Loading

Alison's New App is now available on iOS and Android! Download Now

Study Reminders
Support
Text Version

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Gráficos y gráficos y datos de carga

00:00 Speaker 1: Hola, todo el mundo, y bienvenido a la parte siete de la sección dos para nuestra visualización de datos con Python y la serie de tutorial Matplotlib. En esta parte, de lo que vamos a estar hablando es de tramas de dispersión. Así que con eso, vamos adelante y vamos a empezar. Un ejemplo de cuando realmente podríamos usar una trama de dispersión es si estamos tratando de mostrar tal vez grupos o categorías de correlación, cosas así, a veces se utiliza un diagrama de dispersión. Ahora vamos a cubrir un ejemplo en el que podrías hacerlo y haremos una correlación o un ejemplo de tendencia. Así que creo que podríamos continuar en nuestro último ejemplo que fue con estas puntuaciones de prueba y ver si no podemos encontrar algún tipo de correlación con las puntuaciones de las pruebas y el tiempo dedicado a las pruebas o algo así.

00:55 S1: Así que la forma en que podríamos hacer esto es con una variable "time_gaste" y de ahí podemos simplemente poblar eso con supuestos tiempos que los estudiantes gastaron en la prueba. De modo que la pregunta es realmente el tiempo dedicado a la prueba, y la razón por la que podríamos plantear esa pregunta es el tipo de derivar si más tiempo en la prueba equivalía, en general, a un mejor grado en la prueba. Así que desde aquí, vamos adelante y vamos a empezar. Digamos que los estudiantes tuvieron una hora para hacer la prueba, y así es como tal vez la gente larga pasó en ella. Así que sólo para que sea fácil para mí ver cuando estamos hechos, voy a seguir adelante y añadir un espacio más allí, de esa manera todo se alinea, y vamos a empezar. Así que me voy a poner ... Puedes poner los números que quieras en aquí. Sólo voy a ser una especie de maquillarlos. Así que aquí vamos.

01:47 S1: 11 minutos, este tipo pasó 10 minutos, este tipo pasó 22, este tipo pasó 23, 28, 32, 54, 55, 43, 23, 53, 33, 23, 64 ... No podemos gastar 64, 55, 23, 33, 38, 48, 22, 35, 37, 42, 29 y 12. Bueno. Así que tenemos puntuaciones de prueba y tiempo gastado, y no necesitamos papeleras, y realmente no necesitamos nada de esto. Así que lo siguiente que haríamos es que haríamos un scatter, y la forma en que lo hacemos es con tt., y podrías ser capaz de adivinarlo, esparcir. Entonces nos vamos a esparcir y sólo vamos a pasar el tiempo y luego las puntuaciones de la prueba. Por lo tanto, el eje x será el tiempo empleado, el eje y serán puntuaciones de prueba. Así que podemos trazar eso y ahí lo tenemos. Ahora, parece haber una tendencia a esta manera, pero es realmente difícil de decir y luego también, este es un gran ejemplo de un gráfico que realmente, realmente, realmente nos pide que tengamos algunas etiquetas y un título, [chuckle] porque de lo contrario se mira este gráfico y literalmente no tiene ni idea de lo que está sucediendo.

03:22 S1: Así que, podríamos ... Tal vez usted haga la etiqueta "plt.x" y esto fue tiempo empleado en la prueba, y luego la etiqueta "plt.y" y esa fue la puntuación de la prueba. Bueno. Y luego también podríamos añadir un título como "plt.title", las puntuaciones de las pruebas frente al tiempo pasado, algo así. Así que ahora lo tenemos y podemos ver que podría haber una tendencia, pero ciertamente no es una tendencia muy fuerte, pero por supuesto esto es sólo datos falsos. Pero si este fuera el dato real diríamos que hay tal vez una ligera correlación pero no realmente fuerte. De todos modos, parece que es sólo una bonita y simple trama de dispersión con Matplotlib, realmente no mucho más que eso.

