您的位置：首页 > 编程语言 > Python开发

Python点滴(三)—pandas数据分析与matplotlib画图

2016-05-12 10:48 1086 查看
本篇博文主要介绍使用python中的matplotlib模块进行简单画图功能，我们这里画出了一个柱形图来对比两位同学之间的不同成绩，和使用pandas进行简单的数据分析工作，主要包括打开csv文件读取特定行列进行加减增加删除操作，计算滑动均值，进行画图显示等等；其中还包括一段关于ipython的基本使用指令，比较naive欢迎各位指正交流！


mlp.rc动态配置

你可以在python脚本或者python交互式环境里动态的改变默认rc配置。所有的rc配置变量称为matplotlib.rcParams 使用字典格式存储，它在matplotlib中是全局可见的。rcParams可以直接修改，如：

import matplotlib as mpl

 mpl.rcParams['lines.linewidth'] = 2 

mpl.rcParams['lines.color'] = 'r'


Matplotlib还提供了一些便利函数来修改rc配置。matplotlib.rc()命令利用关键字参数来一次性修改一个属性的多个设置：

import matplotlib as mpl 

mpl.rc('lines', linewidth=2, color='r')


这里matplotlib.rcdefaults()命令可以恢复为matplotlib标准默认配置。

在日常的数据统计分析的过程当中，大量的数据无法直观的观察出来，需要我们使用各种工具从不同角度侧面分析数据之间的变化与差异，而画图无疑是一个比较有效的方法；下面我们将使用python中的画图工具包matplotlib.pyplot来画一个柱形图，通过一个小示例的形式熟悉了解一下mpl的基本使用：

<span style="font-size:14px;">#!/usr/bin/env python
# coding: utf-8
#from matplotlib import backends
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.use('Agg')
import numpy as np
from PIL import Image
import pylab

custom_font = mpl.font_manager.FontProperties(fname='C:\\Anaconda\\Lib\\site-packages\\matplotlib\\mpl-data\\fonts\\ttf\\huawenxihei.ttf')
# 必须配置中文字体，否则会显示成方块
# 所有希望图表显示的中文必须为unicode格式,为方便起见我们将字体文件重命名为拼音形式 custom_font表示自定义字体

font_size = 10 # 字体大小
fig_size = (8, 6) # 图表大小

names = (u'小刚', u'小芳') # 姓名元组
subjects = (u'物理', u'化学', u'生物') # 学科元组
scores = ((65, 80, 72), (75, 90, 85)) # 成绩元组

mpl.rcParams['font.size'] = font_size   # 更改默认更新字体大小
mpl.rcParams['figure.figsize'] = fig_size   # 修改默认更新图表大小
bar_width = 0.35   # 设置柱形图宽度

index = np.arange(len(scores[0]))

# 绘制“小明”的成绩 index表示柱形图左边x的坐标
rects1 = plt.bar(index, scores[0], bar_width, color='#0072BC', label=names[0])
# 绘制“小红”的成绩
rects2 = plt.bar(index + bar_width, scores[1], bar_width, color='#ED1C24', label=names[1])

plt.xticks(index + bar_width, subjects, fontproperties=custom_font)        # X轴标题
plt.ylim(ymax=100, ymin=0)        # Y轴范围

plt.title(u'彩虹班同学成绩对比', fontproperties=custom_font)     # 图表标题

plt.legend(loc='upper center', bbox_to_anchor=(0.5, -0.03), fancybox=True, ncol=2, prop=custom_font)
# 图例显示在图表下方 似乎左就是右，右就是左，上就是下，下就是上，center就是center
# bbox_to_anchor左下角的位置？ ncol就是numbers of column默认为1

# 添加数据标签 就是矩形上面的成绩数字
def add_labels(rects):
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height, height, ha='center', va='bottom')
# horizontalalignment='center' plt.text(x坐标，y坐标，text,位置)
# 柱形图边缘用白色填充，为了更加清晰可分辨
rect.set_edgecolor('white')

add_labels(rects1)
add_labels(rects2)

plt.savefig('scores_par.png')   # 图表输出到本地
#pylab.imshow('scores_par.png')
pylab.show('scores_par.png')    # 并打印显示图片
</span>
ipython中程序运行结果：





ipython：

run命令,
运行一个.py脚本, 但是好处是, 与运行完了以后这个.py文件里的变量都可以在Ipython里继续访问；

timeit命令,
可以用来做基准测试(benchmarking),
测试一个命令(或者一个函数)的运行时间，



debug命令: 当有exception异常的时候, 在console里输入debug即可打开debugger，在debugger里,
输入u,d(up, down)查看stack, 输入q退出debugger；

$ipython
notebook会打开浏览器，新建一个notebook，一个非常有意思的地方；

alt+Enter:
运行程序, 并自动在后面新建一个cell；



在notebook中是可以实现的

<span style="font-size:14px;">from IPython.core.display import HTML
HTML("<iframe src=http://pandas.pydata.org width=800 height=350></iframe>")</span>




<span style="font-size:14px;">import datetime

import pandas as pd
import pandas.io.data
from pandas import Series, DataFrame
pd.__version__</span>
<span style="font-size:14px;">
Out[2]:
'0.11.0'
In [3]:
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rc('figure', figsize=(8, 7))     # rc设置全局画图参数
mpl.__version__</span>
<span style="font-size:14px;">
Out[3]:
'1.2.1'</span>


