud)
word_cloud.to_file('888888小猿.jpg') # 保存为图片
plt.show()
第四步、结果
（1）认识jieba库和wordcloud库；
（2）利用jieba库进行中文词频统计，强调字典、列表的应用；
（3）结合词频统计结果利用wordcloud库进行词云图的可视化；
（4）程序代码存为“学号姓名a.py”，词频统计结果存为“学号姓名a.csv”，词云图存为“学号姓名a.png”；
（5）每个步骤需要运行结果截图，截图中需要加上水印，水印为自己的学号姓名。
实战2：Numpy数值计算
掌握NumPy数组对象ndarray；
掌握NumPy矩阵与通用函数；
利用NumPy进行统计分析；
平面上有100个点，求任意2点间的欧式距离，并将其保存到矩阵当中。
程序代码存为“学号姓名b.py”，矩阵存为“学号姓名b.csv”；
每个步骤需要运行结果截图，截图中需要加上水印，水印为自己的学号姓名
第一步、安装库
pip install numpy
第二步、分析题目意思
主要是生成100个点在平面上，来求两点距离.
这里就需要掌握一些Numpy基本的知识
第三步、Numpy是什么
NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能
比如数据 统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray）
支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。
第四步、欧拉距离
从图中可以很清晰的了解到这张图就是一个矩阵
行和列已经标注的很清晰可见
当然，看懂了图就要把题目联想起来
平面上面要求100个随机点的欧拉距离
方法1：d = (x-x1)2+(y-y1)2开平方根
方法2：看见途中蓝色笔画出来的抽象直角三角形，知道两个点的X和Y；
以可以使用直角三角形的勾股定理来解这个题目 两种方法任选其一
欧拉距离就是两个点之间的距离。
第五步、Numpy基础
NumPy(Numerical Python) 是科学计算基础库，提供大量科学计算相关功能
比如数据 统计，随机数生成等。其提供最核心类型为多维数组类型（ndarray）
支持大量的维度数组 与矩阵运算，Numpy 支持向量处理 ndarray 对象，提高程序运算速度。
部分基础
| 参数 | 描述 |
|---|---|
| shape | 数组形状 |
| dtype | 数据类型，可选 |
| order | 有"C"和"F"两个选项,分别代表，行优先和列优先，在计算机内存中的存储元素的顺序。 |
arange 函数创建数值范围并返回 ndarray 对象
格式：numpy.arange(start, stop, step 步长，默认为1, dtype 数据类型)
datal = np.arange(10, 34).astype(int)
print(f'arange:{datal}')
linspace 函数用于创建一个一维数组，数组是一个等差数列
格式：np.linspace(start, stop, num=50, endpoint=True (默认) endpoint 设为 false，不包含终止值, retstep=False , dtype=None)
datal = np.linspace(10, 20, 5, endpoint=False).astype(int)
print(f'linspace:{datal}')
arange(开始索引,终止索引) ，开始索引为0 可以省略不写。结合reshape()方法定义维数。
创建一个 3x3 并且值从0到8的矩阵。
data2 = np.arange(9).reshape(3, 3)
print(f'reshape:{data2}')
ones((行，列)) 创建一个 3x3 的单位矩阵。
datal = np.ones((3, 3)).astype(int)
print(f'ones:{datal}')
创建一个数组，数组的shape为(5, 0)，元素都是0。
矩阵元素值全为0，调用numpy库中zeros(行数，列数)方法
datal = np.zeros((5, 0))
print(f'zeros:{datal}')
print(''.center(30, '*'))
创建一个表示国际象棋棋盘的8*8数组，其中，棋盘白格用0填充，棋盘黑格用1填充
此矩阵每隔一行元素值相同，只需对两行的相邻位置进行赋值，用步长对其他元素赋值。
data5 = np.arange(64).reshape(8, 8)
data5[::2, ::2] = data5[1::2, 1::2] = 0
data5[::2, 1::2] = data5[1::2, ::2] = 1
print('国际象棋:')
第六步、实战二代码
方法一
import numpy as np # 随机生成100个点的坐标 均匀分布的值
points = np.random.rand(100, 2) # 查看生成的100个点
distances = np.sqrt(np.sum((points[:, np.newaxis] - points) ** 2, axis=2))
# 将距离保存到文件中
print('正在保存数据')
np.savetxt('888888小猿.csv', distances)
print('数据保存完毕')
方法二
import numpy as np
import matplotlib.pyplot as plt
import xlwt
plt.rcParams["font.sans-serif"] = ["simhei"] #指定默认字体
plt.rcParams["axes.unicode_minus"]= False #解决保存图像是负号‘-’显示为方块的问题
# 生成100个随机点
points = np.random.rand(100, 2)
# 绘制点图
plt.scatter(points[:, 0], points[:, 1], c='b')
plt.title('随机图')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