04:15 S1: Ahora, a veces con tramas de dispersión puede que wanna muestre varios conjuntos de datos. Bueno. Así que como decía antes, un montón de tramas de dispersión se utilizan para mostrar categorías o grupos también. Así que podrías tener algo así. Nos desharemos de todo esto por ahora. En realidad, sólo dejaremos todo eso y luego vamos a trazar un segundo gráfico. Así que por ejemplo usted podría tener "X1 = Y1 =" y entonces tal vez usted tiene uno, dos, tres, cuatro, cinco ... Cinco son suficientes por ahora. Y luego tendremos dos, tres, dos, cuatro, dos. Bueno. Y en realidad vamos a hacer ... Digamos que X es uno, dos, tres, cuatro, cinco, y luego tendremos diferentes Y. Y entonces esta será ocho, ocho, seis, siete, seis. Bueno. Ahora, es posible que pueda ver algo como esto, "plt.scatterXY1 " y luego puede cambiar el marcador. Así que puedes decir el marcador ... Por defecto, el marcador es, creo ... El default sería una O posiblemente, así que vamos ... Vamos a mantener eso, supongo, y luego vamos a hacer el color igual, y luego haremos C para cayena. Entonces hagamos otro, así "plt.scatterXY2", y luego diremos que este marcador es igual, y haremos una V, creo, será un triángulo al revés, y luego el color.

06:00 S1: Aquí habrá magenta y ahora, vamos a hacer un "plt.show" y el primero será sólo el grado de prueba, pero entonces vamos a bajar aquí y todavía. Así que ahora ves que tienes tal vez posiblemente un grupo arriba aquí y luego un grupo abajo aquí. Así que puedes usar tramas de dispersión en ese sentido también y trazar diferentes grupos y ver claramente la diferencia de ellos. Así que de todos modos, eso es para tramas de dispersión. En el siguiente tutorial, vamos a estar cubriendo parcelas de pila que es una especie de manera de mostrar todas las partes que se suman a un todo y por lo general que es donde lo veo hecho en realidad. Por lo tanto, vamos a utilizar un ejemplo de un gasto de la empresa como un ejemplo de por qué podría utilizar una trama de pila. Así que de todos modos, eso es lo que ustedes tienen que mirar hacia adelante, así que estén atentos para eso.

00:00 Presidente 1: ¿Qué está pasando, todos? Y bienvenidos a la parte ocho de nuestra Sección Dos, todo sobre la visualización de datos con Python y matplotlib. En esta parte, de lo que vamos a estar hablando es de una trama de pila. Así que voy a seguir adelante y eliminar básicamente todo excepto para la importación original aquí, y vamos a estar hablando de parcelas de pila ahora. Así que la idea de una trama de pila es, es una forma de visualizar todo el conjunto, pero también ver cómo las partes componen ese todo. Así que es como un gráfico de tarta, solo que es un gráfico circular que también tiene otros ejes para ello. Así que con el gráfico circular, los gráficos circulares en cualquier momento sólo tiene una dimensión a la misma, pero esto tendrá dos dimensiones. Usted tiene una X y una Y. Así que un gráfico circular sólo puede mostrarle una rebanada de un pastel en cualquier momento, mientras que, en la parcela de pila puede mostrar las rebanadas de ese pastel a lo largo del tiempo. Así que eso es lo que estaremos haciendo ahora.