<span style="font-size:14px;">labels = ['a', 'b', 'c', 'd', 'e']
s = Series([1, 2, 3, 4, 5], index=labels)
s
Out[4]:
a    1
b    2
c    3
d    4
e    5
dtype: int64
In [5]:
'b' in s
Out[5]:
True
In [6]:
s['b']
Out[6]:
2
In [7]:
mapping = s.to_dict()    # 映射为字典
mapping
Out[7]:
{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
In [8]:
Series(mapping)          # 映射为序列
Out[8]:
a    1
b    2
c    3
d    4
e    5
dtype: int64</span>


pandas自带练习例子数据，数据为金融数据；

aapl = pd.io.data.get_data_yahoo('AAPL',
start=datetime.datetime(2006, 10, 1),
end=datetime.datetime(2012, 1, 1))
aapl.head()


Out[9]:

 OpenHighLowCloseVolumeAdj Close
Date      
2006-10-0275.1075.8774.3074.862545140073.29
2006-10-0374.4574.9573.1974.082823960072.52
2006-10-0474.1075.4673.1675.382961010073.80
2006-10-0574.5376.1674.1374.832442440073.26
2006-10-0674.4275.0473.8174.221667710072.66
df = pd.read_csv('C:\\Anaconda\\Lib\\site-packages\\matplotlib\\mpl-data\\sample_data\\aapl_ohlc.csv', index_col='Date', parse_dates=True)
df.head()


Out[11]:

 OpenHighLowCloseVolumeAdj Close
Date      
2006-10-0275.1075.8774.3074.862545140073.29
2006-10-0374.4574.9573.1974.082823960072.52
2006-10-0474.1075.4673.1675.382961010073.80
2006-10-0574.5376.1674.1374.832442440073.26
2006-10-0674.4275.0473.8174.221667710072.66
In [12]:

df.index


Out[12]:

<class 'pandas.tseries.index.DatetimeIndex'>
[2006-10-02 00:00:00, ..., 2011-12-30 00:00:00]
Length: 1323, Freq: None, Timezone: None


ts = df['Close'][-10:]   #截取'Close'列倒数十行
ts


Out[13]:

Date
2011-12-16    381.02
2011-12-19    382.21
2011-12-20    395.95
2011-12-21    396.45
2011-12-22    398.55
2011-12-23    403.33
2011-12-27    406.53
2011-12-28    402.64
2011-12-29    405.12
2011-12-30    405.00
Name: Close, dtype: float64


df[['Open', 'Close']].head()      #只要Ｏｐｅｎ　Ｃｌｏｓｅ列


Out[18]:

 OpenClose
Date  
2006-10-0275.1074.86
2006-10-0374.4574.08
2006-10-0474.1075.38
2006-10-0574.5374.83
2006-10-0674.4274.22
New columns can be added on the fly.

In [19]:

df['diff'] = df.Open - df.Close　　　＃添加新一列
df.head()


Out[19]:

 OpenHighLowCloseVolumeAdj Closediff
Date       
2006-10-0275.1075.8774.3074.862545140073.290.24
2006-10-0374.4574.9573.1974.082823960072.520.37
2006-10-0474.1075.4673.1675.382961010073.80-1.28
2006-10-0574.5376.1674.1374.832442440073.26-0.30
2006-10-0674.4275.0473.8174.221667710072.660.20
...and deleted on the fly.

del df['diff']
df.head()


 OpenHighLowCloseVolumeAdj Close
Date      
2006-10-0275.1075.8774.3074.862545140073.29
2006-10-0374.4574.9573.1974.082823960072.52
2006-10-0474.1075.4673.1675.382961010073.80
2006-10-0574.5376.1674.1374.832442440073.26
2006-10-0674.4275.0473.8174.221667710072.66
close_px = df['Adj Close']


In [22]:

mavg = pd.rolling_mean(close_px, 40)　　＃计算滑动均值并截取显示倒数十行
mavg[-10:]


Out[22]:

Date
2011-12-16    380.53500
2011-12-19    380.27400
2011-12-20    380.03350
2011-12-21    380.00100
2011-12-22    379.95075
2011-12-23    379.91750
2011-12-27    379.95600
2011-12-28    379.90350
2011-12-29    380.11425
2011-12-30    380.30000
dtype: float64


close_px.plot(label='AAPL')
mavg.plot(label='mavg')
plt.legend()    # 图标

import pylab

pylab.show()    # 显示图片


Out[25]:

<matplotlib.legend.Legend at 0xa17cd8c>


df = pd.io.data.get_data_yahoo(['AAPL', 'GE', 'GOOG', 'IBM', 'KO', 'MSFT', 'PEP'],
start=datetime.datetime(2010, 1, 1),
end=datetime.datetime(2013, 1, 1))['Adj Close']
df.head()


Out[26]:

 AAPLGEGOOGIBMKOMSFTPEP
Date       
2010-01-04209.5113.81626.75124.5825.7728.2955.08
2010-01-05209.8713.88623.99123.0725.4628.3055.75
2010-01-06206.5313.81608.26122.2725.4528.1255.19
2010-01-07206.1514.53594.10121.8525.3927.8354.84
2010-01-08207.5214.84602.02123.0724.9228.0254.66
In [27]:

rets = df.pct_change()


In [28]:

plt.scatter(rets.PEP, rets.KO)   # 画散点图
plt.xlabel('Returns PEP')
plt.ylabel('Returns KO')

import pylab

pylab.show()


Out[28]:

<matplotlib.text.Text at 0xa1b5d8c>
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签：  Python pandas 数据分析 matplotlib ipython
相关文章推荐
新的分享
章节导航