對於記錄的數據，如何用 Python 進行分析、或圖形化呢？
本文將介紹 numpy, matplotlib, pandas, scipy 幾個包，進行數據分析、與圖形化。
準備環境
Python 環境建議用 Anaconda 發行版，下載地址：
- 官方: https://www.anaconda.com/products/individual#Downloads
- 清華源: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
Anaconda 是一個用於科學計算的 Python 發行版，已經包含了眾多流行的科學計算、數據分析的 Python 包。
可以 conda list 列出已有的包，會發現本文要介紹的幾個包都有了：
$ conda list | grep numpy
numpy 1.17.2 py37h99e6662_0
$ conda list | grep "matplot\|seaborn\|plotly"
matplotlib 3.1.1 py37h54f8f79_0
seaborn 0.9.0 py37_0
$ conda list | grep "pandas\|scipy"
pandas 0.25.1 py37h0a44026_0
scipy 1.3.1 py37h1410ff5_0
如果已有 Python 環境，那麼 pip 安裝一下它們：
pip install numpy matplotlib pandas scipy
# pypi 鏡像: https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
本文環境為： Python 3.7.4 (Anaconda3-2019.10)
準備數據
本文假設了如下格式的數據 data0.txt :
id, data, timestamp
0, 55, 1592207702.688805
1, 41, 1592207702.783134
2, 57, 1592207702.883619
3, 59, 1592207702.980597
4, 58, 1592207703.08313
5, 41, 1592207703.183011
6, 52, 1592207703.281802
...
CSV 格式：逗號分隔，讀寫簡單， Excel 可打開。
之後，我們會一起達成如下幾個目標：
- CSV 數據， numpy 讀取與計算
- data 列數據， matplotlib 圖形化
- data 列數據， scipy 插值，形成曲線
- timestamp 列數據， pandas 分析前後差值、每秒個數
numpy 讀取數據
numpy 可用 loadtxt 直接讀取 CSV 數據，
import numpy as np
# id, (data), timestamp
datas = np.loadtxt(p, dtype=np.int32, delimiter=",", skiprows=1, usecols=(1))
dtype=np.int32: 數據類型 np.int32delimiter=",": 分隔符 “,”skiprows=1: 跳過第 1 行usecols=(1): 讀取第 1 列
如果讀取多列，
# id, (data, timestamp)
dtype = {'names': ('data', 'timestamp'), 'formats': ('i4', 'f8')}
datas = np.loadtxt(path, dtype=dtype, delimiter=",", skiprows=1, usecols=(1, 2))
dtype 說明可見: https://numpy.org/devdocs/reference/arrays.dtypes.html
numpy 分析數據
numpy 計算均值、樣本標準差：
# average
data_avg = np.mean(datas)
# data_avg = np.average(datas)
# standard deviation
# data_std = np.std(datas)
# sample standard deviation
data_std = np.std(datas, ddof=1)
print(" avg: {:.2f}, std: {:.2f}, sum: {}".format(
data_avg, data_std, np.sum(datas)))
matplotlib 圖形化
只需四行，就能圖形化显示了：
import sys
import matplotlib.pyplot as plt
import numpy as np
def _plot(path):
print("Load: {}".format(path))
# id, (data), timestamp
datas = np.loadtxt(path, dtype=np.int32, delimiter=",", skiprows=1, usecols=(1))
fig, ax = plt.subplots()
ax.plot(range(len(datas)), datas, label=str(i))
ax.legend()
plt.show()
if __name__ == "__main__":
if len(sys.argv) < 2:
sys.exit("python data_plot.py *.txt")
_plot(sys.argv[1])
ax.plot(x, y, ...) 橫坐標 x 取的數據下標 range(len(datas)) 。
完整代碼見文末 Gist 地址的 data_plot.py 。運行效果如下：
$ python data_plot.py data0.txt
Args
nonzero: False
Load: data0.txt
size: 20
avg: 52.15, std: 8.57, sum: 1043
可以讀取多個文件，一起显示：
$ python data_plot.py data*.txt
Args
nonzero: False
Load: data0.txt
size: 20
avg: 52.15, std: 8.57, sum: 1043
Load: data1.txt
size: 20
avg: 53.35, std: 6.78, sum: 1067
scipy 對數據插值
x, y 兩組數據，用 scipy 進行插值，平滑成曲線：
from scipy import interpolate
xnew = np.arange(xvalues[0], xvalues[-1], 0.01)
ynew = interpolate.interp1d(xvalues, yvalues, kind='cubic')
完整代碼見文末 Gist 地址的 data_interp.py 。運行效果如下：
python data_interp.py data0.txt
matplotlib 圖像化時如何配置、延遲、保存，可見代碼與註釋。
pandas 分析數據
這兒需要讀取 timestamp 列數據，
# id, data, (timestamp)
stamps = np.loadtxt(path, dtype=np.float64, delimiter=",", skiprows=1, usecols=(2))
numpy 計算前後差值，
stamps_diff = np.diff(stamps)
pandas 統計每秒個數，
stamps_int = np.array(stamps, dtype='int')
stamps_int = stamps_int - stamps_int[0]
import pandas as pd
stamps_s = pd.Series(data=stamps_int)
stamps_s = stamps_s.value_counts(sort=False)
辦法：把時間戳直接變整秒數，再 pandas 統計相同值。
完整代碼見文末 Gist 地址的 stamp_diff.py 。運行效果如下：
python stamp_diff.py data0.txt
matplotlib 圖形化時怎麼显示多個圖表，也可見代碼。
結語
本文代碼 Gist 地址: https://gist.github.com/ikuokuo/8629cc28079199c65e0eedb0d02a9e74
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※教你寫出一流的銷售文案?
※廣告預算用在刀口上，台北網頁設計公司幫您達到更多曝光效益
※回頭車貨運收費標準
※別再煩惱如何寫文案,掌握八大原則!
※超省錢租車方案
※產品缺大量曝光嗎?你需要的是一流包裝設計!