00:56 S1: Así que vamos adelante y vamos a decir ... Hagamos la suposición de que estamos operando una empresa y hemos estado operando esta empresa durante 10 años. Así que vamos a tener que adivinar un año aquí y eso será una lista, y vamos a tener uno, dos, tres, cuatro, cinco, seis, siete, ocho, nueve, y 10. Así que nuestra compañía ha estado viva durante 10 años y luego tenemos algunos gastos. Ahora, por supuesto, una empresa real tiene sólo cientos de cosas, pero sólo vamos a crear unos pocos por ahora. Vamos a decir "Impuestos", y sólo vamos a suponer que estos números son miles. Así que tenemos impuestos. Así que pagamos el primer año, $17.000 en impuestos y luego 18.000, luego 40, luego 43, luego 44.000, luego 8.000 no hicimos mucho ese año, los 43.000, 32, 39, y 30. Entonces eso debería ser uno, dos, tres, cuatro, cinco, seis, siete, ocho, nueve, 10. ¿Verdad? Sí. Bueno. Así que es 10. Ahora sólo vamos a decir ... Vamos a decir nuestra sobrecarga, y estos son sólo el costo de la producción básicamente para que hagamos lo que sea el trinquete que nos toca hacer. Así que diremos 30, 22, 9, 29, 17, 12, 14, 24, 49, y 35.

02:23 S1: Entonces vamos a tener algo de entretenimiento, y estos son como el gasto frívolo que podríamos hacer en la compañía. Así haremos esto 41, 32, 27, 13, 19, 12, 22, 18, 28, y 20. Eso también debería ser 10. Sí. Bueno. Ahora, lo que podemos hacer es que podemos apilar todo esto, así que podemos hacer "plt.stackplot", y podemos hacer año, impuestos, gastos generales, entretenimiento. Así que la forma de pila de la pila funciona es que toma el parámetro X y luego Y hasta el infinito como argumentos. Así que con los métodos que tienes args y kwargs que son argumentos de la palabra clave y tienes que pasar los argumentos antes de obtener los argumentos de la palabra clave, pero tienes una cantidad ilimitada de argumentos que puedes pasar aquí así que es realmente en parcelas de pila probablemente como cuatro arg en args uno: O algo así y luego como tus Ys para los que son curiosos. Anyways, así que vamos a apilar la trama de ese chico malo, y haremos el "plt.show". Así que vamos a ver dónde estamos en este momento.

03:40 S1: Así que allí vas. Tienes una bonita trama de pila, y esto es kinda cómo funciona todo. Así que estos son gastos de la compañía básicamente a pesar de que los impuestos realmente no serían un gasto, pero sólo estamos usándolos. Pero aquí está la otra pregunta, aunque cuando nos fijamos en este gráfico, somos como "Hmm, ¿cuál es aquí?" ¿No? Es muy difícil pero por desgracia, realmente no hay, con la trama de pila realmente no hay manera de que etiquetemos con leyendas. Por lo tanto, tenemos que conseguir un poco de hacky con ella, pero podemos hacer esto. Así que en primer lugar lo que podemos hacer es que podemos ... Porque lo que tenemos que hacer es, si queremos spoiar una leyenda por así decirlo, lo que podemos hacer es algo así. Podemos decir, "plt.plot", y podemos trazar sólo conjuntos vacíos. Así que X, Y de la nada y luego podemos asignar valores. Así que podríamos decir que el color aquí es igual a magenta, y entonces podemos darle una etiqueta. Podemos decir que la etiqueta equivale a impuestos. Y entonces podríamos decir, "plt.plot", y luego de nuevo vamos a trazar un conjunto vacío tan vacío establecido y luego diríamos color igual a cian y luego etiqueta es igual a la sobrecarga.

05:12 S1: Y si no obligamos a los colores como este, va a ir en bicicleta a través de colores. Así que esto sería azul entonces creo que va verde, rojo entonces lo hace, no lo sé, morado y negro y se ciclo a través. Así que si no forzamos los colores, será simplemente un tipo de ciclo para ser diferentes colores. Pero entonces podemos hacer esto, por lo que "plt.plot", y vamos a continuar por aquí vacíos juegos de colores iguales, y haremos que esta etiqueta azul sea igual a entretenimiento. Y entonces lo que podemos hacer es llegar ... O en realidad aquí abajo a la propia parcela de la pila y podemos pasar los colores como una lista. Así que hacemos colores iguales, y esta será una lista de colores, por lo que tenemos tres colores. Y si nuestros impuestos, somos magenta.