# 计算距离矩阵
diff = np.expand_dims(points, axis=1) - np.expand_dims(points, axis=0)
dist_matrix = np.sqrt(np.sum(diff ** 2, axis=-1))
# 存储距离矩阵到 Excel 文件中
filename = '888888小猿b.xls'
workbook = xlwt.Workbook()
sheet = workbook.add_sheet('Distances')
for i in range(len(dist_matrix)):
for j in range(len(dist_matrix)):
sheet.write(i, j, dist_matrix[i, j])
workbook.save(filename)
方法二会生成一个点图，然后在生成一个xls文件
方法三
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["simhei"] #指定默认字体
plt.rcParams["axes.unicode_minus"]= False #解决保存图像是负号‘-’显示为方块的问题
# 随机生成100个点的坐标 均匀分布的值
points = np.random.rand(100, 2) #生成100个点
plt.scatter(points[:, 0], points[:, 1], c='k') #points[:, 0]表示所有点的x坐标 points[:, 1]表示所有点的y坐标
plt.title('随机100点图')
plt.xlabel('X')
plt.ylabel('Y')
plt.savefig('888888小猿b.jpg')
plt.show()
distances = np.sqrt(np.sum((points[:, np.newaxis] - points) ** 2, axis=2))
print('正在保存数据')
np.savetxt('888888小猿b.csv', distances)
print('数据保存完毕')
方法三主要是通过数组的升维，然后在进行欧拉计算
了解知识
axis翻译过来就是轴的意思
三维数组拥有三个轴：axis=0，axis=1，axis=2。 以此类推
axis=0对应最外层的[]，axis=1对应第二外层的[]，…，axis=n对应第n外层的[]。
| axis | [ ] |
|---|---|
| axis = 0 | [ ] |
| axis = 1 | [ [ ] ] |
| axis = 2 | [ [ [ ] ] ] |
[1, 2, 3]是一维数组、[[1, 2, 3], [4, 5, 6]]是二维数组、[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]] 是三维数组
每一行代码的意思：
1.points[:, np.newaxis]将points数组转换为二维数组，并在第二个维度上添加一个新的维度，这样才能与原数组进行减法操作。
2.(points[:, np.newaxis] - points)表示将每个点与其他所有点的坐标相减，得到一个三维数组。
3.(points[:, np.newaxis] - points) ** 2表示对每个坐标差值进行平方运算。
4.np.sum((points[:, np.newaxis] - points) ** 2, axis=2)表示沿着第三个维度（即每个点的两个坐标值）对平方差值进行求和，得到一个二维数组，表示每个点与其他所有点的距离平方。
5.np.sqrt(np.sum((points[:, np.newaxis] - points) ** 2, axis=2))表示对距离平方进行开方运算，得到每个点与其他所有点的距离矩阵。
第七步、结果
实战3：Matplotlib数据可视化
（1）了解绘图基础语法与常用参数；
（2）分析特征间的关系；
（3）分析特征内部数据分布与分散状况；
（4）根据老师提供的“国民经济核算季度数据.npz”，用散点图来展示数据中的两个属性：时间（横坐标）、国内生产总值_当季值（亿元）（纵坐标）。
（5）程序代码存为“学号姓名c.py”，这两列数据结果存为“学号姓名c.csv”；)
第一步、安装库
pip install Matplotlib
第二步、学习Matplotlib
Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
Matplotlib 可以用来绘制各种静态，动态，交互式的图表。
Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
Matplotlib 可以绘制折线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
折线图
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0.05, 18, 100)
y = np.sin(x)
plt.plot(x, y, ls='-', lw=2, label="plot figure")
print("曲线")
plt.legend()
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.show()
结果
饼图
import matplotlib.pyplot as plt
# 数据
sizes = [15, 30, 45, 10]
# 饼图的标签
labels = ['A', 'B', 'C', 'D']
# 饼图的颜色
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
# 突出显示第二个扇形
explode = (0, 0.1, 0, 0)
# 绘制饼图
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
autopct='%1.1f%%', shadow=True, startangle=90)
# 标题
plt.title("RUNOOB Pie Test")
# 显示图形
plt.show()
结果
散点图
from pylab import *
