快捷導(dǎo)航

Python讀取CSV文件并進(jìn)行數(shù)據(jù)可視化繪圖

更新時(shí)間：2022年06月16日 17:14:42 投稿：hqx

這篇文章主要介紹了Python讀取CSV文件并進(jìn)行數(shù)據(jù)可視化繪圖,文章圍繞主題基于Python展開(kāi)CSV文件讀取的詳細(xì)內(nèi)容介紹，感興趣的小伙伴可以參考一下

介紹：文件 sitka_weather_07-2018_simple.csv是阿拉斯加州錫特卡2018年1月1日的天氣數(shù)據(jù)，其中包含當(dāng)天的最高溫度和最低溫度。數(shù)據(jù)文件存儲(chǔ)與data文件夾下，接下來(lái)用Python讀取該文件數(shù)據(jù)，再基于數(shù)據(jù)進(jìn)行可視化繪圖。（詳細(xì)細(xì)節(jié)請(qǐng)看代碼注釋）

sitka_highs.py

import csv  # 導(dǎo)入csv模塊
from datetime import datetime
import matplotlib.pyplot as plt
filename = 'data/sitka_weather_07-2018_simple.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)  # 返回文件的下一行，在這便是首行，即文件頭
  # for index, column_header in enumerate(header_row):  # 對(duì)列表調(diào)用了 enumerate（）來(lái)獲取每個(gè)元素的索引及其值，方便我們提取需要的數(shù)據(jù)列
  #     print(index, column_header)
 
    # 從文件中獲取最高溫度
    dates, highs = [], []
    for row in reader:
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        high = int(row[5])
        dates.append(current_date)
        highs.append(high)
 
# 根據(jù)最高溫度繪制圖形
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red')
# 設(shè)置圖形的格式
ax.set_title("2018年7月每日最高溫度", fontproperties="SimHei", fontsize=24)
ax.set_xlabel('', fontproperties="SimHei", fontsize=16)
fig.autofmt_xdate()
ax.set_ylabel("溫度（F）", fontproperties="SimHei", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)
plt.show()

運(yùn)行結(jié)果如下：

設(shè)置以上圖標(biāo)后，我們來(lái)添加更多的數(shù)據(jù)，生成一副更復(fù)雜的錫特卡天氣圖。將sitka_weather_2018_simple.csv數(shù)據(jù)文件置于data文件夾下，該文件包含整年的錫特卡天氣數(shù)據(jù)。

對(duì)代碼進(jìn)行修改：

sitka_highs.py

import csv  # 導(dǎo)入csv模塊
from datetime import datetime
import matplotlib.pyplot as plt
filename = 'data/sitka_weather_2018_simple.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)  # 返回文件的下一行，在這便是首行，即文件頭
 
  # for index, column_header in enumerate(header_row):  # 對(duì)列表調(diào)用了 enumerate（）來(lái)獲取每個(gè)元素的索引及其值，方便我們提取需要的數(shù)據(jù)列
  #     print(index, column_header)
 
    # 從文件中獲取最高溫度
    dates, highs = [], []
    for row in reader:
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        high = int(row[5])
        dates.append(current_date)
        highs.append(high)
 
# 根據(jù)最高溫度繪制圖形
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red')
# 設(shè)置圖形的格式
ax.set_title("2018年每日最高溫度", fontproperties="SimHei", fontsize=24)
ax.set_xlabel('', fontproperties="SimHei", fontsize=16)
fig.autofmt_xdate()
ax.set_ylabel("溫度（F）", fontproperties="SimHei", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)
plt.show()

運(yùn)行結(jié)果如下：

代碼再改進(jìn)：雖然上圖已經(jīng)顯示了豐富的數(shù)據(jù)，但是還能再添加最低溫度數(shù)據(jù)，使其更有用

對(duì)代碼進(jìn)行修改：

sitka_highs_lows.py

import csv  # 導(dǎo)入csv模塊
from datetime import datetime
import matplotlib.pyplot as plt
filename = 'data/sitka_weather_2018_simple.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)  # 返回文件的下一行，在這便是首行，即文件頭
 