06:00 S1: Y entonces nuestra cabeza era cian, y ahora teníamos un B para el entretenimiento. Así que ahora tenemos los colores adecuados, y entonces todo lo que tenemos que hacer es llamar en "plt.legend", y mientras estamos en él, hagamos un "plt.titletompanyexpenses", plt.xlabel " será el año. Y luego "plt.ylabel" tendrá un costo en miles. Algo así. Bueno. Vamos a ahorrar y ejecutar eso. Y ahora ... Oops nos olvidamos de ... Ah, hicimos "plt.legend" sin los parms allí. De todos modos, ahí vamos. Y ahora lo hemos hecho realmente. Así que aquí podemos ver, de acuerdo, esto es lo mucho que estamos gastando en entretenimiento. Realmente recortamos el entretenimiento estos años. Realmente recortado en el entretenimiento y la sobrecarga. Y pagamos mucho menos impuestos, fíjate en cómo eso nos funcionó. De todos modos, eso fue por suerte, pasando. Así que tenemos nuestros colores y podemos ver kinda. Pero de nuevo, estamos viendo cómo nuestra leyenda está realmente en nuestro camino esta vez, pero podemos mover las cosas hacia abajo y hacer esto. Ahí vamos. Todavía está en camino. No hay manera de alejarse de este problema. Una cosa que puedes hacer en realidad. Si utiliza el botón de zoom, puede pulsarlo. Y normalmente se hace clic y arrastrar para acercar, pero si mantiene su botón derecho del ratón en su lugar, en realidad se reduce de acuerdo a lo que sea su elección.

07:26 S1: Así que ten en cuenta que puedes hacer cosas así. Así que ahora lo que podemos hacer así y obligarnos a tener más espacio en nuestro gráfico. Eso sería mejor para que podamos hacer trampa. De todos modos, de acuerdo, así que es sólo parcelas de pila y zoom hacia fuera y todo eso kinda diversión cosas y también kinda spoofing una leyenda. Así que hay algunos tramando cosas que simplemente no lo hacen, con leyendas son probablemente las más comunes con las que no trabaja. Pero stack plot, y estoy tratando de pensar en algunos de los otros como rellenos. Si todo lo que plot es llenar, eso no es una trama y así no lo es. Así que básicamente todo lo que es polígono. Así que cualquier cosa que se llene de líneas, generalmente no va a ser capaz de ser leyenda. Pero siempre puedes hacer esto para crear una especie de leyenda fakish. No estoy realmente seguro de por qué no sólo hacen algo como esto en el fondo, incluso si es sólo un relleno y usted realmente quiere tener una etiqueta. Pero no lo hacen. Así que de todos modos, tienes que piratear tu camino a través de él. Pero eso está bien. Así que de todos modos, eso son tramas de pila y en el siguiente tutorial, ya que estábamos hablando de cómo las tramas de pila son como gráficos circulares con una línea de tiempo, vamos a hablar de gráficos circulares a continuación. Así que de todos modos, estad atentos a eso. Gracias por ver.

00:00 Presidente 1: ¿Qué es lo que pasa con todos? Bienvenido a la parte nueve de la sección Dos con visualización de datos utilizando matplotlib en Python. En esta parte de lo que vamos a estar hablando es de gráficos circulares. Por lo tanto, la inclusión bastante agradable a matplotlib es gráficos circulares, y hacen algunas cosas bonitas detrás de las escenas para nosotros, como la conversión automática a porcentaje del pastel, y así sucesivamente. Así que, con eso, vamos a saltar bien. Lo primero que vamos a hacer es la eliminación habitual de todo excepto para esa primera importación y estamos listos para retumbar. Por lo tanto, con los gráficos circulares en matplotlib, generalmente le da el ... Supongamos que su X es su cantidad del pastel, y entonces su Y serían sus etiquetas, y entonces usted puede pasar a través de colores, si usted quiere, y entonces usted puede pasar un ángulo de inicio, incluso, si usted quiere, así que si usted quiere que su diagrama de tarta pequeña para estar bien orientado, usted puede hacer eso, y entonces también puede llenar en porcentajes también si usted quería, voy a mostrar a los chicos cómo hacer eso usando el código de matplotlib, y eso es sobre él.