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
print("散点图：")
scatter()
scatter(X,Y)
show()
结果
条形图
from pylab import *
n = 12
X = np.arange(n)
Y1 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1-X/float(n)) * np.random.uniform(0.5,1.0,n)
bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
print("条形图：")
for x,y in zip(X,Y1):
text(x+0.4, y+0.05, '%.2f' % y, ha='center', va= 'bottom')
ylim(-1.25,+1.25)
show()
结果
第三步、分析题目
两个属性：时间（横坐标）、国内生产总值_当季值（亿元）（纵坐标）
这个是这道题目的重点
拿到这两个数据这道题就可以完美解决
第四步、实战三代码
方法一 保存到XSL文件
import numpy as np
import matplotlib.pyplot as plt
import xlwt
plt.rcParams["font.sans-serif"] = ["simhei"] #指定默认字体
plt.rcParams["axes.unicode_minus"]= False #解决保存图像是负号‘-’显示为方块的问题
# 生成100个随机点
points = np.random.rand(100, 2)
# 绘制点图
plt.scatter(points[:, 0], points[:, 1], c='b')
plt.title('随机图')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()
# 计算距离矩阵
diff = np.expand_dims(points, axis=1) - np.expand_dims(points, axis=0)
dist_matrix = np.sqrt(np.sum(diff ** 2, axis=-1))
# 存储距离矩阵到 Excel 文件中
filename = '888888小猿b.xls'
workbook = xlwt.Workbook()
sheet = workbook.add_sheet('Distances')
for i in range(len(dist_matrix)):
for j in range(len(dist_matrix)):
sheet.write(i, j, dist_matrix[i, j])
workbook.save(filename)
方法二 保存到CSV文件
import numpy as np
import matplotlib.pyplot as plt
import csv
plt.rcParams["font.sans-serif"] = ["simhei"] #指定默认字体
plt.rcParams["axes.unicode_minus"]= False #解决保存图像是负号‘-’显示为方块的问题
data = np.load('国民经济核算季度数据.npz',allow_pickle=True)
print(list(data))
columns=data['columns'] #用columns定义字典的键值对
values = data['values'] #用values定义字典的数据值
mark = ["o","*","D"]
for i in range(3,6):
plt.scatter(values[:,1], values[:, i],marker=mark[i-3])
plt.xticks(values[range(0,69,4),1],rotation=45)
plt.legend(columns[3:6]) #图例
plt.title("2000-2017年各个产业国民生产总值散点图")
plt.savefig('888888小猿c.jpg')
plt.show()
print("正在保存数据")
data = np.array([columns[1:3],values[:,[1,2]]])
np.savetxt('888888小猿c.csv', data, delimiter=',', fmt = '%s')
print("保存数据成功")
方法三 保存到CSV文件
import csv
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["simhei"]
plt.rcParams["axes.unicode_minus"] = False
# 读取数据
data = np.load('国民经济核算季度数据.npz', allow_pickle=True)
columns = data['columns']
values = data['values']
mark = ["o", "*", "D"]
for i in range(3, 6):
plt.scatter(values[:, 1], values[:, i], marker=mark[i-3])
plt.xticks(values[range(0, 69, 4), 1],rotation=45)
plt.legend(columns[3:6])
plt.title("2000-2017年各个产业国民生产总值散点图")
plt.savefig('888888小猿c.jpg')
plt.show()
# 将数据写入 CSV 文件
data_to_save = np.vstack((columns[1:3], values[:, [1, 2]]))
np.savetxt('888888小猿c.csv', data_to_save, delimiter=',', fmt='%s')
print("数据保存成功！")
第五步、结果
四、总结
通过本次的实战训练，学会了很多的知识点，革命尚未结束，小猿还得努力。
如果对你有帮助，请下方投币，创作不容易，请多多支持小猿✅
完美收官
山前有路，山后也未必有曙光，所以请坚持下去，心中的火不能灭，哪怕别人只能看见烟。