python数据可视化-matplotlib入门(6)-从文件中加载数据

前几篇都是手动录入或随机函数产生的数据。实际有许多类型的文件，以及许多方法，用它们从文件中提取数据来图形化。

比如之前python基础(12)介绍打开文件的方式，可直接读取文件中的数据，扩大了我们的数据来源。下面详细介绍从文件中加载数据。

一、使用内置的 csv 模块加载CSV文件

CSV文件是一种特殊的文本文件，文件中的数据以逗号作为分隔符，很适合进行数据的解析。先用excle建立如下表格和数据，另存为csv格式文件，放到代码目录下。

包含在Python标准库中自带CSV 模块，我们只需要import进来就能使用。比如我们需要将上面的CSV文件都打印出来，代码 如下:

import csv  #import csv 用来导入csv模块

filename = 'E:WorkSpacepythoncodingscore.csv'  #文件保存的绝对路径，如果在代码目录文件下，可以直接用文件名
with open(filename) as file_csv:      #是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中
    reader = csv.reader(file_csv)     #直接调读取 用csv.read()读取文件内容  
    for row in reader: #   用for循环打印每一行
        print(row)

运行结果如下：

['Name', 'Grade', 'Class', 'Age', 'mathscore', 'Englishscore']
['Lucy', '7', '2', '14', '95', '86']
['bush', '8', '1', '15', '80', '75']
['lily', '7', '3', '14', '93', '95']
['Jack', '8', '2', '14', '87', '84']
['Mary', '9', '1', '15', '85', '86']
['philip', '7', '3', '14', '90', '92']
['Liming', '9', '2', '16', '99', '87']

 1、打印文件头及其位置

读入文件，是为了获取其中的数据，需要将相关信息进行分离，先看看如何读出头即文件的第一行， next()返回文件中的下一行。

import csv  #import csv 用来导入csv模块

filename = 'E:WorkSpacepythoncodingscore.csv'  #文件保存的绝对路径
with open(filename) as file_csv:      #是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中
    reader = csv.reader(file_csv)     #直接调读取 用csv.read()读取文件内容  
    header_row = next(reader)   #模块csv包含函数 next() ，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。
                                #调用了next()一次，因此得到的是文件的第一行，其中包含文件头

      #for row in reader: # 用for循环打印每一行
      　#　print(row)

    for index, column_header in enumerate(header_row):  #对列表调用了enumerate()来获取每个元素的索引及其值
        print(index, column_header)  

运行后的结果如下所示：

0 Name
1 Grade
2 Class
3 Age
4 mathscore
5 Englishscore

　提取其中索引，即name的索引为0，Grade的索引为1，知道了索引便可以读取其中的任何数据，比如我们要打印出mathscore，索引为4，于是代码如下：

    scores =[] 定义一个空的list
    for row in reader:
        scores.append(int(row[4])) #读取的文件，默认为字符串，用int()转换为数字。
    print(scores)

运行结果：

[95, 80, 93, 87, 85, 90, 99]

　接下来，制作图表展示一下，先把mathscore和englishscore分数做个柱状对比。代码如下：

import matplotlib.pyplot as plt
import csv  #import csv 用来导入csv模块

filename = 'E:WorkSpacepythoncodingscore.csv'  #文件保存的绝对路径
with open(filename) as file_csv:      #是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中
    reader = csv.reader(file_csv)     #直接调读取 用csv.read()读取文件内容   
    header_row = next(reader)   #模块csv包含函数 next() ，调用它并将阅读器对象传递给它时，它将返回文件中的下一行。
                                #调用了 next() 一次，因此得到的是文件的第一行，其中包含文件头
    mathscores =[] #定义两个列表
    englishscores=[]
    for row in reader:
        mathscores.append(int(row[4]))     #读取索引为4的数据，默认为字符串，用int()转换为数字。
        englishscores.append(int(row[5]))  #读取索引为5的数据，用int()转换为数字。
        
plt.bar([1,3,5,7,9,11,13],mathscores,label='math',color='#FF2204')     
plt.bar([2,4,6,8,10,12,14],englishscores, label='englis', color='g')
plt.legend()
plt.title('scores') 
plt.show()

已将那些打印相关代码删除。看运行结果：

 接下来，我们读取文件 ，并根据文件中的时间来绘制图表

新建一个年份的数据（真的是胡编乱造的数据），第一列是年份，第二列每年毕业的人数，第三列是每年申请人数，如图所示：

要求：

1，按年份分别显示出每年两者的人数，并用不同的颜色表示；

2、两者间也用其他颜色进行填充。

完成代码如下：

import matplotlib.pyplot as plt
import csv  #import csv 用来导入csv模块
from datetime import datetime #引入时间相关模块

filename = 'E:WorkSpacepythoncodinggraduatesNumbers.csv'  #文件保存的绝对路径
with open(filename) as file_csv:      #是不是忘记了如何打开文件？打开文件，并将结果文件对象存储在file_csv中
    reader = csv.reader(file_csv)     #直接调读取 用csv.read()读取文件内容   
    header_row = next(reader)   
    dates=[]                            
    numbers=[]
    application_numbers=[]
    for row in reader: 
        current_date = datetime.strptime(row[0], "%Y/%m/%d") #年份，strptime()日期格式转化为字符串格式的函数
        dates.append(current_date)
        numbers.append(int(row[1]))      #读取索引为1的数据，默认为字符串，用int()转换为数字，即Numbers of graduates 。
        application_numbers.append(int(row[2])) #读取索引为2的数据，即Number of applicants
        
plt.plot(dates,numbers,label='Numbers of graduate', c='red') #显示第一条线
plt.plot(dates,application_numbers,label='Number of applicant', c='green')  #显示第二条线application_numbers折线
plt.fill_between(dates,numbers, application_numbers, facecolor='blue', alpha=0.5)   #在两线之间填充颜色  alpha透明度
    
plt.title("The numbers of graduate",fontsize=24)
plt.xlabel('Years', fontsize=16)
plt.ylabel("The numbers", fontsize=16)
plt.legend()
plt.show()

实际运行结果如下：

 除了直接读取文件外，数据还有众多其他来源，比如后期涉及的爬虫等。