01:07 S1: Así que, vamos adelante y vamos a empezar ahora. Así que lo primero que vamos a hacer es que vamos a asignar algunas etiquetas. Las etiquetas serán una lista o un tuple pero lo haremos un tuple por ahora. Y estas solo serán las rebanadas, se van a ordenar, y se trazarán de esta manera, y generalmente las tramas irán en sentido contrario a las agujas del reloj, por si realmente te importa. Por lo tanto, tenemos nuestros impuestos, tenemos nuestra sobrecarga, y tenemos nuestra ... ¡Y oops! Tenemos nuestro entretenimiento. Bueno. Y luego vamos a decir nuestros tamaños de estos, y vamos a hacer de esta una lista, los tamaños serán 25, 32, 12. Y luego especificamos los colores. Realmente no recuerdo cuáles eran los colores antes, pero lo haremos, vamos a hacer cian, magenta, y creo que hicimos el azul. Lo haremos, no estoy seguro si esos fueron los que pertenecen a estos específicamente, pero eso estará bien. Ahora, lo que vamos a hacer es, podemos hacer plt.pie y luego pasamos la X, que fue tallas. Entonces tenemos sus etiquetas, y en realidad las etiquetas deben ser iguales "etiquetas" porque realmente todo lo que tienes que hacer ... Usted realmente podría simplemente salirse realmente de los tamaños de paso, estoy bastante seguro. Vamos adelante y solo tienes que ejecutar un plt.show, ver qué pasa.

02:42 S1: Sí, así que esto te dará un gráfico de tarta sin realmente nada, [chuckle] así que está bien. Y otra cosa que podemos hacer también es hacer "eje plt" y podemos pasar igual aquí, vamos a asegurarnos, ver lo que eso hace por nosotros, a la derecha. Por lo tanto, si se nota, el valor predeterminado era una especie de gráfico circular inclinado. A la gente le gusta hacer esos gráficos circulares inclinados por alguna razón, pero si no quieres que sea inclinado como ese y tipo de distorsionado, puedes usar igual allí y eso lo mantendrá de hacer eso. Ahora, porque esos tamaños realmente no significan mucho para nosotros sin etiquetas, vamos a agregar etiquetas y también vamos a forzar esos pequeños colores como lo hicimos antes. Así que tarta, tienes tamaños, entonces vamos a decir que las etiquetas son iguales a las etiquetas, y luego diremos que los colores son iguales a los colores, podemos pasar el ángulo de inicio y decimos que es igual a 90, ¿de acuerdo? Así que vamos adelante y vamos a correr eso ahora. Y así ahora puedes ver que tenemos nuestras etiquetas. Este es nuestro impuesto, este es nuestro gasto de entretenimiento, y esta es nuestra sobrecarga, así que eso es todo. Y el ángulo de inicio, por cierto, se inicia en ángulo de 90 grados, por eso, aquí está su línea recta de arriba y abajo, y luego de nuevo, las cosas se trazan en sentido contrario a las agujas del reloj, por lo que tienes impuestos, gastos generales, entretenimiento, y por eso lo hizo de esa manera.

04:05 S1: Ahora ... Oh derecha, así que los porcentajes en el gráfico real, usted podría hacer algo así. Auto pct iguala, y luego puedes usar %1.1f%%, y entonces ahora vamos a intentar esto una vez más, y ahora puedes ver que tienes tus porcentajes aquí. Así que puedes hacerlo. Otra cosa que podemos añadir es una "sombra igual a la verdadera", por lo que esto debería agregarle una pequeña sombra, por lo que puede ver un elemento tridimensional para ello. Así que ahora hemos hecho la sombra, tal vez esto no se vea tan goofy sin la cosa. No sé, todavía siento que esto me parece realmente distorsionado por alguna razón, no sé, realmente no me gusta. Sin embargo, usted puede tomar su propia mente. [chukle] Pero, no me parece que me guste. La sombra está bien, sin embargo, no me importa eso.

