Python读取多列数据以及用matplotlib制作图表方法实例
多列数据的读入以及处理
这次我们用到的数据是煤炭5500周价格的最高价和最低价。左侧为价格的数据表格，右侧为日期。
一、导入数据
这里我们就直接跳过讲解，如有不懂的，详见上一篇博客。见代码。
import matplotlib.pyplot as plt
import re
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体
plt.rcParams['axes.unicode_minus'] = False # 设置正负号
# 导入数据，日期
with open('日期.csv', encoding='gbk') as oo:
day = oo.read()
day_str = day.replace('\n', ',') # 换行替换成逗号
day_list = re.split('[,]', day_str)
list_days = []
for s in range(len(day_list)-1): # 获得时间
list_days.append(day_list[s])
# 将x转换成时间类型
# 导入数据，金额
with open('煤炭5500周价格波动数据.csv', encoding='gbk') as pp:
sk = pp.read()
ll = sk.replace('\n', ',') # 换行替换成逗号
list_1 = re.split('[,]', ll) # 分割数据
list_2 = []
for s in range(len(list_1)-1):
list_2.append(int(float(list_1[s])))
现在我们已经讲数据读取到相关的列表里，输出一下。
输出结果：
['2019/12/27', '2019/12/20', '2019/12/13', '2019/12/6', '2019/11/29', '2019/11/22', '2019/11/15', '2019/11/8', '2019/11/1', '2019/10/25', '2019/10/18', '2019/10/11', '2019/9/27', '2019/9/20', '2019/9/12', '2019/9/12', '2019/9/6', '2019/8/30', '2019/8/23', '2019/8/16', '2019/8/9', '2019/8/2', '2019/7/26', '2019/7/19', '2019/7/12', '2019/7/5', '2019/6/28', '2019/6/21', '2019/6/14', '2019/6/7', '2019/5/31', '2019/5/24', '2019/5/17', '2019/5/10', '2019/4/26', '2019/4/19', '2019/4/12', '2019/4/5', '2019/3/29', '2019/3/22', '2019/3/15', '2019/3/8', '2019/3/1', '2019/2/22', '2019/2/15', '2019/2/1', '2019/1/25', '2019/1/18', '2019/1/18', '2019/1/11', '2019/1/4', '2018/12/28']
[550, 555, 550, 555, 550, 555, 550, 555, 550, 555, 550, 555, 550, 555, 550, 555, 560, 565, 570, 575, 575, 580, 580, 585, 585, 590, 585, 590, 585, 590, 585, 590, 580, 585, 580, 585, 580, 590, 575, 585, 580, 590, 595, 600, 590, 600, 590, 595, 600, 605, 605, 615, 600, 610, 590, 600, 590, 600, 590, 600, 595, 600, 610, 620, 615, 620, 615, 620, 615, 625, 620, 625, 630, 640, 620, 630, 620, 625, 620, 630, 625, 630, 635, 645, 615, 625, 600, 605, 600, 605, 585, 590, 590, 595, 590, 595, 590, 595, 580, 590, 585, 595, 575, 580]
二、处理价格数据
我们可以看到0，2，4，6，8.......等偶数位的数值是周最低价，而单数位的数值是周最高价。我们可以用循环的方式读取到相关的数据。
代码如下。
这样就可以把数据进行分组了。以此类推，可以导入多列数据。
根据观察可以看到，时间列表是以降序的方式排列的，我们需要将数据转置过来，让列表数据改为升序。方法一、调整导入的CSV文件的数据顺序。方法二、我们引入reversed()函数。该函数有两种写法，作用主要是将列表，range()，字典里的数据进行逆向排列。
逆转对象：list_x 写法一、 xxx = reversed(list_x) 写法二、 直接使用 list(reversed(list_x))
aaa = reversed(list_average) 转置一个作为样例
# 以上分割取得list_high,low,average
# 设置x轴,y轴标签,设置表格标题
plt.xlabel('时间')
plt.ylabel('价格')
plt.title('最高价/最低价/均价周期波动图')
plt.legend(loc='upper right')
plt.figure(figsize=(9, 8))输出图片大小900px*800px
图表制作
需要的数据我们已经处理好了，接着就是生成图表。
import matplotlib.pyplot as plt
import re
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体
plt.rcParams['axes.unicode_minus'] = False # 设置正负号
# 导入数据，日期
with open('日期.csv', encoding='gbk') as oo:
day = oo.read()
day_str = day.replace('\n', ',') # 换行替换成逗号
day_list = re.split('[,]', day_str)
list_days = []
for s in range(len(day_list)-1): # 获得时间
list_days.append(day_list[s])
print(list_days)
# 将x转换成时间类型
# 导入数据，金额
with open('煤炭5500周价格波动数据.csv', encoding='gbk') as pp:
sk = pp.read()
ll = sk.replace('\n', ',') # 换行替换成逗号
list_1 = re.split('[,]', ll) # 分割数据
list_2 = []
for s in range(len(list_1)-1):
list_2.append(int(float(list_1[s])))
print(list_2)
list_high = [] # 最高
list_low = [] # 最低
list_average = [] # 均值
for k in range(len(list_2)):
if k % 2 == 0:
list_low.append(list_2[k])
list_average.append((list_2[k]+list_2[k+1])/2)
else:
list_high.append(list_2[k])
aaa = reversed(list_average)
# 以上分割取得list_high,low,average
# 设置x轴,y轴标签,设置表格标题
plt.xlabel('时间')
plt.ylabel('价格')
