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
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新动态
- 《庄心妍 实力唱将 发烧音乐精选集》[WAV+CUE][380MB]
- [音展纪念碟]2006年《TAA台湾第十六届国际HI-ENDHI-FI音响展》2cd[WAV]
- 中国音乐地图之听见西藏山歌牧歌酒歌2020[WAV分轨]
- 王宏伟2017-永远的红飘带[太平洋影音][WAV+CUE]
- 费翔.1997-NOW现在【第一中国】【WAV+CUE】
- 新格合唱团.1981-我唱你和2辑(滚石新格民歌系列)【新格】【WAV+CUE】
- 陈柏宇.2011-QUINQUENNIUM【SONY】【WAV+CUE】
- 雨果唱片-《金唛系列-蔷薇依韵琼瑶》WAV
- 陈百强《凝望(2012华纳LPCD45限量版)[DMI]》[WAV整轨]
- 模拟之声慢刻CD《徐小凤45周年》[德国母带][低速原抓WAV+CUE]
- 《庄心妍 实力唱将 发烧音乐精选集》[WAV+CUE][380MB]
- 《王菲 单曲合集》[FlAC/分轨][520MB]
- 《费玉清 原味再现 水长流》[WAV+CUE][430MB]
- 群星.1992-畅销榜老歌金曲10CD【风格】【WAV+CUE】
- 孙悦.2024-时光音乐会【金蜂】【WAV+CUE】