05:01 S1: Entonces, tiene sombra, y otra cosa que podemos hacer es que podemos añadir una explosión. Así que una explosión es una especie de donde tiramos una pieza un poco, así que por ejemplo, podríamos añadir explotar, por lo que podríamos decir "explotar iguales", y luego podemos pasar a través, ya que tenemos tres elementos en este gráfico circular, se podría tener cero, cero y cero, oops, y para explotar algo sólo un poco, podríamos hacer 0.1. Así que esto significa que ... Oops, nos olvidamos de nuestra coma. Esto significa que la segunda pieza, por lo general, será una especie de sacado un poco, como que estamos a punto de comer un pedazo de ese pastel. Así que ahí se va, se saca un poco. Pero podríamos sacarla bastante, [chuckle] para que como se pueda ver se saque realmente muy lejos. También podría ... Podrías sacarlos a todos si lo querías. Usted podría hacer 0.1, 0.1 y 0.1, algo así y entonces todos serían una especie de separación entre sí y cosas así.

06:11 S1: De acuerdo, así que se trata de cartas circulares. Pero como puedes ver, hay muchas cosas de personalización que podemos hacer. Así que, eso es bastante fresco. En el siguiente tutorial, de lo que vamos a hablar es de cargar datos de archivos. Así que en realidad, los dos siguientes tutoriales, de eso vamos a estar hablando. Por lo tanto, este sería el tipo de nuestra primera entrada en la lectura de datos de otras fuentes o lo que sea, pero muchas veces la gente tiene datos que quizás están en un archivo CSV o incluso un archivo de texto, pero por lo general está separado por algo.

06:41 S1: Por lo tanto, podemos utilizar los métodos para abrir los CSV en cualquier archivo, lo mismo que los archivos de texto. Y así, hablaremos primero sobre el módulo CSV nativo que ... Eso es parte de nuestra biblioteca estándar con Python. Habla de cómo usar eso para abrir un archivo CSV y luego hablaremos sobre el uso de NumPy para hacerlo también. NumPy es un poco mejor en hacer casi todo. Es un módulo muy eficiente, mientras que los módulos CSV no son realmente grandes, pero para archivos pequeños probablemente no notará la diferencia. Pero de todos modos, eso es lo que ustedes tienen que mirar hacia adelante, así que estén atentos para eso. 00:00 Speaker 1: Hola, todo el mundo, y bienvenidos al décimo tutorial de programación con visualización de datos en Python usando Matplotlib. En este tutorial, de lo que vamos a hablar es de cargar datos de un archivo CSV. Por lo tanto, para hacer eso vamos a seguir adelante y utilizar el módulo CSV. Ahora, primero las cosas primero, el proverbial "borra todo". Vale, y ahora estamos listos para continuar.

00:26 S1: Por lo tanto, he estado codificando todo nuestro código en este pequeño directorio de código de vídeo. Así que ahí es donde vamos a seguir adelante y poner este guion también. Si estás en Windows, puedes codificar con rutas locales, si no estás en Windows tendrás que seguir dando el camino completo pero vamos a seguir adelante y crear un nuevo archivo. Y sólo voy a llamar a esto, "ejemplo". Y por ahora, es un archivo de texto. Debemos ser capaces de conseguir con un archivo de texto. No debería importar pero también puedes hacer de los tuyos un CSV o lo que quieras. Pero entonces en este archivo de ejemplo, sólo voy a tener uno, dos, tres, cuatro, cinco, seis, siete, ocho, nueve, y un diez y un 10 vamos adelante y añadir algunas comas, no períodos. Coma, coma, coma, coma, coma, coma, coma. Vale, y entonces lo que vamos a hacer, esos son como nuestros Xs y luego vamos a añadir algunos Ys, vamos a hacer algunas cosas. No tienes que copiarme a la perfección. Que los 78 van a tener que ser otra cosa. Ahí se va. Vale, así que, guarde el ejemplo ahí y eso es básicamente ". Así que tutorial sobre. No.

