Python数据分析入门案例,教程,源码,及资源汇总.zip

# 理想国 数据分析 第一次笔记 > 作者: 张大鹏 ## `Numpy` ### 001.`arange()` - 作用:生成一个序列 - 例如:`numpy.arange(10)` ### 002.`Numpy`是什么 - 1.是Python的开源数值计算库 ### 003.创建`ndarray`对象 - 1.从Python数据转换过来 - 2.通过Numpy的函数生成 - 3.从文件读取 ## `Matplotlib` ### 001.绘制折线图 ```python # -*- coding: utf-8 -*- import matplotlib.pyplot as plt plt.plot([1,2,3],[3,2,1]) plt.show() ``` ### 002.绘制散点图 - 散点图显示两组数据的值,每个点的坐标位置由变量的位置决定 - 由一组不连接的点完菜,用于观察两种变量的相关性 - 例如身高-体重,温度-维度等 - 数学上,表现的是x变量和y变量的关系 - 编程上,要求两种变量的值组成的列表长度一样,例如`list(x)==list(y)` - 正相关性,指的是散点图组成一种从左下方到右上方上升的趋势 - 负相关性,指的是散点图组成一种从左上方到右下方下降的趋势 #### 外观调整 - 修改颜色 c - r表示红色 - 参考:``'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'`` - 修改点大小 s,默认值是20 - 修改透明度 alpha - 修改点形状 marker - 很多种,具体查看官网  #### 代码实战 **绘制简单的散点图** ```python # -*- coding: utf-8 -*- """ Created on Thu Sep 26 22:09:33 2019 @author: 18010 """ # 绘制一个简单的散点图 # 1.导入numpy和pyplot import numpy as np import matplotlib.pyplot as plt # 2.准备两个可迭代对象 x=np.random.randint(1,100,20) y=np.random.randint(100,1000,20) # 3.调用.scater()方法绘制散点图 plt.scatter(x,y) # 4.调用.show()方法展示散点图 plt.show() ``` 基本步骤 - 1.导入numpy和pyplot - 2.准备两个可迭代对象 - 3.调用`pyplot.scatter()`方法绘制散点图,参数是两个可迭代对象 - 4.调用`pyplot.show()`方法展示 **绘制两个随机数列表的散点图** ```python import numpy as np import matplotlib.pyplot as plt x=np.random.randn(N) y1=np.random.randn(len(x)) plt.scatter(x,y1) plt.show() ``` **股票今天的涨势和明天的涨势散点图** ```Python # -*- coding: utf-8 -*- """ Created on Thu Sep 26 22:14:40 2019 @author: 18010 """ # 股票今天的涨势和明天的涨势的散点图 # 涨势(rally)=关盘价(close列)-开盘价(open列) # 1.导入依赖包 numpy pyplot import numpy as np import matplotlib.pyplot as plt # 2.准备两个可迭代对象 # 2.1 读取../../000001.csv,分隔符delimiter为逗号,跳过第一行,使用第1列和第4列,解析 open,close=np.loadtxt('../../000001.csv',delimiter=',',skiprows=1,usecols=(1,4),unpack=True) # 2.2 涨势rally=close-open rally=close-open # 2.3 获取今日涨势和明日涨势 rally[:-1] rally[1:] today_rally=rally[:-1] tomorrow_rally=rally[1:] # 3.绘制散点图 scatter() plt.scatter(today_rally,tomorrow_rally) # 4.展示数据 plt.show() ```  - `delimiter`表示分隔符 - `skiprows=1`表示跳过第一行 - `usecols=(1,4)`表示使用第1列和第4列 - `unpack=True`表示使用解析 - `change=close-open`是因为,`numpy`读取到的数据可以直接做算术运算,结果类型不变 - `yesterday=change[:-1]`表示从第一个到倒数第一个为昨天 - `today=change[1:]`表示从第二个到最后一个为今天 - 这里,昨天和今天得到的可迭代对象的长度是一样的,可以做散点图 - `plt.scatter(today,yesterday)`,绘制散点图,只要传入两个可迭代对象即可  **外观调整散点图** ```Python # -*- coding: utf-8 -*- """ Created on Thu Sep 26 22:14:40 2019 @author: 18010 """ # 股票今天的涨势和明天的涨势的散点图 # 涨势(rally)=关盘价(close列)-开盘价(open列) # 1.导入依赖包 numpy pyplot import numpy as np import matplotlib.pyplot as plt # 2.