plt.title('最高价/最低价/均价周期波动图')
# 设置标注
plt.figure(figsize=(9, 8))
# 制作折现图
plt.plot(range(len(list_low)), list(reversed(list_high)), label='最高价', color='brown',marker='o',markerfacecolor='c',markersize='5')
plt.plot(range(len(list_low)), list(reversed(list_low)), label='最低价', color='skyblue',marker='s',markerfacecolor='r',markersize='5')
plt.plot(range(len(list_low)), list(reversed(list_average)), label='均价', color='lawngreen',marker='h',markerfacecolor='coral',markersize='5')
# 设置标注
plt.legend(loc='upper right') # 右上upper right 右下lower right
plt.show()
这是到目前我们制作出来的折线图
替换x轴坐标点更改成日期
这里我们使用到plt.xticks()
书写格式： plt.xticks(被替换的数值（数据长的的列表），替换的数据，数据方向（默认横向）) plt.xticks(range(len(list_low)), list(reversed(list_days)), rotation='vertical') vertical：数值方向，也可以写角度。
到这了我们就完成了全部的代码。
结束：最终代码
import matplotlib.pyplot as plt
import re
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体
plt.rcParams['axes.unicode_minus'] = False # 设置正负号
# 导入数据，日期
with open('日期.csv', encoding='gbk') as oo:
day = oo.read()
day_str = day.replace('\n', ',') # 换行替换成逗号
day_list = re.split('[,]', day_str)
list_days = []
for s in range(len(day_list)-1): # 获得时间
list_days.append(day_list[s])
print(list_days)
# 将x转换成时间类型
# 导入数据，金额
with open('煤炭5500周价格波动数据.csv', encoding='gbk') as pp:
sk = pp.read()
ll = sk.replace('\n', ',') # 换行替换成逗号
list_1 = re.split('[,]', ll) # 分割数据
list_2 = []
for s in range(len(list_1)-1):
list_2.append(int(float(list_1[s])))
print(list_2)
list_high = [] # 最高
list_low = [] # 最低
list_average = [] # 均值
for k in range(len(list_2)):
if k % 2 == 0:
list_low.append(list_2[k])
list_average.append((list_2[k]+list_2[k+1])/2)
else:
list_high.append(list_2[k])
aaa = reversed(list_average)
# 以上分割取得list_high,low,average
# 设置x轴,y轴标签,设置表格标题
plt.xlabel('时间')
plt.ylabel('价格')
plt.title('最高价/最低价/均价周期波动图')
# 设置标注
plt.figure(figsize=(9, 8))
plt.xticks(range(len(list_low)), list(reversed(list_days)), rotation='vertical')
# 设置折现图
plt.plot(range(len(list_low)), list(reversed(list_high)), label='最高价', color='brown',marker='o',markerfacecolor='c',markersize='5')
plt.plot(range(len(list_low)), list(reversed(list_low)), label='最低价', color='skyblue',marker='s',markerfacecolor='r',markersize='5')
plt.plot(range(len(list_low)), list(reversed(list_average)), label='均价', color='lawngreen',marker='h',markerfacecolor='coral',markersize='5')
# 设置标注
plt.legend(loc='upper right')
plt.show()
结果示意图：
总结
到此这篇关于Python读取多列数据以及用matplotlib制作图片的文章就介绍到这了,更多相关Python读取多列数据用matplotlib制作图片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
装饰器是 Python 中非常有用的语法特性，可以用于包装或者修改函数的行为，本文介绍了python带参数装饰器的两种写法,需要的朋友可以参考下2023-08-08
这篇文章主要介绍了详尽讲述用Python的Django框架测试驱动开发的教程,主要使用TDD工具,全文介绍非常详细,需要的朋友可以参考下2015-04-04
箱型图（Box Plot）,也称为盒须图或盒式图,是一种用作显示一组数据分布情况的统计图,因型状如箱子而得名,本文主要为大家介绍了如何使用Matplotlib绘制箱型图,需要的小伙伴可以参考下2023-08-08
基于Python2、Python3中reload()的不同用法介绍
今天小编就为大家分享一篇基于Python2、Python3中reload()的不同用法介绍，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
下面小编就为大家带来一篇Python实现将数据库一键导出为Excel表格的实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-12-12
在本篇文章里小编给大家整理的是一篇关于python树的同构学习笔记以及相关实例代码内容，有需要的朋友们学习下。2019-09-09
这篇文章主要介绍了Scrapy框架CrawlSpiders的介绍以及使用详解，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-11-11
有时候,PyInstaller可能无法正确识别和打包所有的依赖项,导致名称错误，本文主要介绍了pyinstaller执行报错的解决方案，感兴趣的可以了解一下2023-11-11
这篇文章主要介绍了Python把excel文件数据转化为字典格式存储详解,在Python中有时候需要操作excel表格的数据,把excel表格转化为字典存起来,方便读取,今天我们就来看看如何转换,需要的朋友可以参考下2023-08-08
pandas dataframe拼接后index重新排序方式
这篇文章主要介绍了pandas dataframe拼接后index重新排序方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-10-10
最新评论