01:32 S1: Ahora vamos a dejar esto de lado. Y en nuestro código, wanna ser capaz de hacer referencia a ese archivo de ejemplo. Entonces, lo que vamos a seguir adelante y hacer es que vamos a decir ... Primero tenemos que importar CSV y eso es parte de su biblioteca estándar cada instalación de Python por lo menos después de tres por seguro que lo tienen, estoy bastante seguro de que viene en dos como bien. Y vamos a hacer una lista vacía de X e Y. Ahora, lo que vamos a seguir adelante y hacer es que vamos a decir con abierto y esto será ejemplo, y yo hice mío en archivo de texto así que sólo voy a tener texto de ejemplo con la intención de leer como archivo CSV, vamos a decir las "parcelas iguales CSV.lector" y va a leer el archivo CSV y el delimitador es igual A una coma, por lo que obviamente usted podría tener casi cualquier delimitador que desee. Como por ejemplo cuando hago tal vez datos de texto, así que como estaba diciendo antes de trabajar con Procesamiento de Lenguaje Natural por lo que en oraciones mucha gente tiene comentarios. Por lo general mi delimitador es como un triple colon como esa ' causa que nunca se produce realmente en el texto así que eso es lo que voy a utilizar. [chukle]

02:52 S1: De todos modos, por lo que tienes tramas iguales a eso y luego vamos a decir cuatro filas en tramas, vamos a decir "X.append" y porque estamos leyendo texto, esto viene a través de cadena. Así que tenemos que convertir, así que si tienes carrozas en allí lo convertirías a un flotador pero sabemos que está en el archivo, son todos enteros. Así que vamos a convertir a int y luego la fila y el elemento cero de esa fila es nuestra X, y nuestra Y es el valor int para la fila con el primer elemento. Enfriar. Así que, ahora lo haremos ... Eso es básicamente con eso. Así que hemos poblado X e Y, así que todo lo que tenemos que hacer ahora es trazarlo. Por lo tanto, "plt.plotXY", la etiqueta va a ser cargada de archivo y luego vamos a tener "plt.xlabel" y que será nuestro número de trama, entonces "plt.ylabel" va a ser elegido al azar número de tutorial y luego vamos a seguir adelante y tener un "plt.legend" y haremos "plt.title" y lo llamaremos, "impresionante gráfico". Y por último, nuestro "plt.show". Así que ahorra y ejecuta eso, y ahí vamos, y está nuestra información cargada de nuestro archivo de ejemplo.

04:36 S1: Ahora, es decir, con el módulo CSV y en la siguiente guía de aprendizaje, vamos a cubrir cómo utilizar el módulo NumPy que es un módulo de terceros. No viene con Python pero es un módulo súper útil. Ustedes pueden realmente tenerlo dependiendo de cómo haya instalado matplotlib. También es probablemente uno de los módulos más populares junto a matplotlib que la gente solo tiene porque es un módulo tan útil. Así que de todos modos, eso es de lo que vamos a estar hablando en el siguiente tutorial así que permanece atento para eso. 00:00 Presidente 1: ¿Qué está pasando, todo el mundo? Bienvenido a la undécima parte de nuestra segunda sección para la visualización de datos con Python y matplotlib. En este tutorial, vamos a hablar sobre el uso de NumPy para cargar datos de archivos. Por lo tanto, NumPy es generalmente un método más rápido para cargar datos de archivos y también puede hacer algunos cálculos de números a medida que los está cargando. Realmente no vamos a estar hablando demasiado de eso, pero hacemos wanna show usando NumPy simplemente porque por el camino especialmente usted se multará usted mismo probablemente usando NumPy y usarlo para importar datos de archivos sólo tiene mucho sentido. Así que eso es de lo que vamos a estar hablando aquí. Así que, vamos adelante y básicamente nos vamos ... Sólo vamos a eliminar esto. Y luego, necesitamos obtener NumPy. Así que antes que nada, asegúrate de tener NumPy. Así que trata de hacer la importación de NumPy, por ejemplo, en un ... Sólo tiene que abrir IDLE y hacer la importación de NumPy. Y si puedes importar NumPy, genial. Si no puedes, necesitas conseguirlo. Para conseguirlo, haría pip install NumPy así.

