Python使⽤matplotlib数据可视化显⽰CSV⽂件数据
(⼀)获取数据
(⼆)分析CSV⽂件头
csv模块包含在python标准库中，不需额外要下载。调⽤⼀次next()⽅法读取⽂件头信息。如果调⽤n次next()⽅法，那么读取到n⾏数据。
import csv
import os
filename='sitka_weather_07-2014.csv'
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
print(header_row)
结果演⽰：
['AKDT', 'Max TemperatureF', 'Mean TemperatureF', 'Min TemperatureF', 'Max Dew PointF', 'MeanDew PointF', 'Min DewpointF', 'Max Humidity', ' Mean H umidity', ' Min Humidity', ' Max Sea Level PressureIn', ' Mean Sea Level PressureIn', ' Min Sea Level PressureIn', ' Max VisibilityMiles', ' Mean VisibilityMiles ', ' Min VisibilityMiles', ' Max Wind SpeedMPH', ' Mean Wind SpeedMPH', ' Max Gust SpeedMPH', 'PrecipitationIn', ' CloudCover', ' Events', ' WindDirDegree s']
(三)打印⽂件头及其位置(打印列表的索引和值)
import csv
import os
filename='sitka_weather_07-2014.csv'
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
for index,column_header in enumerate(header_row):
print(index,column_header)
结果演⽰：
0 AKDT
1 Max TemperatureF
2 Mean TemperatureF
snip
21  Events
22  WindDirDegrees
(四)提取并读取数据
import csv
filename='sitka_weather_07-2014.csv'
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
#3.保存最⾼⽓温数据
hights=[]
for row in reader:
#4.将字符串转换为整型数据
hights.append(int(row[1]))
print(hights)
结果演⽰：
[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]
(五)绘制⽓温图表和在图表中添加⽇期
import csv
from datetime import datetime
from matplotlib import pyplot as plt
filename='sitka_weather_07-2014.csv'
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
#3.保存最⾼⽓温数据
dates,hights=[],[]
for row in reader:
current_date=datetime.strptime(row[0],"%Y-%m-%d")
dates.append(current_date)
#4.将字符串转换为整型数据
hights.append(int(row[1]))
#5.根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
#6.将列表hights传个plot()⽅法
plt.plot(dates,hights,c='red')
#7.设置图形的格式
plt.title('2014年4⽉份的温度',fontsize=24)
python怎么读csv数据plt.xlabel('',fontsize=26)
# 8.绘制斜线⽇期标签
fig.autofmt_xdate()
plt.ylabel('华摄⽒度F',fontsize=16)
plt.tick_params(axis='both',which='major',labelsize=16)
plt.show()
结果演⽰：
(六)绘制全年天⽓数据
import csv
from datetime import datetime
from matplotlib import pyplot as plt
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
#3.保存最⾼⽓温数据
dates,hights=[],[]
for row in reader:
current_date=datetime.strptime(row[0],"%Y-%m-%d")
dates.append(current_date)
#4.将字符串转换为整型数据
hights.append(int(row[1]))
#5.根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
#6.将列表hights传个plot()⽅法
plt.plot(dates,hights,c='red')
#7.设置图形的格式
plt.title('2014全年的温度',fontsize=24)
plt.xlabel('',fontsize=26)
# 8.绘制斜线⽇期标签
fig.autofmt_xdate()
plt.ylabel('华摄⽒度F',fontsize=16)
plt.tick_params(axis='both',which='major',labelsize=16)
plt.show()
结果演⽰：
(七)绘制⼀系列数据并给图表区着⾊
from datetime import datetime
from matplotlib import pyplot as plt
with open(filename,'r')as file:
#1.创建阅读器对象
ader(file)
#2.读取⽂件头信息
header_row=next(reader)
#3.保存最⾼⽓温数据
dates,hights,lows=[],[],[]
for row in reader:
current_date=datetime.strptime(row[0],"%Y-%m-%d")
dates.append(current_date)
#4.将字符串转换为整型数据
hights.append(int(row[1]))
lows.append(int(row[3]))
#5.根据数据绘制图形
fig=plt.figure(dpi=128,figsize=(10,6))
#给图表区绘域着⾊
plt.plot(dates,hights,c='red',alpha=0.5)
plt.plot(dates,lows, c='blue', alpha=0.5)
plt.fill_between(dates,hights,lows,facecolor='blue',alpha=0.1)
#6.将列表hights传个plot()⽅法
plt.plot(dates,hights,c='red')
plt.plot(dates,lows, c='blue')
#7.设置图形的格式
plt.title('2014全年的最⾼温度和最低温度',fontsize=24)
plt.xlabel('',fontsize=26)
# 8.绘制斜线⽇期标签
fig.autofmt_xdate()
plt.ylabel('华摄⽒度F',fontsize=16)
plt.tick_params(axis='both',which='major',labelsize=16)
plt.show()
(⼋)错误检测
⽓象站收集的数据偶尔出故障，未能收集全部其应该收集到的数据。缺失的数据可能引发异常，如果处理不当，可能导致程序瘫痪。
因此需要异常处理。
1.数据异常处理

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。