  # for index, column_header in enumerate(header_row):  # 對(duì)列表調(diào)用了 enumerate（）來(lái)獲取每個(gè)元素的索引及其值，方便我們提取需要的數(shù)據(jù)列
  #     print(index, column_header)
 
    # 從文件中獲取日期、最高溫度和最低溫度
    dates, highs, lows = [], [], []
    for row in reader:
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        high = int(row[5])
        low = int(row[6])
        dates.append(current_date)
        highs.append(high)
        lows.append(low)
 
# 根據(jù)最高溫度和最低溫度繪制圖形
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5)  # alpha指定顏色的透明度，0為完全透明
ax.plot(dates, lows, c='blue', alpha=0.5)
ax.fill_between(dates, highs, lows, facecolor='blue',alpha=0.1)
 
# 設(shè)置圖形的格式
ax.set_title("2018年每日最高溫度", fontproperties="SimHei", fontsize=24)
ax.set_xlabel('', fontproperties="SimHei", fontsize=16)
fig.autofmt_xdate()
ax.set_ylabel("溫度（F）", fontproperties="SimHei", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)
plt.show()

運(yùn)行結(jié)果如下：

此外，讀取CSV文件過(guò)程中，數(shù)據(jù)可能缺失，程序運(yùn)行時(shí)就會(huì)報(bào)錯(cuò)甚至崩潰。所有需要在從CSV文件中讀取值時(shí)執(zhí)行錯(cuò)誤檢查代碼，對(duì)可能的異常進(jìn)行處理，更換數(shù)據(jù)文件為：death_valley_2018_simple.csv ，該文件有缺失值。

對(duì)代碼進(jìn)行修改：

death_valley_highs_lows.py

import csv  # 導(dǎo)入csv模塊
from datetime import datetime
import matplotlib.pyplot as plt
filename = 'data/death_valley_2018_simple.csv'
with open(filename) as f:
    reader = csv.reader(f)
    header_row = next(reader)  # 返回文件的下一行，在這便是首行，即文件頭
 
  # for index, column_header in enumerate(header_row):  # 對(duì)列表調(diào)用了 enumerate（）來(lái)獲取每個(gè)元素的索引及其值，方便我們提取需要的數(shù)據(jù)列
  #     print(index, column_header)
 
    # 從文件中獲取日期、最高溫度和最低溫度
    dates, highs, lows = [], [], []
    for row in reader:
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        try:
            high = int(row[5])
            low = int(row[6])
        except ValueError:
            print(f"Missing data for {current_date}")
        else:
            dates.append(current_date)
            highs.append(high)
            lows.append(low)
 
# 根據(jù)最高溫度和最低溫度繪制圖形
plt.style.use('seaborn')
fig, ax = plt.subplots()
ax.plot(dates, highs, c='red', alpha=0.5)  # alpha指定顏色的透明度，0為完全透明
ax.plot(dates, lows, c='blue', alpha=0.5)
ax.fill_between(dates, highs, lows, facecolor='blue',alpha=0.1)
# 設(shè)置圖形的格式
ax.set_title("2018年每日最高溫度和最低氣溫\n美國(guó)加利福利亞死亡谷", fontproperties="SimHei", fontsize=24)
ax.set_xlabel('', fontproperties="SimHei", fontsize=16)
fig.autofmt_xdate()
ax.set_ylabel("溫度（F）", fontproperties="SimHei", fontsize=16)
ax.tick_params(axis='both', which='major', labelsize=16)
plt.show()

如果現(xiàn)在運(yùn)行 death_valley_highs_lows.py，將會(huì)發(fā)現(xiàn)缺失數(shù)據(jù)的日期只有一個(gè)：