01:11 S1: Si eso dice que ningún programa o lo que se encuentre para pip, simplemente haces SQL/Python sea cual sea tu versión, la mía es 3.4 por lo que Python34/scripts/pipinstallNumPy. Así que asegúrese de obtener NumPy y luego lo que vamos a seguir adelante y hacer es que vamos a decir X, Y ... Así que sí, no lo necesitamos en realidad. X, Y es igual a NP.loadtxt y luego especifica el archivo de texto o el ... De nuevo, es como CSV, ¿verdad? Con CSV, cargamos un texto; aquí con texto de carga se podría cargar un CSV, no importa. Así que cargar texto y luego vamos a decir example.text. Entonces vamos a decir lo que nuestro delimitador ... Oops, eso no se supone que esté entre comillas. El delimitador es igual a la coma, y luego vamos a decir que unpack es igual a true. Así que el desempaquetado es básicamente lo que estamos haciendo aquí. Así que cuando tienes una función y define simple y esta función devuelve cinco y siete, digamos, y dices ... Hagamos Y, U iguala simple, lo que estás haciendo es que estás asignando cinco a Y y ocho a U, y eso es lo que se llama desempaquetamiento.

02:47 S1: Así que si usted acaba de hacer esto, como Y es igual a simple, Y sería igual a cinco, ocho como un tuple. Y de hecho, en realidad, eso puede que ni siquiera funcione pero vamos a correr eso realmente rápido. NumPy no definido. Así que tenemos que importar NumPy. Así que primero vamos a importar NumPy como NP. Vamos a ejecutarlo una vez más. X e Y deben tener el mismo ... Oh, sé lo que hemos hecho. Lo que necesitamos decir como yo es igual de simple. Volveremos a intentarlo. Realmente estoy tratando de ejecutarlo. Vale, así que sí funcionó. Así que si llegamos aquí ... Así que en primer lugar, este gráfico sí se carga y si llegamos aquí y preguntamos qué es ... Oh, espera, bueno, el gráfico está arriba, así que vamos a cerrar la gráfica y decimos que ahora, de hecho, soy igual a la tupla de cinco, ocho. Pero si decimos como IU igual de simple, estamos desempaquetando en esos valores. Así que, IU y eso es básicamente lo que está sucediendo aquí. Cuando decimos que unpack es igual a true, estamos desempacando los valores que están divididos por este delimitador común, los estamos desempacando en el orden de XY por línea.

04:04 S1: Así que, como se puede ver, hemos eliminado bastantes líneas que se han utilizado para toda la operación CSV. Así que se puede ver esto es sólo incluso programación inteligente mucho más eficiente, pero NumPy es un módulo C acelerado por lo que utiliza el lenguaje de C y en muchos casos mucho más rápido. Esto no es realmente todo lo que puedes hacer con NumPy y puedes cargar archivos que tienen sellos de fecha y convertirlos y todo tipo de cosas de lujo.

04:31 S1: Por lo tanto, de todos modos, eso es para cargar datos con NumPy, y realmente las dos maneras populares de cargar datos en matplotlib. Otra sería con Pandas o algo así, pero ese es un todo, otro tutorial. Así que, de todos modos, eso es para cargar datos con NumPy.