准备两个可迭代对象 # 2.1 读取../../000001.csv,分隔符delimiter为逗号,跳过第一行,使用第1列和第4列,解析 open,close=np.loadtxt('../../000001.csv',delimiter=',',skiprows=1,usecols=(1,4),unpack=True) # 2.2 涨势rally=close-open rally=close-open # 2.3 获取今日涨势和明日涨势 rally[:-1] rally[1:] today_rally=rally[:-1] tomorrow_rally=rally[1:] # 3.绘制散点图 scatter() plt.scatter(today_rally,tomorrow_rally,c='r',s=100,marker='o') # 4.展示数据 plt.show() ```  ### 003.绘制折线图 #### 概念 - 折线图是用直线段将各数据连接起来组成的图形 - 常用来观察数据随时间变化的趋势 - 例如股票价格,温度变化,等等 **简单折线图** ```python # -*- coding: utf-8 -*- """ Created on Fri Sep 27 08:39:33 2019 @author: 18010 """ # 绘制简单折线图 # 1.导入包numpy,pyplot import numpy as np import matplotlib.pyplot as plt # 2.准备数据,横轴和纵轴,一般是x和y的函数关系 x=np.linspace(1,100,20) print(x) y=x**2 # 3.绘制折线图,用plot方法(散点图用scatter方法) plt.plot(x,y) # 4.显示折线图 show方法 plt.show() ```  #### 股票涨势图案例 ```python # _*_ coding:UTF-8 _*_ # 开发人员: 理想国真恵玩-张大鹏 # 开发团队: 理想国真恵玩 # 开发时间: 2019/9/27 9:01 # 文件名称: hw004_绘制股票开盘价与收盘价与时间关系图.py # 开发工具: PyCharm # 1.导入包numpy,matplotlib.pyplot,matplotlib.dates import numpy as np import matplotlib.pyplot as plt import matplotlib.dates as mdates import pandas as pd # 根据提示 from pandas.plotting import register_matplotlib_converters register_matplotlib_converters() # 2.读取csv文件,loadtxt df = pd.read_csv('stock.csv') # print(type(df)) # print(df.info()) # print(df[['Date', 'Open', 'Close']]) # date, open, close = df[['Date', 'Open', 'Close']] # print(date, type(date)) date = df['Date'] # print(type(date)) # print(date) open = df['Open'] close = df['Close'] # 2.2 绘制折现图,关于时间,用pyplot.plot_date(横轴序列,纵轴序列,'-') plt.plot_date(date, open, '-', c='g') plt.plot_date(date, close, 'y-', c='r') # 3.显示折线图 plt.show() ```  ### 004.绘制条形图 #### 概念 - 以长方形长度为变量的统计图表 - 用来比较多个项目分类的数据大小 - 常用于较小的数据集分析 - 例如不同季度的销量,不同国家的人口等 - 用`pyplot.bar`方法进行绘制 #### 简单条形图 ```python # _*_ coding:UTF-8 _*_ # 开发人员: 理想国真恵玩-张大鹏 # 开发团队: 理想国真恵玩 # 开发时间: 2019/9/27 10:22 # 文件名称: hw007_简单条形图.py # 开发工具: PyCharm # 1.导入包 numpy matplotlib.pyplot import numpy as np import matplotlib.pyplot as plt # 2.生成数据,横坐标,纵坐标 x = np.arange(10) y = np.random.randint(10, 30, 10) # 3.绘制条形图 .bar(横坐标,纵坐标,width=宽度,color=颜色) plt.bar(x, y, width=.5, color='red') # 4.展示图像 plt.show() ```  #### 水平条形图 ```python # _*_ coding:UTF-8 _*_ # 开发人员: 理想国真恵玩-张大鹏 # 开发团队: 理想国真恵玩 # 开发时间: 2019/9/27 10:28 # 文件名称: hw008_垂直条形图.py # 开发工具: PyCharm # 1.导入包 import numpy as np import matplotlib.pyplot as plt # 2.准备数据 x = np.arange(10) y = np.random.randint(5, 30, 10) # 3.画图 plt.barh(x, y, .5) # 4.展示 plt.show() ```  #### 并列条形图 - 原理:让从2列开始的条形图,x方向进行偏移 ```python # _*_ coding:UTF-8 _*_ # 开发人员: 理想国真恵玩-张大鹏 # 开发团队: 理想国真恵玩 # 开发时间: 2019/9/27 10:36 # 文件名称: hw009_并列条形图.py # 开发工具: PyCharm import numpy as np import matplotlib.pyplot as plt x = np.arange(10) y1 = np.random.randint(5, 50, 10) y2 = np.